@Article{高伟强2024,
author="{高伟强}
and {郝晓华}
and {和栋材}
and {孙兴亮}
and {李弘毅}
and {任鸿瑞}
and {赵琴}",
title="MODIS亚洲高山区积雪面积比例制图",
journal="遥感学报",
year="2024",
address="太原理工大学矿业工程学院;中国科学院西北生态环境资源研究院;兰州大学资源环境学院;",
volume="28",
number="9",
pages="2223--2239",
keywords="遥感;亚洲高山区;积雪面积比例;MODIS;MARS;地形校正",
abstract="积雪面积比例FSC(Fractional Snow Cover)能在亚像元尺度上定量描述积雪的覆盖程度，相比二值积雪更适合反映复杂山区积雪的分布情况，是山区融雪径流模拟，气候变化预测的重要输入参数。本研究在亚洲高山区HMA(High Mountain Asia)基于分地类特征选择的多元自适应回归样条MARS(Multivariate Adaptive Regression Splines)模型LC-MARS发展了MODIS FSC反演算法，并制备了亚洲高山区FSC产品。以Landsat 8提取的FSC为参考真值验证LC-MARS模型反演FSC精度，对比相同训练样本下LC-MARS模型与线性回归模型反演FSC精度，比较LC-MARS模型制备的FSC与MOD10A1、SnowCCI在亚洲高山区的精度表现。结果表明：（1） LC-MARS模型反演的FSC总Accuracy、Recall分别为93.4{\%}、97.1{\%}，总体RMSE为0.148,MAE为0.093，总体精度较高。（2）相同训练样本下LC-MARS模型在林区、植被和裸地反演FSC精度均高于线性回归模型，表明LC-MARS模型更适用于山林区FSC反演。（3） MOD10A1总体RMSE为0.178,MAE为0.096;SnowCCI总体RMSE为0.247,MAE为0.131,LC-MARS制备的FSC精度均高于MOD10A1、SnowCCI，表明由LC-MARS反演的FSC具有一定的应用价值。总体而言，LC-MARS模型可以拟合高维非线性关系，显著提高山林区FSC的反演精度且模型运算效率高，适用于制备大尺度长时间序列的FSC产品。本研究基于LC-MARS模型制备了2000年---2021年亚洲高山区逐日MODIS FSC产品，为亚洲高山区气候变化、水文水资源研究提供重要的数据支撑。",
issn="1007-4619",
url="https://kns.cnki.net/kcms2/article/abstract?v=xiNUFhx2xxbjXrVLpi1_zLi2skDwasyhXFkjGz1SNNrH9vF7W3Db3ra_TaLZuhR3gED4weW3Y00ezLqii0i35BozlHTA8QjFYO4w4CHrKgHIm1FwBgBLSKImAEobKoORxn90jnc4hEovluhIuPw69_06sYjIjhlfM1wdNMVB9suhSZKlF1rmF_ZCrakkzA0Y&uniplatform=NZKPT&language=CHS"
}