TY  - JOUR
AU  - 高伟强
AU  - 郝晓华
AU  - 和栋材
AU  - 孙兴亮
AU  - 李弘毅
AU  - 任鸿瑞
AU  - 赵琴
PY  - 2024
DA  - 2024//
TI  - MODIS亚洲高山区积雪面积比例制图
JO  - 遥感学报
SP  - 2223
EP  - 2239
VL  - 28
IS  - 9
CY  - 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;
KW  - 遥感;亚洲高山区;积雪面积比例;MODIS;MARS;地形校正
AB  - 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。
SN  - 1007-4619
UR  - https://kns.cnki.net/kcms2/article/abstract?v=xiNUFhx2xxbjXrVLpi1_zLi2skDwasyhXFkjGz1SNNrH9vF7W3Db3ra_TaLZuhR3gED4weW3Y00ezLqii0i35BozlHTA8QjFYO4w4CHrKgHIm1FwBgBLSKImAEobKoORxn90jnc4hEovluhIuPw69_06sYjIjhlfM1wdNMVB9suhSZKlF1rmF_ZCrakkzA0Y&uniplatform=NZKPT&language=CHS
ID  - 高伟强2024
ER  -