[发明专利]基于星载多光谱遥感数据的积雪覆盖度测算方法

权利要求书

1.基于星载多光谱遥感数据的积雪覆盖度测算方法，具体步骤如下：

步骤一、影像预处理：将极轨卫星FY-3B数据进行辐射定标和几何校正处理，然后根据经纬度信息将图像裁剪选取需要研究的图像区域，根据MODIS土地分类产品IGBP标准将所选取的区域划分成分为森林区域和非森林地区；

步骤二、在非森林地区积雪覆盖度测算：将从Landsat8获取的数据进行预处理后，使用SNOWMAP算法获取真实的积雪二值图，再经重采样成1km空间分辨率的积雪覆盖率数据；

将FY-3B获取的多波段数据进行波段运算，计算归一化差分积雪指数NDSI，计算公式如公式(1)所示：

NDSI＝(Green-SWIR)/(Green+SWIR)…………………………(1)

其中，Green代表FY-3B数据中得到绿色波段的反射率，SWIR代表FY-3B数据中的短波红外波段的反射率；

使用最小二乘法对重采样的积雪覆盖率和归一化差分积雪指数NDSI拟合线性回归方程，建立积雪指数和积雪覆盖度的函数关系，如公式(2)所示，再结合从Landsat8获取的数据进行验证：

FSC＝a×NDSI+b……………………………………………(2)

FSC为积雪覆盖度；a为增益，即拟合函数的斜率；b为偏移量，即拟合函数的截距；然后通过拟合函数进行计算非森林地区积雪覆盖度；

步骤三、森林地区积雪覆盖度测算：

森林地区积雪覆盖度FSC存在如下关系式：

其中，选择研究区域降雪前和降雪后的FY-3B经过预处理的数据获得可见光反射率数据ρ_λ，obs(FSC)；统计多日非森林地区中有雪像元和无雪像元的卫星可见光反射率数据的平均值用于替代森林下积雪像元的可见光反射率ρ_λ，snow和森林下无雪像元的可见光反射率ρ_λ，ground，并设置为固定参数值；ρ_λ，forest代表森林冠层的可见光反射率数据；

其中，代表森林透射率，在非森林地区，透射率接近1，在茂密的森林里，它接近0，通过如下方式获取：

定位冬季森林区域中积雪完全覆盖地区，即FSC＝1的区域，获得其对应的卫星可见光反射率ρ_λ，obs(FSC＝1)，根据公式(4)可以计算森林透射率

步骤四、影像后处理：对星载多光谱得到的东北地区积雪覆盖度产品进行均值滤波，结合八邻域内的像元积雪覆盖度信息过滤零散的像元点，如果八邻域内都是无雪像元，将中心像元的值改为无雪像元；如果八邻域都是积雪像元，而中心像元为无雪像元，将中心像元改为八邻域积雪覆盖度的均值；降低由于卫星数据的噪声影响引起的像元影响，得到改善后的东北地区积雪覆盖度。

2.根据权利要求1所述的基于星载多光谱遥感数据的积雪覆盖度测算方法，其特征在于，在步骤一影像预处理的过程中的预处理步骤包括：

(a)辐射定标：利用完整的遥感图像处理平台读取遥感数据的头文件信息，通过Radiometric Calibration工具将数据中的DN值转换为反射率或者亮温数据，也可以通过波段运算，结合数据自身的增益和偏移量的属性信息，获取反射率数据；

(b)几何校正：利用空间位置变换关系，采用计算公式和经纬度信息进行的校正；输入经纬度信息后通过ENVI软件生成GLT文件；结合查找表文件给原始数据赋予地理信息；

(c)根据经纬度信息通过东北地区矢量数据裁剪原始数据，得到感兴趣区域。

3.根据权利要求1所述的基于星载多光谱遥感数据的积雪覆盖度测算方法，其特征在于，步骤二中：使用SNOWMAP算法获取真实的积雪二值图的具体步骤如下：通过计算Landsat8数据中NDSI指数提取积雪范围，设置NDSI的阈值为0.4，大于0.4为积雪像元；结合多光谱的特征去除水体和暗像元干扰，即近红外波段0.11；得到空间分辨率为30m的积雪二值图。

4.根据权利要求1所述的基于星载多光谱遥感数据的积雪覆盖度测算方法，其特征在于，步骤二中重采样的具体步骤如下：将空间分辨率为30m的积雪覆盖度重采成1km空间分辨率的积雪覆盖度产品，计算1km×1km范围内的积雪像元个数占总像元的比例，作为积雪覆盖度的“真实”信息。

5.根据权利要求1所述的基于星载多光谱遥感数据的积雪覆盖度测算方法，其特征在于，步骤三在获得森林地区积雪覆盖度后还包括数据验证步骤，具体如下：利用ENVI平台进行高斯施密特正交变换融合，将辐射校正后的GF-2数据融合成空间分辨率为1m的多光谱遥感数据，观察林下积雪覆盖情况；对比基于森林透射率算法的积雪覆盖度监测结果和传统基于NDSI算法监测结果受森林茂密程度的影响程度，进行数据结果的验证。