王子龍，胡石濤，付強(qiáng)，姜秋香

（東北農(nóng)業(yè)大學(xué)水利與土木工程學(xué)院，哈爾濱　150030）

積雪參數(shù)遙感反演研究進(jìn)展

王子龍，胡石濤，付強(qiáng)*，姜秋香

（東北農(nóng)業(yè)大學(xué)水利與土木工程學(xué)院，哈爾濱150030）

積雪是地表重要自然要素，積雪參數(shù)反演研究對(duì)相關(guān)領(lǐng)域研究及應(yīng)用具有重要意義。以當(dāng)前研究成果為基礎(chǔ)，對(duì)比分析相關(guān)積雪遙感資料優(yōu)缺點(diǎn)，探討利用遙感資料進(jìn)行積雪反演合理性及不足。介紹當(dāng)前進(jìn)行積雪遙感反演遙感平臺(tái)系列。探討光學(xué)傳感器及微波遙感儀器各自優(yōu)缺點(diǎn)，強(qiáng)調(diào)結(jié)合光學(xué)、微波遙感儀器影像數(shù)據(jù)進(jìn)行積雪反演研究重要性；重點(diǎn)介紹中分辨率成像光譜儀、改進(jìn)型甚高分辨率輻射儀等光學(xué)傳感器在積雪面積計(jì)算、雪蓋制圖等方面研究進(jìn)展，先進(jìn)微波掃描輻射儀、特定微波傳感器/成像儀、多通道微波掃描輻射計(jì)等被動(dòng)微波傳感器在雪深計(jì)算、雪水當(dāng)量估算等領(lǐng)域發(fā)展現(xiàn)狀；強(qiáng)調(diào)主動(dòng)微波遙感傳感器在未來積雪遙感研究中重要性?？偨Y(jié)并探討當(dāng)前積雪遙感研究中的問題及不足。

積雪；遙感反演；光學(xué)遙感；被動(dòng)微波遙感；主動(dòng)微波遙感

王子龍，胡石濤，付強(qiáng)，等.積雪參數(shù)遙感反演研究進(jìn)展［J］.東北農(nóng)業(yè)大學(xué)學(xué)報(bào)，2016，47（9）：100-106.

Wang Zilong，Hu Shitao，F(xiàn)u Qiang，et al.Progress advances in remote sensing inversion of snow parameters，2016，47（9）：100-106.（in Chinese with English abstract）

積雪是氣候變化關(guān)鍵影響因子。積雪對(duì)氣溫、降水等氣候因素較敏感，通過復(fù)雜反饋機(jī)制相互作用［1］。積雪參數(shù)測(cè)定是學(xué)科研究熱點(diǎn)，對(duì)于有效預(yù)測(cè)土壤墑情、春汛、水資源供給、氣候變化、估算作物損失、監(jiān)測(cè)積雪災(zāi)害等具有重要意義［2］。

積雪廣泛分布于高緯度、高海拔等地區(qū)，傳統(tǒng)地理學(xué)、氣象學(xué)等研究方法很難定量獲取大范圍積雪數(shù)據(jù)，遙感技術(shù)及其反演方法發(fā)展、應(yīng)用，為積雪參數(shù)獲取提供新技術(shù)手段［3］。在積雪參數(shù)反演研究中，需要較可靠相關(guān)數(shù)據(jù)。地面氣象臺(tái)站由于受各種因素影響，所提供數(shù)據(jù)資料缺乏代表性。隨著遙感技術(shù)不斷發(fā)展，借助一系列遙感數(shù)據(jù)處理算法，可直接通過遙感影像資料提取相關(guān)積雪數(shù)據(jù)。

經(jīng)過幾十年發(fā)展，積雪遙感研究已確立較成熟研究思路，積雪信息提取、雪蓋制圖、雪深計(jì)算、雪水當(dāng)量估算等積雪參數(shù)反演研究已建立相對(duì)完整體系。積雪反演涉及遙感儀器主要包括光學(xué)傳感器和微波傳感器（包括被動(dòng)式、主動(dòng)式兩類）。光學(xué)積雪遙感反演基本原理是積雪具有在可見光波段反射率高、在短波紅外波段有較高吸收率等特性，易與其他地物相區(qū)別［4-6］；微波積雪遙感反演基本原理是基于傳感器不同通道接收輻射亮溫值判識(shí)地表積雪有無及深度［7］。

本文介紹當(dāng)前主要積雪遙感平臺(tái)，列舉各種基于不同類型數(shù)據(jù)反演算法及模型，強(qiáng)調(diào)綜合利用多類型數(shù)據(jù)反演研究必要性和科學(xué)性，并探討未來研究方向及熱點(diǎn)。

1　積雪遙感平臺(tái)及傳感器簡(jiǎn)介

1.1氣象衛(wèi)星系列

全球氣象衛(wèi)星系統(tǒng)主要包括美國(guó)SMS/GOES、日本GMS、歐空局Meteosat、俄羅斯COMS等靜止衛(wèi)星系列以及美國(guó)TIROS-N/NOAA系列、美日歐合作研制GPM降雨觀測(cè)衛(wèi)星系統(tǒng)。我國(guó)風(fēng)云衛(wèi)星系列經(jīng)多年發(fā)展已形成比較完整監(jiān)測(cè)系統(tǒng)，如FY-1（已失效）、FY-1-B、FY-2、FY-3等，其中FY-1-B攜帶AHVRR（甚高分辨率掃描輻射計(jì)），可用于云和雪等信息識(shí)別。

1.2陸地衛(wèi)星系列

陸地衛(wèi)星系列即地球資源衛(wèi)星，當(dāng)前，中國(guó)、俄羅斯、美國(guó)等國(guó)家均組建陸地衛(wèi)星監(jiān)測(cè)系統(tǒng)。其中主要包括美國(guó)Landsat系列、IKONOS衛(wèi)星系列（目前Landsat-7和Landsat-8在運(yùn)轉(zhuǎn)工作；法國(guó)SPOT系列；中國(guó)資源、高分衛(wèi)星系列等）。

1.3主要積雪遙感平臺(tái)

積雪遙感中常用波段是可見光、近紅外和微波波段，按遙感方式分為光學(xué)遙感和微波遙感，微波遙感又分為有源（主動(dòng)式）和無源（被動(dòng)式）兩類。不同波段對(duì)積雪參數(shù)特性響應(yīng)情況見表1。

光學(xué)傳感器利用積雪在可見光波段反射率高、在短波近紅外波段吸收率高光譜特性，借助已有積雪指數(shù)法識(shí)別積雪信息。中分辨率成像光譜儀（MODIS）、甚高分辨率掃描輻射儀（AVHRR）是兩個(gè)在積雪遙感反演中應(yīng)用最為廣泛光學(xué)傳感器［8］。

微波傳感器借助微波穿透能力，可穿透地表積雪層觀測(cè)到雪深等積雪信息。常用被動(dòng)微波傳感器有特定微波傳感器/成像儀（SSM/I）、改進(jìn)型微波掃描輻射儀（AMSR_E）、多通道掃描微波輻射計(jì)（SMMR）等；常用主動(dòng)微波傳感器主要是合成孔徑雷達(dá)系統(tǒng)［9］。

表1　不同傳感器譜段對(duì)積雪特性響應(yīng)情況Table 1Response to characteristics of snow in the different sensors spectrum

2　光學(xué)遙感在積雪反演中應(yīng)用

2.1積雪區(qū)域識(shí)別

目前主要采用NDSI（歸一化差分積雪指數(shù)）識(shí)別積雪信息，該方法運(yùn)算相對(duì)簡(jiǎn)單，能在一定程度上消除云層等因素影響［10］。

式中，CH（n）、CH（m）分別代表雪強(qiáng)反射與強(qiáng)吸收光譜波段。LandsatTM和NOAA/AVHRR常用第2波段和第5波段。

2.1.1基于AVHRR資料積雪區(qū)域識(shí)別

在AVHRR資料第1、2波段，積雪光譜特征較為明顯：第1波段（可見光）內(nèi)積雪反射率高，第2波段（近紅外）內(nèi)積雪反射率明顯下降，是利用AVHRR影像資料積雪遙感監(jiān)測(cè)出發(fā)點(diǎn)。AVHRR共有5個(gè)光譜波段，其波段特征見表2［11］。

表2　AVHRR波段特征參數(shù)Table 2Band characteristic parameters of AVHRR

史培軍等以內(nèi)蒙古錫林郭勒草原為研究區(qū)，利用NOAA衛(wèi)星AVHRR數(shù)據(jù)并結(jié)合地面觀測(cè)數(shù)據(jù)提取該區(qū)域積雪信息［12］完成積雪制圖；周詠梅等［11］通過獲取無云條件下AVHRR數(shù)據(jù)并結(jié)合同期青藏高原南部地面氣象臺(tái)站氣象資料，首先確定其亮溫、反照率閾值，并分析該區(qū)域積雪反演精度，探討基于AVHRR數(shù)據(jù)完成積雪參數(shù)反演可行性及不足；王世杰以新疆地區(qū)作為研究區(qū)域，將獲取NOAA/AVHRR影像數(shù)據(jù)與同期實(shí)地考察（或氣象臺(tái)站）資料相結(jié)合，論述積雪信息提取一整套計(jì)算方法并做出相應(yīng)改進(jìn)［13］。

2.1.2基于MODIS資料積雪區(qū)域識(shí)別

搭載于Terra和Aqua衛(wèi)星上MODIS（中等分辨率成像光譜儀）是NASA地球觀測(cè)系統(tǒng)（EOS）中主要傳感器［14］。MODIS共有36個(gè)光譜通道，其光譜范圍從0.4 μm（可見光）到14.4 μm（熱紅外）全光譜覆蓋［15，16］；空間分辨率如下：8～36通道為1 km、3～7通道為0.5 km、1～2通道為250 m［4］。與AVHRR影像數(shù)據(jù)相比，MODIS波段數(shù)更多、應(yīng)用更廣泛［17］；MODIS數(shù)據(jù)可在美國(guó)國(guó)家雪冰中心（NSIDC）下載，具有良好發(fā)展前景［18］。

MODIS通常使用通道4（0.545～0.565 μm）和通道6（1.628～1.652 μm），公式為：

式中，Ri為像元在第i波段反射率，當(dāng)NDSI≥0.4 且R2＞0.11、R4＞0.1時(shí)，則認(rèn)為該像元是積雪像元［19］。

王興等利用祁連山區(qū)MODIS影像數(shù)據(jù)，將NDSI和MODIS18、31通道數(shù)據(jù)結(jié)合，區(qū)分積雪與其他地物，提取相關(guān)地區(qū)積雪信息，判識(shí)積雪區(qū)域［20］；徐虹通過分析不同波段內(nèi)積雪特性表現(xiàn)，利用歸一化積雪指數(shù)和植被指數(shù)值識(shí)別像元積雪信息［21］；季泉等利用MODIS數(shù)據(jù)對(duì)吉林省域內(nèi)積雪影像圖進(jìn)行云雪區(qū)分，識(shí)別積雪信息，判定積雪區(qū)域范圍［15］。陳文倩等以新疆北部為研究區(qū)，利用歸一化差分植被指數(shù)（NDVI）和積雪指數(shù)（NDSI）數(shù)值構(gòu)建二維特征空間，建立積雪反演模型，提高研究區(qū)內(nèi)積雪信息提取精度［22］。

2.2積雪面積及雪深估算

2.2.1積雪面積計(jì)算

在識(shí)別積雪信息基礎(chǔ)上，積雪面積計(jì)算方法和研究思路逐步完善。如將獲取遙感影像數(shù)據(jù)經(jīng)等面積投影（麥卡托投影）［11，23-24］后首先計(jì)算每個(gè)積雪像元面積：

式中，A為單個(gè)積雪像元面積；R為地球赤道半徑；dλ和dφ分別為每個(gè)像元經(jīng)度和緯度；λ為像元經(jīng)度坐標(biāo)。將研究區(qū)內(nèi)所有識(shí)別為積雪信息像元面積相加即得到總積雪面積。

延昊利用相關(guān)方法對(duì)積雪和其他地物區(qū)分，將數(shù)據(jù)統(tǒng)一設(shè)定為Albers投影后，識(shí)別積雪像元，統(tǒng)計(jì)積雪像元數(shù)，計(jì)算總積雪面積［25］。

2.2.2雪深估算

光學(xué)傳感器在雪深反演中受自然地域等因素限制較大，因此，雪深反演算法對(duì)淺雪區(qū)域適用性較好，不適于深雪區(qū)域雪深反演。

延昊利用AVHRR數(shù)據(jù)和同期相關(guān)地區(qū)氣象臺(tái)站雪深數(shù)據(jù)，通過相關(guān)分析，建立擬和方程［25］：

式中，SD為研究區(qū)域雪深值；R1和R3a分別為波段1和波段3a反射率。

史培軍等在地形參數(shù)（F、R）確定后，利用氣象臺(tái)站實(shí)測(cè)數(shù)據(jù)（降雪量、積雪深度等）資料，通過相關(guān)方法確定氣象臺(tái)站所在點(diǎn)F和R值，分析積雪深度與降雪量及地形參數(shù)并建立關(guān)系式［12］，公式為：

式中，X1為降雪量；X2為地形參數(shù)R；X3為地形參數(shù)F。

許劍輝等利用考慮模型次網(wǎng)絡(luò)變異性MODIS雪蓋同化方法，結(jié)合北疆阿爾泰地區(qū)氣象站點(diǎn)雪深觀測(cè)數(shù)據(jù)對(duì)其驗(yàn)證，提高雪深模擬精度［26］。

3　積雪微波遙感研究進(jìn)展

3.1積雪被動(dòng)微波遙感研究

相對(duì)于光學(xué)遙感傳感器而言，利用被動(dòng)微波傳感器探測(cè)穿透能力更強(qiáng)；相比主動(dòng)微波傳感器，被動(dòng)微波傳感器具有受粗糙度等因素影響小、監(jiān)測(cè)區(qū)域較大優(yōu)勢(shì)［27-28］。

表3　SSM/I、SMMR、AMSR-E參數(shù)對(duì)比Table 3Contrast in the parameters of SSM/I，SMMR，AMSE-E

通過多年研究與不斷改進(jìn)，基于SMMR、SSM/ I和AMSR數(shù)據(jù)資料，已經(jīng)建立多種相對(duì)成熟雪深反演算法和雪水當(dāng)量反演模型。

3.1.1雪深反演算法研究進(jìn)展

3.1.1.1Chang算法

Chang算法是基于Nimbus-7搭載SMMR數(shù)據(jù)回歸而成經(jīng)驗(yàn)算法，前提條件是雪粒徑約0.3 mm，雪密度約為0.3 g·cm-3［31-33］。

回歸公式為：

式中，SD為反演雪深值；C為經(jīng)驗(yàn)常數(shù)（區(qū)域不同，數(shù)值各異）；Tb18H和Tb37H分別代表SMMR 18 和37 GHz水平極化亮溫值；算法選擇水平極化亮溫值，在于其對(duì)雪深值反演更敏感［33］。一般情況下，利用AMSR_E數(shù)據(jù)反演需要借助19、37 GHz波段水平極化亮溫值；而通過SMMR、SSM/I數(shù)據(jù)反演需要利用18、37 GHz波段亮溫值。

Cao等利用海拔數(shù)據(jù)，借助Arcgis系統(tǒng)，劃分我國(guó)西部地區(qū)地貌單元，并修正Chang算法，建立基于SMMR數(shù)據(jù)雪深反演算法［34］：

本文分別對(duì)各類家畜設(shè)計(jì)問卷，內(nèi)容包括各環(huán)節(jié)用工量和使用機(jī)械情況等，并于2010年8月在內(nèi)蒙古、黑龍江、山東、河北、四川和江蘇這6個(gè)省份，對(duì)畜牧養(yǎng)殖農(nóng)戶、養(yǎng)殖場(chǎng)(公司)展開了實(shí)地面對(duì)面問卷調(diào)研，共回收有效樣本量485份。以下的研究均基于樣本數(shù)據(jù)。

式中，符號(hào)含義同上。

3.1.1.2NASA 96算法

NASA 96算法是通過置換Chang算法回歸系數(shù)，并考慮森林覆蓋影響，修正原有算法而得［33］?；貧w公式一般為：

式中：SD為反演雪深；a為經(jīng)驗(yàn)系數(shù)；f為森林覆蓋度；其他符號(hào)含義同上。NASA 96算法在歐亞大陸及北美地區(qū)有不同經(jīng)驗(yàn)系數(shù)，前者a值取0.78，后者取1.59［32］。

3.1.1.3AMSR算法

AMSR算法基于Chang算法改進(jìn)而來，考慮森林覆蓋度因子影響，加入判識(shí)方法以區(qū)別濕雪區(qū)域［35］。由于不同研究區(qū)內(nèi)雪粒徑不同導(dǎo)致反演精度各異，該算法引入經(jīng)驗(yàn)函數(shù)以解決雪粒徑變化產(chǎn)生影響［36］。

針對(duì)雪密度不同，也采用類似方法。最終，對(duì)模擬結(jié)果擬合回歸分析，得到以下方程：

式中：ΔTb為AMSR數(shù)據(jù)19和37 GHz水平極化條件下亮溫差值；b和c為兩個(gè)經(jīng)驗(yàn)參數(shù)，分別是粒徑和密度函數(shù)［1］。

3.1.2雪水當(dāng)量反演算法

被動(dòng)微波傳感器接收的地表輻射信息是雪水當(dāng)量反演研究主要數(shù)據(jù)源［37］。主要有兩種計(jì)算雪水當(dāng)量方法：其一是基于獲取影像內(nèi)像元亮溫值，利用統(tǒng)計(jì)模式求解；其二是根據(jù)亮溫值及積雪物理特性參數(shù)，利用相應(yīng)輻射傳輸模型，求解得到雪水當(dāng)量數(shù)值［38］。

在雪水當(dāng)量反演研究中，一般利用相應(yīng)傳感器高散射及低散射通道垂直極化或水平極化數(shù)據(jù)［37］。Foster等發(fā)現(xiàn)在有植被覆蓋區(qū)域內(nèi)，傳感器水平極化數(shù)據(jù)比垂直極化更敏感，建立反演雪水當(dāng)量Foster算法［39］；基于NASA Chang算法，其中考慮森林覆蓋度等因素影響，一般公式為：

式中，SWE為雪水當(dāng)量（mm）；將式（6）中Tb18H改為Tb19H，指SSM/I（因SSM/I無18 GHz，用19 GHz代替）和AMSR 19 GHz水平極化亮溫值或SMMR數(shù)據(jù)18 GHz水平極化亮溫值；Ft表示森林覆蓋度影響系數(shù)；ct為考慮雪粒徑影響修正系數(shù)［1］。

3.2積雪主動(dòng)微波遙感研究

在積雪參數(shù)反演中，主動(dòng)微波傳感器主要是通過發(fā)射微波輻射且接收地面反射或散射到傳感器輻射信號(hào)識(shí)別地物信息，分辨率相對(duì)被動(dòng)式較高，在陸地積雪、冰川等領(lǐng)域遙感研究中應(yīng)用廣泛。目前常用該系列傳感器主要為高分辨率合成孔徑雷達(dá)（SAR），根據(jù)雪與其他地物物理特性有明顯差異識(shí)別積雪信息，確定積雪區(qū)面積［40］。

近年來，學(xué)者多利用SAR數(shù)據(jù)建立多種積雪信息識(shí)別方法。李震等在分析SAR成像機(jī)理及雪蓋參數(shù)散射特性基礎(chǔ)上，以美國(guó)加利福尼亞州為研究區(qū)域，利用獲取SAR數(shù)據(jù)，識(shí)別積雪信息，探討在有云狀態(tài)下進(jìn)行雪蓋制圖可行性［39］。文軍等以青藏高原念青唐古拉山脈為研究區(qū)域，結(jié)合MO?DIS和ASAR（Advanced Synthetic Aperture Radar）影像數(shù)據(jù)分析該地區(qū)雪蓋范圍和雪深變化規(guī)律，探討利用主動(dòng)微波傳感器數(shù)據(jù)大范圍雪深估算可行性及不足［41］。孫少波等［3］總結(jié)分析當(dāng)前基于SAR數(shù)據(jù)積雪反演算法，簡(jiǎn)述相關(guān)積雪面積制圖方法、雪密度及雪深提取方法、雪水當(dāng)量反演算法［41］。Huang等利用不受云層影響SAR影像數(shù)據(jù)，結(jié)合支持向量機(jī)（SVM）分類法完成對(duì)青藏高原地區(qū)積雪信息識(shí)別研究，確定積雪線分布［42］。

利用SAR影像數(shù)據(jù)反演雪深、雪水當(dāng)量也是近年來積雪遙感反演研究熱點(diǎn)之一，尤其是流域尺度領(lǐng)域。李暉等利用獲取SAR數(shù)據(jù)結(jié)合野外實(shí)測(cè)數(shù)據(jù)，以SAR干涉測(cè)量技術(shù)為基礎(chǔ)反演積雪深度，探討雪深反演影響因素［43］。Pettinato等利用X波段SAR數(shù)據(jù)結(jié)合地面實(shí)測(cè)數(shù)據(jù)，比較結(jié)果發(fā)現(xiàn)其對(duì)歐洲阿爾卑斯山脈等地積雪參數(shù)反演精度較高［44］。汪左等以新疆瑪納斯河流域?yàn)檠芯繀^(qū)，利用RADARSAT-2衛(wèi)星、地面氣象站點(diǎn)等提供數(shù)據(jù)并結(jié)合EQeau模型反演當(dāng)?shù)氐湫蜕絽^(qū)雪水當(dāng)量，提高反演精度，為相關(guān)研究提供新思路［45］。

4　討論與展望

目前積雪參數(shù)（雪蓋面積、雪深、雪水當(dāng)量等）遙感反演研究所需數(shù)據(jù)、算法、模型日趨成熟，并經(jīng)過不同地區(qū)精度驗(yàn)證，但由于傳感器自身及不同地區(qū)條件限制，積雪參數(shù)反演研究領(lǐng)域尚有一系列問題亟需探討。

a.光學(xué)傳感器應(yīng)用受制于云霧等天氣影響，有云覆蓋區(qū)域內(nèi)積雪參數(shù)反演精度受到較大限制；微波遙感傳感器基本不受天氣狀況影響，可實(shí)現(xiàn)全天時(shí)全天候積雪觀測(cè)，通過反演算法測(cè)定雪深、雪水當(dāng)量值，然而，該系列傳感器空間分辨率普遍較低，僅適用于大范圍積雪參數(shù)反演研究，不適應(yīng)當(dāng)前小區(qū)域、微地形等研究趨勢(shì)。因此，未來積雪遙感研究中應(yīng)將光學(xué)遙感和微波遙感數(shù)據(jù)結(jié)合，取長(zhǎng)補(bǔ)短。

b.積雪遙感研究是多學(xué)科（氣象學(xué)、地理學(xué)等）交叉領(lǐng)域，作為一門新興學(xué)科，積雪遙感在氣象監(jiān)測(cè)、農(nóng)業(yè)土壤春墑?lì)A(yù)報(bào)、凍土水熱運(yùn)移等領(lǐng)域研究發(fā)展迅速。目前積雪遙感研究重點(diǎn)主要在積雪信息提取、雪蓋制圖、雪深反演、估算雪水當(dāng)量等領(lǐng)域，已形成一套較為成熟研究思路及模式，該領(lǐng)域主要問題是如何結(jié)合不同傳感器數(shù)據(jù)提高研究精度。

c.應(yīng)充分借鑒相關(guān)學(xué)科研究方法，提高相關(guān)研究項(xiàng)目實(shí)用性；吸取已有研究經(jīng)驗(yàn)教訓(xùn)，以推廣應(yīng)用為出發(fā)點(diǎn)；拓展研究領(lǐng)域，定性分析與定量計(jì)算相結(jié)合，如建立融雪徑流模型，為季節(jié)性積雪區(qū)域耕作提供春墑?lì)A(yù)報(bào)。

［1］李新，車濤.積雪被動(dòng)微波遙感研究進(jìn)展［J］.冰川凍土，2007，29（3）：487-496.

［2］Che T，Li X，Jin R，et al.Assimilating passive microwave remote sensing data into a land surface model to improve the estimation of snowdepth［J］.RemoteSensingofEnvironment，2014，143：54-63.

［3］孫少波，車濤.基于合成孔徑雷達(dá)（SAR）積雪監(jiān)測(cè)研究進(jìn)展［J］.冰川凍土，2013，35（3）：636-647.

［4］侯慧姝，楊宏業(yè).MODIS積雪產(chǎn)品及研究應(yīng)用概述［J］.遙感技術(shù)與應(yīng)用，2009，24（2）：252-256.

［5］李金亞，楊秀春，徐斌，等.基于MODIS與AMSR-E數(shù)據(jù)中國(guó)6大牧區(qū)草原積雪遙感監(jiān)測(cè)研究［J］.地理科學(xué)，2011，31（9）：1097-1104.

［6］閻福禮，徐建國(guó)，魯志弘.BJ-1智能小衛(wèi)星多曝光量數(shù)據(jù)特征及其積雪提取方法研究［J］.國(guó)土資源遙感，2016，28（1）：28-34. ［7］高峰，李新，Armstrong R L，等.被動(dòng)微波遙感在青藏高原積雪業(yè)務(wù)監(jiān)測(cè)中初步應(yīng)用［J］.遙感技術(shù)與應(yīng)用，2003，18（6）：360-363，456.

［8］Yang J，Jiang L，Shi J，et al.Monitoring snow cover using Chinese meteorological satellite data over China［J］.Remote Sensing of En?vironment，2014，143：192-203.

［9］吳楊，張佳華，徐海明，等.衛(wèi)星反演積雪信息研究進(jìn)展［J］.氣象，2007，33（6）：3-10.

［10］曹云剛，劉闖.從AVHRR到MODIS雪蓋制圖研究進(jìn)展［J］.地理與地理信息科學(xué)，2005，21（5）：15-19.

［11］周詠梅，賈生海，劉萍.利用NOAA-AVHRR資料估算積雪參量［J］.氣象科學(xué)，2001，21（1）：117-121.

［12］史培軍，陳晉.RS與GIS支持下草地雪災(zāi)監(jiān)測(cè)試驗(yàn)研究［J］.地理學(xué)報(bào)，1996，51（4）：296-305.

［13］王世杰.利用NOAA/AVHRR影像資料估算積雪量方法探討［J］.冰川凍土，1998，20（1）：69-74.

［14］Marchane A，Jarlan L，Hanich L，et al.Assessment of daily MO?DIS snow cover products to monitor snow cover dynamics over the Moroccan Atlas mountain range［J］.Remote Sensing of Environ?ment，2015，160：72-86.

［15］季泉，孫龍祥，王勇，等.基于MODIS數(shù)據(jù)的積雪監(jiān)測(cè)［J］.遙感信息，2006（3）：57-58，68，94.

［16］Hall D K，Riggs G A，Salomonson V V，et al.MODIS snow-cover products［J］.Remote sensing of Environment，2002，83（1）：181-194.

［17］王建，陳子丹，李文君，等.中分辨率成像光譜儀圖像積雪反射特性初步分析研究［J］.冰川凍土，2000，22（2）：165-170.

［18］李弘毅，王建.SRM融雪徑流模型在黑河流域上游模擬研究［J］.冰川凍土，2008，30（5）：769-775.

［19］Sharma V，Mishra V D，Joshi P K.Topographic controls on spatiotemporal snow cover distribution in Northwest Himalaya［J］.Inter?national Journal of Remote Sensing，2014，35（9）：3036-3056.

［20］王興，張強(qiáng)，郭鈮，等.利用MODIS數(shù)據(jù)判識(shí)祁連山區(qū)積雪方法研究［J］.干旱氣象，2007，25（2）：29-34.

［21］徐虹.MODIS數(shù)據(jù)在云南省積雪監(jiān)測(cè)中應(yīng)用［J］.云南地理環(huán)境研究，2007，19（1）：60-62，84.

［22］陳文倩，丁建麗，孫永猛，等.基于NDSI-NDVI特征空間積雪面積反演研究［J］.冰川凍土，2015，37（4）：1059-1066.

［23］于惠，張學(xué)通，馮琦勝，等.牧區(qū)積雪光學(xué)與微波遙感研究進(jìn)展［J］.草業(yè)科學(xué)，2010，27（8）：59-68.

［24］徐維新，朱玉蓉，張娟.EOS/MODIS衛(wèi)星資料在青海省積雪遙感監(jiān)測(cè)業(yè)務(wù)中應(yīng)用［J］.青海氣象，2005（4）：19-21，47.

［25］延昊.NOAA16衛(wèi)星積雪識(shí)別和參數(shù)提取［J］.冰川凍土，2004，26（3）：369-373.

［26］許劍輝，舒紅.基于DEnKF方法考慮次網(wǎng)格變異性MODIS雪蓋同化［J］.武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2016，41（2）：156-162.

［27］黃新宇，馮筠.冰雪微波遙感研究進(jìn)展［J］.遙感技術(shù)與應(yīng)用，2004，19（6）：533-536.

［28］趙亮，朱玉祥，程亮，等.遙感-測(cè)站相結(jié)合動(dòng)態(tài)雪深反演方法初探［J］.應(yīng)用氣象學(xué)報(bào)，2010，21（6）：685-697.

［29］Matzler C.Applications of the interaction of microwaves with the natural snow cover［J］.Remote Sensing Reviews，1987，2（2）：259-387.

［30］Foster J L，Chang A T C，Hall D K，et al.Derivation of snow water equivalent in boreal forests using microwave radiometry［J］.Arc?tic，1991，44（1）：147-152.

［31］Chang A T C.Nimbus-7 SMMR snow cover data［C］.Available from the National Technical Information Service，1986：181-187.

［32］Chang A T C，F(xiàn)oster J L，Hall D K.Nimbus-7 SMMR derived global snow cover parameters［J］.Annals of glaciology，1987，9（9）：39-44.

［33］武黎黎，李曉峰，趙凱，等.東北典型林區(qū)雪深反演算法驗(yàn)證與分析［J］.地球信息科學(xué)學(xué)報(bào)，2014，16（2）：320-327.

［34］Cao Mei sheng，Li Pei ji，Robinson D A，et al.Evaluation and pri?mary application of microwave remotesensing SMMR derived snow cover in Western China［J］.Remote Sensing of Environment，1993，8（3）：260-269.

［35］Basist A，Grody N C，Peterson T C，et al.Using the Special Sen?sor Microwave Imager to monitor land surface temperatures，wet?ness and snow cover［J］.Journal of Applied Meteo-rology，1998，37（9）：888-911.

［36］Kelly R E，Chang A T，Tsang L，et al.A prototype AMSR-E glob?al snow area and snow depth algorithm［J］.IEEE Transactions on Geoscience and Remote Sensing，2003，41（2）：230-242.

［37］車濤，李新.被動(dòng)微波遙感估算雪水當(dāng)量研究進(jìn)展與展望［J］.地球科學(xué)進(jìn)展，2004，19（2）：204-210.

［38］Balk B，Elder K.Combining binary decision tree and geostatisti?cal methods to estimate snow distribution in a mountain watershed ［J］.Water Resources Research，2000，36（1）：13-26.

［39］Foster J L，Chang A T C，Hall D K.Comparison of snow mass esti?mates from a prototype passive microwave snow algorithm，a re?vised algorithm and a snow depth climatology［J］.Remote Sensing of Environment，1997，62（2）：132-142.

［40］李震，曾群柱.合成孔徑雷達(dá)影象提取雪蓋信息研究［J］.環(huán)境遙感，1996，11（3）：200-205.

［41］文軍，Dai Mo，Deroin Jean-Paul，等.利用MODIS和ASAR資料估算青藏高原念青唐古拉山脈地區(qū)冰雪范圍及厚度［J］.冰川凍土，2006，28（1）：54-61.

［42］Huang L，Li Z，Tian B S，et al.Classification and snow line detec?tion for glacial areas using the polarimetric SAR image［J］.Remote Sensing of Environment，2011，115（7）：1721-1732.

［43］李暉，肖鵬峰，馮學(xué)智，等.基于重軌InSAR積雪深度反演方法［J］.冰川凍土，2014，36（3）：517-526.

［44］Pettinato S，Santi E，Brogioni M，et al.The potential of COSMOSkyMed SAR images in monitoring snow cover characteristics［J］. IEEE Geoscience and Remote Sensing Letters，2013，10（1）：9-13.

［45］汪左，馮學(xué)智，肖鵬峰，等.基于合成孔徑雷達(dá)圖像山區(qū)雪水當(dāng)量反演［J］.南京大學(xué)學(xué)報(bào)：自然科學(xué)，2015，51（5）：996-1004.

Progress advances in remote sensing inversion of snow parameters

WANG Zilong，HU Shitao，F(xiàn)U Qiang，JIANG Qiuxiang
（School of Water Conservancy and Civil Engineering，NortheastAgricultural University，Harbin 150030，China）

Snow is an extremely important natural element of land surface，and the study on snow parameters inversion is of great significance to research and application of related areas.On the basis of the current research results，the advantages and disadvantages of snow remote sensing data were compared and analyzed，and the rationality and inadequacy of snow inversion by using remote sensing data were discussed in this paper.Firstly，the current remote sensing platform series for snow remote sensing inversion were briefly introduced.Secondly，the advantages and disadvantages of optical sensors and microwave remote sensing instruments were discussed，and the importance of combination of the two kinds of image data to snow inversion study were emphasized.Meanwhile，the application progress of optical sensors such as moderate resolution imaging spectroradiometer and advanced very high resolution radiometer tocalculate snow area，map snow cover etc was mainly introduced，and the present development situation of snow depth calculation，snow water equivalent estimation etc by utilizing passive microwave sensors such as advanced microwave scanning radiometer，specific microwave sensor/imager and multichannel microwave scanning radiometer was reviewed.In addition，the important position of active microwave remote sensing sensor in the study of snow remote sensing in the future was also mentioned.Finally，the problems needed to pay attention to and deficiencies in current study of snow remote sensing were summarized and discussed.

snow；remote sensing inversion；optical remote sensing；passive microwave remote sensing；active microwave remote sensing

TP7

A

1005-9369（2016）09-0100-07

2016-04-06

國(guó)家自然科學(xué)基金（51579045，51209039，51279031）；黑龍江省自然科學(xué)基金（D201403）；黑龍江省普通本科高等學(xué)校青年創(chuàng)新人才培養(yǎng)計(jì)劃（UNPYSCT-2015006）；東北農(nóng)業(yè)大學(xué)“青年才俊”項(xiàng)目（14QC45）

王子龍（1982-），男，副教授，博士，研究方向?yàn)楹畢^(qū)水土資源高效利用。E-mail：wzl1216@163.com

付強(qiáng)，教授，博士生導(dǎo)師，研究方向?yàn)檗r(nóng)業(yè)水土資源優(yōu)化利用與管理。E-mail：fuqiang 0629@126.com