許帆 曹海嘯 南京信息工程大學(xué)

引言

積雪在地球表面分布較廣，變化較為活躍，是反映全球能量平衡的重要指標(biāo)。研究積雪覆蓋信息為研究水文循環(huán)、水資源管理、雪災(zāi)預(yù)警等重大課題提供了必要前提。近年來(lái)大數(shù)據(jù)漸漸涉及遙感領(lǐng)域，研究學(xué)者們開始嘗試將以深度學(xué)習(xí)為代表的人工智能技術(shù)來(lái)解決海量、多源、多尺度遙感數(shù)據(jù)的解譯與參數(shù)反演問(wèn)題，到目前為止已取得一些階段性進(jìn)展。

目前，被用于積雪范圍遙感監(jiān)測(cè)與制圖的衛(wèi)星數(shù)據(jù)來(lái)源大致可分為兩大類：光學(xué)與微波遙感。微波遙感產(chǎn)品由于其受制于較低的空間分辨率，因此目前基于亞像元尺度的FSC制圖算法的研究多集中于光學(xué)遙感資料。

1 積雪覆蓋率遙感估算研究現(xiàn)狀

1.1 光學(xué)遙感積雪覆蓋率制圖類型

光學(xué)遙感積雪覆蓋率的提取方法大致可以分為三類：基于回歸模型、混合像元分解和機(jī)器學(xué)習(xí)方法。光學(xué)遙感積雪覆蓋率制圖的技術(shù)路線框圖如圖1所示：

圖1 FSC提取技術(shù)路線圖

1.2 基于回歸模型

積雪覆蓋率和冰雪指數(shù)（NDSI）存在著正相關(guān)的線性關(guān)系，Salomonson等提出了FSC與NDSI的線性回歸模型用于MODSI積雪產(chǎn)品的參數(shù)實(shí)現(xiàn)，公式如式（1）所示：

Barton等利用TM資料，使用線性光譜混合算法制成積雪面積比例的基礎(chǔ)上，建立了NDSI與積雪覆蓋率之間的曲線擬合模型。Salomonson等通過(guò)NDSI估算MODIS像元積雪覆蓋率，該方法以三個(gè)國(guó)家不同特征區(qū)域的TM雪蓋圖為真值，建立回歸模型，驗(yàn)證結(jié)果表明該方法的可泛化性更強(qiáng)。在國(guó)內(nèi)，曹云剛等以TM積雪覆蓋率為真值，建立基于MODIS的NDVI、NDSI與FSC之間的回歸模型。張穎等基于分段建模方法從MODIS MOD09GA產(chǎn)品中提取FSC，經(jīng)驗(yàn)證其精度比V5版MODIS積雪覆蓋率產(chǎn)品高。Hao等以Landsat-8/OLI雪蓋圖為參考真值評(píng)估MOD10A1(V6)、MODSCAG和MODAGE三種積雪覆蓋率產(chǎn)品在青藏高原地區(qū)精度，結(jié)果表明MOD10A1積雪漏測(cè)誤差較大，MODSCAG在積雪邊界存在多測(cè)誤差。

通過(guò)回歸擬合的方式建立的積雪覆蓋率反演模型應(yīng)用廣泛，一定程度能提高積雪范圍遙感監(jiān)測(cè)的精度。但在積雪破碎化區(qū)域，結(jié)果容易受到雪粒徑大小、積雪深度、黑炭污染等的干擾，模型穩(wěn)定性較差。

1.3 基于混合像元分解模型

混合像元現(xiàn)象指研究像元中除了積雪之外一般還包含其他的地物類型。此方法是基于光譜分析的，各類地物光譜通過(guò)數(shù)理模型轉(zhuǎn)換組成混合像元的光譜。

通過(guò)建立混合像元分解模型來(lái)解決積雪覆蓋估算問(wèn)題，是多數(shù)研究學(xué)者的一項(xiàng)重要方法與手段。Rosenthal等通過(guò)使用決策樹的回歸與分類模型進(jìn)行解混，并計(jì)算積雪占比。Vikhamar等提出了針對(duì)森林地區(qū)優(yōu)化的MODIS FSC制圖方法。Painter等提出一種基于光譜線性混合模型與輻射傳輸模型的MODIS積雪覆蓋率和雪粒徑反演的模型MODSCAG。國(guó)內(nèi)基于混合像元分解理論的研究也取得一些進(jìn)展。施建成等通過(guò)對(duì)MOD09GA數(shù)據(jù)進(jìn)行純凈像元自動(dòng)提取，并利用多端元光譜混合分析實(shí)現(xiàn)FSC反演。張穎使用四種不同混合像元分解方法進(jìn)行青藏高原地區(qū)MODIS FSC反演。趙宏宇等基于空間光譜端元發(fā)展了國(guó)產(chǎn)FY-3D衛(wèi)星MERSI-II資料積雪覆蓋率提取算法。

基于混合像元分解原理的積雪覆蓋度估算因考慮多種地物光譜特征而較為準(zhǔn)確，但其穩(wěn)定性仍易受復(fù)雜地形等因素影響。

1.4 基于機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)方法在應(yīng)用于積雪覆蓋率反演問(wèn)題時(shí)，可有效融入地形特征、土地覆蓋類型等輔助信息，從而能在復(fù)雜地形條件下學(xué)習(xí)多光譜地表反射率特征與像元積雪覆蓋率之間的非線性關(guān)系?；跈C(jī)器學(xué)習(xí)方法的積雪覆蓋度提取原理框圖如圖2所示：

圖2 基于機(jī)器學(xué)習(xí)模型的方法框圖

Dobreva等以MODIS地表反射率、NDSI、NDVI和地表覆蓋類型數(shù)據(jù)作為輸入，訓(xùn)練一種用于FSC估計(jì)的ANN模型。Moosavi 等將小波分析技術(shù)與ANN模型結(jié)合。Czyzowska 等利用ANN模型實(shí)現(xiàn)復(fù)雜高山森林環(huán)境中的IKONOS積雪覆蓋度制圖，結(jié)果表明該 ANN 模型能很好適應(yīng)高山森林的異質(zhì)性。在國(guó)內(nèi)，侯金亮等以MODIS地表反射率數(shù)據(jù)、NDSI、地表溫度、海拔等數(shù)據(jù)作為輸入，訓(xùn)練三層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)模型用于黑河流域積雪覆蓋度反演。梁慧等使用線性回歸、線性混合像元分解及BP神經(jīng)網(wǎng)絡(luò)分別對(duì)山區(qū)進(jìn)行MODIS積雪覆蓋率反演，以上研究驗(yàn)證結(jié)果均能不同幅度提高提取精度。

相比上述兩類模型，在復(fù)雜地形條件下，具有極強(qiáng)非線性擬合能力、可應(yīng)對(duì)高維特征輸入的機(jī)器學(xué)習(xí)模型在積雪參數(shù)反演領(lǐng)域可以實(shí)現(xiàn)更高的準(zhǔn)確度。

2 發(fā)展趨勢(shì)與展望

目前，關(guān)于遙感FSC制圖的多類研究大多是在NDSI指數(shù)基礎(chǔ)上開展的單一回歸模型，在處理復(fù)雜地形的FSC提取問(wèn)題還達(dá)不到精度要求?；旌舷裨椒ㄊ窃谘芯康匚锕庾V的基礎(chǔ)上開展的，在一定程度上能提高FSC的估算精度，但其穩(wěn)定性依然受地形條件的影響，需要深刻掌握相關(guān)先驗(yàn)知識(shí)且運(yùn)算量巨大，不太符合大范圍尺度下的估算要求。相較上述兩種方法，機(jī)器學(xué)習(xí)方法可移植性較強(qiáng)，能更全面的考慮到地形、下墊面等因素的復(fù)雜非線性影響，其利用超高的運(yùn)算率、在遙感積雪覆蓋度反演問(wèn)題上，具有更大的應(yīng)用潛力。但這類模型在構(gòu)建過(guò)程中，仍舊存在“黑箱”模型的傳統(tǒng)弊端，依賴具有大量訓(xùn)練模型的經(jīng)驗(yàn)，難以確定架構(gòu)和超參。

光學(xué)遙感積雪覆蓋度的提取研究仍存在很多可改進(jìn)的區(qū)域，今后的建模工作還需擴(kuò)大范圍，驗(yàn)證在不同植被覆蓋條件下的精度結(jié)果并提供更多的FSC參數(shù)，滿足建模和驗(yàn)證的雙重需求，以供后續(xù)學(xué)習(xí)的繼承和延續(xù)。