MODIS NDSI产品去云算法及最优阈值选择研究
归一化差值积雪指数NDSI(Normalized Difference Snow Index)是积雪识别中最常用的指数,但由于云的遮挡限制了 MODIS NDSI产品的应用.本文提出了一种基于邻近相似像元的MODIS NDSI产品去云方法,并分析了无云NDSI序列在积雪识别中的最优阈值.对于NDSI影像上某一个云遮挡的目标像元,选取目标像元的n个邻近相似像元进行加权平均来预测该目标像元的NDSI值.以东北积雪区2017年10月1日—2018年4月31日一个积雪季的NDSI产品进行去云实验,并采用"云假设"的方法进行了检验,所预测到的云覆盖像元NDSI值与实际值的相关系数达到0.95,均方根误差为0.08.将逐日无云NDSI序列与气象站点测量的雪深序列进行对比,二者具有很好的一致性.气象站点的测量雪深大于等于1cm时,假定该站点所在的像元为有雪像元,并以此为真值,分析无云NDSI序列在积雪识别中的最优阈值.结果表明,非森林地区NDSI阈值为0.1时积雪提取的精度最高,可以达到95.6％;森林地区的NDSI最优阈值为0,对应的积雪提取精度为93.5％.
遥感、积雪、去云、MODIS、NDSI、中国东北、森林
26
P2(测绘学)
国家自然科学基金;国家自然科学基金;国家自然科学基金;国家科技基础资源调查专项;中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室开放基金
2023-02-22（万方平台首次上网日期，不代表论文的发表时间）
共13页
2603-2615
