CN112800379B - 一种modis遥感积雪信息的处理方法和装置 - Google Patents

一种modis遥感积雪信息的处理方法和装置 Download PDF

Info

Publication number
CN112800379B
CN112800379B CN202110105451.1A CN202110105451A CN112800379B CN 112800379 B CN112800379 B CN 112800379B CN 202110105451 A CN202110105451 A CN 202110105451A CN 112800379 B CN112800379 B CN 112800379B
Authority
CN
China
Prior art keywords
snow
snow depth
information
unit
grid
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110105451.1A
Other languages
English (en)
Other versions
CN112800379A (zh
Inventor
高闻
陈智梁
李春红
***
王冉旋
刘宝权
王娟
王奕
马志贵
张龙
胡新源
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Nari Water Conservancy And Hydropower Technology Co ltd
State Energy Group Xinjiang Jilin Tai Hydropower Development Co ltd
Original Assignee
Nanjing Nari Water Conservancy And Hydropower Technology Co ltd
State Energy Group Xinjiang Jilin Tai Hydropower Development Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Nari Water Conservancy And Hydropower Technology Co ltd, State Energy Group Xinjiang Jilin Tai Hydropower Development Co ltd filed Critical Nanjing Nari Water Conservancy And Hydropower Technology Co ltd
Priority to CN202110105451.1A priority Critical patent/CN112800379B/zh
Publication of CN112800379A publication Critical patent/CN112800379A/zh
Application granted granted Critical
Publication of CN112800379B publication Critical patent/CN112800379B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种MODIS遥感积雪信息的处理方法和装置，将预报流域划分为若干个自然流域单元，以及进行高程带划分，将自然流域单元和高程带叠置，得到预报流域的计算单元；将MODIS反演雪深信息与计算单元在空间上叠置，得到预报流域内各计算单元对应网格的雪深信息；对具有无效雪深信息的网格比例超过设定阈值的计算单元中的雪深信息进行插补处理，计算处理后的所有计算单元内积雪区域的平均积雪深度；对计算单元内积雪区域的平均积雪深度进行时间尺度的插值计算，得到计算单元积雪区域逐日的雪深信息。本发明解决了现有MODIS积雪产品存在部分无效信息，且时间尺度过大，难以满足水文预报需求的弊端，有助于融雪径流预报精度提高。

Description

一种MODIS遥感积雪信息的处理方法和装置
技术领域
本发明涉及水文预报技术领域，具体涉及一种MODIS遥感积雪信息的处理方法和装置。
背景技术
我国西北地区大部分河流的水源为积雪融水或积雪融水与降水的混合来水，其中融雪是河流来水的主要来源，因此开展西北地区水文预报，必须掌握所预报流域内积雪的时空分布情况。获取积雪信息的主要途径是人工/自动观测和卫星遥感信息反演：因观测的局限性，积雪观测信息为点信息，难以得到整个流域积雪的空间分布；随着积雪反演算法的进一步改进以及更高分辨率的卫星遥感产品应用，基于卫星遥感反演已成为积雪信息的重要获取手段。
用于积雪反演的卫星遥感信息主要分为被动微波遥感和可见光-红外遥感两种：被动微波传感器主要是Nimbus-7的SMMR、DMSP系列的SMM/I，Aqua上的AMSR-E、DMSP系列的SSMI/S，空间分辨率通常为20-70km，时间分辨率为1日；可见光-红外遥感以搭载在Terra和Aqua两颗卫星上的中分辨率成像光谱仪MODIS为代表，空间分辨率为250m-500m，时间分辨率为1日或8/10日合成。因被动微波遥感的空间分辨率较粗(25km以上)，难以刻画流域内积雪的空间分布，MODIS遥感反演积雪信息具有精细化的空间分辨率(250m或500m)，因此融雪径流预报多应用MODIS遥感反演信息作为积雪信息输入源。水文预报中使用的MODIS遥感反演积雪信息为积雪覆盖率，无积雪深度信息，存在无效信息，虽然具有较高的空间分辨率，但因可见光-红外遥感受云层影响，在多云或阴天时，平均积雪识别率仅为17.8％，导致可用的积雪信息时间分辨率较粗，通常为8/10日合成。而以融雪径流为主的水文预报的时间尺度通常为1日，因此在使用MODIS遥感积雪信息时需要对其时间尺度进行处理。目前积雪信息在时间尺度处理的方法多以线性插值为主，但在春秋积雪不稳定季节，积雪覆盖情况随时间变化较频繁，8/10日合成的积雪产品采用线性插值方式计算得到的日积雪信息与实际相差较大，进而影响融雪径流预报的精度。
发明内容
为解决现有技术中的不足，本发明提供一种MODIS遥感积雪信息的处理方法和装置，解决了现有MODIS遥感积雪信息无积雪深度数据、存在无效信息，时间尺度较大难以满足水文预报需求的问题。
为了实现上述目标，本发明采用如下技术方案：一种MODIS遥感积雪信息的处理方法，包括：
基于数字高程模型数据，将预报流域划分为若干个自然流域单元，以及进行高程带划分，将自然流域单元和高程带叠置，得到预报流域的计算单元；
获取MODIS反演雪深信息，将MODIS反演雪深信息与所述计算单元在空间上叠置，得到预报流域内各计算单元对应网格的雪深信息；
对所述雪深信息的有效性进行判别，对具有无效雪深信息的网格比例超过设定阈值的计算单元中的雪深信息进行插补处理，计算处理后的所有计算单元内积雪区域的平均积雪深度；
对计算单元内积雪区域的平均积雪深度进行时间尺度的插值计算，得到计算单元积雪区域逐日的雪深信息。
进一步的，所述对所述雪深信息的有效性进行判别，对具有无效雪深信息的网格比例超过设定阈值的计算单元中的雪深信息进行插补处理，包括：
逐一遍历每个计算单元内以网格数据形式呈现的积雪深度信息，判别并标识计算单元内每个网格积雪深度数据的有效性，统计无效雪深信息的网格数在计算单元内的占比，若无效雪深信息的网格数大于总网格*设定的阈值，则将该计算单元定义为待处理计算单元，否则为正常计算单元；
结合地形和历史同期积雪覆盖信息对待处理单元内无效积雪数据进行插补。
进一步的，所述结合地形和历史同期积雪覆盖信息对待处理单元内无效积雪数据进行插补，包括：
依据待处理单元各网格地形和历史积雪信息，建立单元内高程、坡度与积雪分布的函数关系：H＝a1×(Z-Zb)+a2×(S-Sb)+b，其中，H为网格雪深；Z为网格高程，Zb为基准高程；S为网格坡度，Sb为基准坡度，a1，a2，b分别为函数中的常数，
将待处理单元内具有无效雪深信息的网格的坡度、高程代入函数关系式，计算得到待处理单元各网格的积雪深度。
进一步的，计算处理后的计算单元内积雪区域的平均积雪深度，包括：
计算计算单元内积雪深度大于0的网格的总积雪深度，并除以雪深大于0的网格总数，得到计算单元内积雪区域内的平均雪深。
进一步的，所述计算单元内积雪区域逐日的雪深信息，包括：
所述计算单元中某网格的第n日积雪深度Hn计算公式为：Hn＝Hn-1-Hm，n+Hs，n，其中，Hn-1为有积雪信息日第n-1日的该网格积雪深度，Hm，n为第n日的融雪深度，Hs，n为第n日的降雪深度，若第n日的气温超过临界温度，Hs，n为0，若第n日的气温低于临界温度，Hm，n为0；
其中，Cs为融雪径流系数；α为度日因子；ΔT是计算单元与基准气象站因高程不同而产生的气温调整值；Tn为第n日实测气温；Sn为积雪覆盖率，ρw、ρs分别为水、雪密度；
计算所述计算单元中所有网格的第n日的积雪深度，进而计算得到所述计算单元内第n日积雪区域雪深信息，进而得到所述计算单元内积雪区域逐日的雪深信息。
进一步的，若前一日的积雪深度Hn-1小于第n日的融雪深度Hm，n，则该网格积雪深度Hn为0。
一种MODIS遥感积雪信息的处理装置，包括：
计算单元获取模块，用于基于数字高程模型数据，将预报流域划分为若干个自然流域单元，以及进行高程带划分，将自然流域单元和高程带叠置，得到预报流域的计算单元；
雪深信息获取及插补模块，用于获取MODIS反演雪深信息，将MODIS反演雪深信息与所述计算单元在空间上叠置，得到预报流域内各计算单元对应网格的雪深信息；对所述雪深信息的有效性进行判别，对具有无效雪深信息的网格比例超过设定阈值的计算单元中的雪深信息进行插补处理，计算处理后的所有计算单元内积雪区域的平均积雪深度；
逐日雪深信息获取模块，用于对计算单元内积雪区域的平均积雪深度进行时间尺度的插值计算，得到计算单元积雪区域逐日的雪深信息。
进一步的，所述对所述雪深信息的有效性进行判别，对具有无效雪深信息的网格比例超过设定阈值的计算单元中的雪深信息进行插补处理，包括：
逐一遍历每个计算单元内以网格数据形式呈现的积雪深度信息，判别并标识计算单元内每个网格积雪深度数据的有效性，统计无效雪深信息的网格数在计算单元内的占比，若无效雪深信息的网格数大于总网格*设定的阈值，则将该计算单元定义为待处理计算单元，否则为正常计算单元；
结合地形和历史同期积雪覆盖信息对待处理单元内无效积雪数据进行插补。
进一步的，所述结合地形和历史同期积雪覆盖信息对待处理单元内无效积雪数据进行插补，包括：
依据待处理单元各网格地形和历史积雪信息，建立单元内高程、坡度与积雪分布的函数关系：H＝a1×(Z-Zb)+a2×(S-Sb)+b，其中，H为网格雪深；Z为网格高程，Zb为基准高程；S为网格坡度，Sb为基准坡度，a1，a2，b分别为函数中的常数，
将待处理单元内具有无效雪深信息的网格的坡度、高程代入函数关系式，计算得到待处理单元各网格的积雪深度；
计算处理后的计算单元内积雪区域的平均积雪深度，包括：
计算计算单元内积雪深度大于0的网格的总积雪深度，并除以雪深大于0的网格总数，得到计算单元内积雪区域内的平均雪深。
进一步的，所述计算单元内积雪区域逐日的雪深信息，包括：
所述计算单元中某网格的第n日积雪深度Hn计算公式为：Hn＝Hn-1-Hm，n+Hs，n，其中，Hn-1为有积雪信息日第n-1日的该网格积雪深度，Hm，n为第n日的融雪深度，Hs，n为第n日的降雪深度，若第n日的气温超过临界温度，Hs，n为0，若第n日的气温低于临界温度，Hm，n为0；
其中，Cs为融雪径流系数；α为度日因子；ΔT是计算单元与基准气象站因高程不同而产生的气温调整值；Tn为第n日实测气温；Sn为积雪覆盖率，ρw、ρs分别为水、雪密度；
计算所述计算单元中所有网格的第n日的积雪深度，进而计算得到所述计算单元内第n日积雪区域雪深信息，进而得到所述计算单元内积雪区域逐日的雪深信息。
本发明所达到的有益效果：本发明通过DEM数据将待预报流域划分为若干自然流域单元，构建适宜的水文预报计算单元与MODIS遥感积雪信息的空间尺度进行匹配；对遥感积雪信息进行有效性判别，针对无效信息插补，得到最终的计算单元积雪信息；并基于实测积雪信息和融雪计算，将遥感积雪信息处理为满足水文预报需求的时间尺度数据，为精确的融雪径流预报提供可靠的数据源。
附图说明
图1为本发明实施例中的一种MODIS遥感积雪信息处理方法流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1：
如图1所示，一种MODIS遥感积雪信息的处理方法，包括步骤：
步骤1，基于数字高程模型(DEM)数据，将预报流域划分为若干个自然流域单元，以及进行高程带划分，将自然流域单元和高程带叠置，得到预报流域的计算单元；
基于数字高程模型(DEM)数据，在预报流域范围提取数字地形信息，将预报流域划分为若干自然流域单元。同时基于DEM数据，采用GIS软件的空间分析工具条进行高程带划分，最后将自然流域单元与高程带叠置，形成预报流域的计算单元，作为水文预报的基本单位。
基于数字高程模型(DEM)数据，采用GIS软件的水文工具包进行填洼处理、计算水流方向和汇流栅格、定义河道等，并在此基础上通过定义预报流域的出水口位置，圈画得到汇入此出水口的预报流域范围，在预报流域范围提取数字地形信息，将预报流域划分为若干自然流域单元。
因自然流域单元基于DEM划分，因此结合了流域的河道、分水岭，区分了阴/阳坡向、地形等融雪径流的因素，但未结合高程进行区分。
在结合融雪的水文预报中，因高程影响温度，而温度在很大程度上决定了融雪量，因此采用GIS软件直接划分的自然流域单元因不考虑高程信息无法满足水文预报融雪计算需求。因此本发明基于DEM数据，采用GIS的空间分析工具条进行高程带划分，构建预报流域的等高带，自然流域一般划分为4个以上高程带，且每个高程带的高程范围不超过500m。当自然流域内DEM数据的高程差小于2000m时，依据高程差平均分为4个高程带；若大于2000m，则每500m划分为一个高程带。
在预报流域构建自然流域单元和高程带的基础上，采用GIS软件的叠置分析功能将两者进行叠置，从而形成自然流域单元与高程带的若干交集，这些交集即预报流域的计算单元。该计算单元融合了高程、坡向和分水岭等地形特征，有效考虑了影响融雪的特征信息，为水文预报计算奠定数据基础。
步骤2，获取MODIS反演雪深信息；将MODIS反演雪深信息与所述计算单元在空间上叠置，得到预报流域内各计算单元对应所有网格的雪深信息。
采用傅华等研制的MODIS积雪遥感监测***，集合地表不同覆盖物的光谱特征，结合季节、地形、下垫面等积雪深度的影响因素，利用MODIS高光谱、多波段反射率和测站观测雪深，采用数学统计方法，建立MODIS积雪深度回归模型，从而在计算积雪面积、覆盖率的基础上，获取空间分布的MODIS反演雪深信息。
MODIS反演雪深信息为500m分辨率的网格数据，因受云层影响，该信息为晴空日和8/10日合成，为具有地理坐标的网格信息，将MODIS反演的网格雪深数据与计算单元叠置，从而获取各计算单元与雪深网格的对应关系，即得到了各计算单元的积雪深度空间分布。
步骤3，对预报流域内各计算单元对应网格的雪深信息的有效性进行判别，对具有无效雪深信息的网格比例超过设定阈值的计算单元中的雪深信息进行插补处理，计算处理后的所有计算单元内积雪区域的平均积雪深度；
逐一遍历每个计算单元内以网格数据形式呈现的积雪深度信息，判别并标识计算单元内每个网格积雪深度数据的有效性，统计无效雪深信息的网格数在计算单元内的占比；若无效雪深信息的网格数大于总网格的1/5，则将本计算单元定义为待处理计算单元，否则为正常计算单元。
流域内每一计算单元均包含若干网格积雪雪深信息，雪深数据以cm表示，在获取MODIS反演雪深信息时，在MODIS雪深信息反演时即设置一定范围积雪深度为正常值，常规定义：0-49代表实际积雪深度，250-252代表水体，253、254代表云层，其余均为无效。本发明中将云层和无定义的数据均标注为无效数据，即0-49、250-252为有效数字，250-252的积雪深度为0；其余数据为无效数字。
对于待处理单元，需结合地形和历史同期积雪覆盖信息对本单元内无效网格的积雪数据进行插补：
依据待处理单元各网格地形和历史积雪信息，建立单元内高程、坡度与积雪分布的函数关系。关系式如下：H＝a1×(Z-Zb)+a2×(S-Sb)+b，其中，H为网格雪深；Z为网格高程，Zb为基准高程；S为网格坡度，Sb为基准坡度，基准高程、基准坡度为本单元的最小高程和最小坡度，a1，a2，b，分别为函数中的常数，可以通过待处理单元内有效网格的地形、积雪信息预先得到；。
将待处理单元内无效网格的坡度、高程代入函数关系式，即计算得到待处理单元各网格的积雪深度。逐一计算后，待处理单元内所有网格的积雪深度均为有效信息。对于预报流域内所有的计算单元，根据网格雪深信息逐一计算单元内积雪区域的平均积雪深度：计算所有积雪深度大于0的网格的总积雪深度，并除以雪深大于0的网格总数，得到积雪区域内的平均雪深。
步骤4，基于实际降水、气温监测信息和融雪预报模型对计算单元积雪区域的平均积雪深度进行时间尺度的插值计算，得到计算单元积雪区域逐日的雪深信息。
MODIS反演的积雪深度信息需要结合降水(降水包括降雨和降雪)、气温监测信息和融雪预报模型进行时间尺度的插值计算，将每个计算单元积雪区域的平均雪深处理为逐日的雪深信息。
由于反演的雪深除晴空日外，每10日才有1次数据，则计算单元内积雪区域平均雪深的时间尺度也是同样，因此计算单元雪深数据的时间尺度无法满足水文预报需要，为满足融雪地区水文预报，需要处理为逐日雪深信息。
计算单元积雪区域逐日的雪深信息，计算过程包括：
1)定义有积雪信息日为第n-1日，计算单元中某网格的积雪深度为Hn-1，则该网格第n日的积雪深度Hn计算公式为：Hn＝Hn-1-Hm，n+Hs，n，其中Hm，n为第n日的融雪深度，Hs，n为第n日的降雪深度。基于普遍的自然现象，降雪和融雪通常不在同一日存在，因此Hm，n、Hs，n中有1个值为0，若第n日的气温超过临界温度(一般为0度)，Hs，n为0，积雪消融，雪深减小；若第n日的气温低于临界温度，Hm，n为0，降水即为降雪，通过雪水当量转化为雪深，无融雪，雪深增加。
第n日的融雪深度Hm，n借用融雪预报模型中融雪径流量计算公式，将融雪量通过雪、水密度转换计算：其中Cs为融雪径流系数；α为度日因子，表示单位时间、温度的融雪径流深，单位cm/℃·d；ΔT是计算单元与基准气象站因高程不同而产生的气温调整值，单位℃·d；Tn为第n日实测气温，单位℃·d；Sn为积雪覆盖率，即反演积雪深度信息中积雪深度大于0的网格占比；ρw、ρs分别为水、雪密度，单位g/cm3。Cs、α根据流域内历史实测的气温、积雪和径流信息，采用现有技术计算得到。计算的雪深信息可通过人工/自动积雪观测站的实测信息进行校核。
依据上式计算的融雪深度，将计算单元内每一网格前一日的积雪深度Hn-1与当日的融雪深度Hm，n进行比较；若前一日的积雪深度Hn-1小于融雪深度Hm，n，则该网格积雪深度Hn为0，然后重新计算计算单元内积雪区域的平均雪深。
计算所述计算单元中所有网格的第n日的积雪深度，进而计算得到所述计算单元内第n日积雪区域雪深信息。
2)依据上述公式逐日计算当前单元第n、n+1、n+2……n+k每日的积雪深度，直至下一个遥感积雪信息日，如此得到完整的计算单元内逐日积雪深度信息。
逐一计算各计算单元的积雪深度信息，得到预报流域每个计算单元逐日的积雪深度信息，将时间尺度为日、空间尺度为计算单元的积雪信息作为水文预报的输入信息之一，供融雪径流预报调用，参与水文预报计算。
实施例2：
一种MODIS遥感积雪信息的处理装置，包括：
计算单元获取模块，用于基于数字高程模型数据，将预报流域划分为若干个自然流域单元，以及进行高程带划分，将自然流域单元和高程带叠置，得到预报流域的计算单元；
雪深信息获取及插补模块，用于获取MODIS反演雪深信息，将MODIS反演雪深信息与所述计算单元在空间上叠置，得到预报流域内各计算单元对应网格的雪深信息；对所述雪深信息的有效性进行判别，对具有无效雪深信息的网格比例超过设定阈值的计算单元中的雪深信息进行插补处理，计算处理后的所有计算单元内积雪区域的平均积雪深度；
逐日雪深信息获取模块，用于对计算单元内积雪区域的平均积雪深度进行时间尺度的插值计算，得到计算单元积雪区域逐日的雪深信息。
进一步的，所述对所述雪深信息的有效性进行判别，对具有无效雪深信息的网格比例超过设定阈值的计算单元中的雪深信息进行插补处理，包括：
逐一遍历每个计算单元内以网格数据形式呈现的积雪深度信息，判别并标识计算单元内每个网格积雪深度数据的有效性，统计无效雪深信息的网格数在计算单元内的占比，若无效雪深信息的网格数大于总网格*设定的阈值，则将该计算单元定义为待处理计算单元，否则为正常计算单元；
结合地形和历史同期积雪覆盖信息对待处理单元内无效积雪数据进行插补。
进一步的，所述结合地形和历史同期积雪覆盖信息对待处理单元内无效积雪数据进行插补，包括：
依据待处理单元各网格地形和历史积雪信息，建立单元内高程、坡度与积雪分布的函数关系：H＝a1×(Z-Zb)+a2×(S-Sb)+b，其中，H为网格雪深；Z为网格高程，Zb为基准高程；S为网格坡度，Sb为基准坡度，a1，a2，b分别为函数中的常数，
将待处理单元内具有无效雪深信息的网格的坡度、高程代入函数关系式，计算得到待处理单元各网格的积雪深度；
计算处理后的计算单元内积雪区域的平均积雪深度，包括：
计算计算单元内积雪深度大于0的网格的总积雪深度，并除以雪深大于0的网格总数，得到计算单元内积雪区域内的平均雪深。
进一步的，所述计算单元内积雪区域逐日的雪深信息，包括：
所述计算单元中某网格的第n日积雪深度Hn计算公式为：Hn＝Hn-1-Hm，n+Hs，n，其中，Hn-1为有积雪信息日第n-1日的该网格积雪深度，Hm，n为第n日的融雪深度，Hs，n为第n日的降雪深度，若第n日的气温超过临界温度，Hs，n为0，若第n日的气温低于临界温度，Hm，n为0；
其中，Cs为融雪径流系数；α为度日因子；ΔT是计算单元与基准气象站因高程不同而产生的气温调整值；Tn为第n日实测气温；Sn为积雪覆盖率，ρw、ρs分别为水、雪密度；
计算所述计算单元中所有网格的第n日的积雪深度，进而计算得到所述计算单元内第n日积雪区域雪深信息，进而得到所述计算单元内积雪区域逐日的雪深信息。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (8)

1.一种MODIS遥感积雪信息的处理方法，其特征在于，包括：
基于数字高程模型数据，将预报流域划分为若干个自然流域单元，以及进行高程带划分，将自然流域单元和高程带叠置，得到预报流域的计算单元；
获取MODIS反演雪深信息，将MODIS反演雪深信息与所述计算单元在空间上叠置，得到预报流域内各计算单元对应网格的雪深信息；
对所述雪深信息的有效性进行判别，对具有无效雪深信息的网格比例超过设定阈值的计算单元中的雪深信息进行插补处理，计算处理后的所有计算单元内积雪区域的平均积雪深度；
对计算单元内积雪区域的平均积雪深度进行时间尺度的插值计算，得到计算单元积雪区域逐日的雪深信息；
其中，所述计算单元内积雪区域逐日的雪深信息，包括：
所述计算单元中某网格的第n日积雪深度Hn计算公式为：Hn＝Hn-1-Hm,n+Hs,n，其中，Hn-1为有积雪信息日第n-1日的该网格积雪深度，Hm,n为第n日的融雪深度，Hs,n为第n日的降雪深度，若第n日的气温超过临界温度，Hs,n为0，若第n日的气温低于临界温度，Hm,n为0；
其中，Cs为融雪径流系数；α为度日因子；ΔT是计算单元与基准气象站因高程不同而产生的气温调整值；Tn为第n日实测气温；Sn为积雪覆盖率，ρw、ρs分别为水、雪密度；
计算所述计算单元中所有网格的第n日的积雪深度，进而计算得到所述计算单元内第n日积雪区域雪深信息，进而得到所述计算单元内积雪区域逐日的雪深信息。
2.根据权利要求1所述的一种MODIS遥感积雪信息的处理方法，其特征是：所述对所述雪深信息的有效性进行判别，对具有无效雪深信息的网格比例超过设定阈值的计算单元中的雪深信息进行插补处理，包括：
逐一遍历每个计算单元内以网格数据形式呈现的积雪深度信息，判别并标识计算单元内每个网格积雪深度数据的有效性，统计无效雪深信息的网格数在计算单元内的占比，若无效雪深信息的网格数大于总网格*设定的阈值，则将该计算单元定义为待处理计算单元，否则为正常计算单元；
结合地形和历史同期积雪覆盖信息对待处理单元内无效积雪数据进行插补。
3.根据权利要求2所述的一种MODIS遥感积雪信息的处理方法，其特征是：所述结合地形和历史同期积雪覆盖信息对待处理单元内无效积雪数据进行插补，包括：
依据待处理单元各网格地形和历史积雪信息，建立单元内高程、坡度与积雪分布的函数关系：H＝a1×(Z-Zb)+a2×(S-Sb)+b，其中，H为网格雪深；Z为网格高程，Zb为基准高程；S为网格坡度，Sb为基准坡度，a1，a2，b分别为函数中的常数，
将待处理单元内具有无效雪深信息的网格的坡度、高程代入函数关系式，计算得到待处理单元各网格的积雪深度。
4.根据权利要求1所述的一种MODIS遥感积雪信息的处理方法，其特征是：计算处理后的计算单元内积雪区域的平均积雪深度，包括：
计算计算单元内积雪深度大于0的网格的总积雪深度，并除以雪深大于0的网格总数，得到计算单元内积雪区域内的平均雪深。
5.根据权利要求1所述的一种MODIS遥感积雪信息的处理方法，其特征是：若前一日的积雪深度Hn-1小于第n日的融雪深度Hm,n，则该网格积雪深度Hn为0。
6.一种MODIS遥感积雪信息的处理装置，其特征是：包括：
计算单元获取模块，用于基于数字高程模型数据，将预报流域划分为若干个自然流域单元，以及进行高程带划分，将自然流域单元和高程带叠置，得到预报流域的计算单元；
雪深信息获取及插补模块，用于获取MODIS反演雪深信息，将MODIS反演雪深信息与所述计算单元在空间上叠置，得到预报流域内各计算单元对应网格的雪深信息；对所述雪深信息的有效性进行判别，对具有无效雪深信息的网格比例超过设定阈值的计算单元中的雪深信息进行插补处理，计算处理后的所有计算单元内积雪区域的平均积雪深度；
逐日雪深信息获取模块，用于对计算单元内积雪区域的平均积雪深度进行时间尺度的插值计算，得到计算单元积雪区域逐日的雪深信息；
其中，所述计算单元内积雪区域逐日的雪深信息，包括：
所述计算单元中某网格的第n日积雪深度Hn计算公式为：Hn＝Hn-1-Hm,n+Hs,n，其中，Hn-1为有积雪信息日第n-1日的该网格积雪深度，Hm,n为第n日的融雪深度，Hs,n为第n日的降雪深度，若第n日的气温超过临界温度，Hs,n为0，若第n日的气温低于临界温度，Hm,n为0；
其中，Cs为融雪径流系数；α为度日因子；ΔT是计算单元与基准气象站因高程不同而产生的气温调整值；Tn为第n日实测气温；Sn为积雪覆盖率，ρw、ρs分别为水、雪密度；
计算所述计算单元中所有网格的第n日的积雪深度，进而计算得到所述计算单元内第n日积雪区域雪深信息，进而得到所述计算单元内积雪区域逐日的雪深信息。
7.根据权利要求6所述的一种MODIS遥感积雪信息的处理装置，其特征是：所述对所述雪深信息的有效性进行判别，对具有无效雪深信息的网格比例超过设定阈值的计算单元中的雪深信息进行插补处理，包括：
逐一遍历每个计算单元内以网格数据形式呈现的积雪深度信息，判别并标识计算单元内每个网格积雪深度数据的有效性，统计无效雪深信息的网格数在计算单元内的占比，若无效雪深信息的网格数大于总网格*设定的阈值，则将该计算单元定义为待处理计算单元，否则为正常计算单元；
结合地形和历史同期积雪覆盖信息对待处理单元内无效积雪数据进行插补。
8.根据权利要求7所述的一种MODIS遥感积雪信息的处理装置，其特征是：所述结合地形和历史同期积雪覆盖信息对待处理单元内无效积雪数据进行插补，包括：
依据待处理单元各网格地形和历史积雪信息，建立单元内高程、坡度与积雪分布的函数关系：H＝a1×(Z-Zb)+a2×(S-Sb)+b，其中，H为网格雪深；Z为网格高程，Zb为基准高程；S为网格坡度，Sb为基准坡度，a1，a2，b分别为函数中的常数，
将待处理单元内具有无效雪深信息的网格的坡度、高程代入函数关系式，计算得到待处理单元各网格的积雪深度；
计算处理后的计算单元内积雪区域的平均积雪深度，包括：
计算计算单元内积雪深度大于0的网格的总积雪深度，并除以雪深大于0的网格总数，得到计算单元内积雪区域内的平均雪深。
CN202110105451.1A 2021-01-26 2021-01-26 一种modis遥感积雪信息的处理方法和装置 Active CN112800379B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110105451.1A CN112800379B (zh) 2021-01-26 2021-01-26 一种modis遥感积雪信息的处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110105451.1A CN112800379B (zh) 2021-01-26 2021-01-26 一种modis遥感积雪信息的处理方法和装置

Publications (2)

Publication Number Publication Date
CN112800379A CN112800379A (zh) 2021-05-14
CN112800379B true CN112800379B (zh) 2024-03-26

Family

ID=75811873

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110105451.1A Active CN112800379B (zh) 2021-01-26 2021-01-26 一种modis遥感积雪信息的处理方法和装置

Country Status (1)

Country Link
CN (1) CN112800379B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114202736B (zh) * 2021-11-01 2022-12-02 中山大学 一种基于延时摄影的积雪参数获取方法、装置及终端设备
CN116127273B (zh) * 2023-01-18 2023-12-12 中国科学院地理科学与资源研究所 积雪指数获取方法、装置、存储介质和设备
CN117765408A (zh) * 2023-12-22 2024-03-26 成都信息工程大学 一种积雪覆盖范围的探测方法和探测***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3131924U (ja) * 2006-06-23 2007-05-31 巳代三 山中 積雪降ろしシステム
CN102636779A (zh) * 2012-05-07 2012-08-15 武汉大学 一种基于重采样回归分析的亚像素积雪覆盖率提取方法
CN103984862A (zh) * 2014-05-15 2014-08-13 中国科学院遥感与数字地球研究所 一种多元遥感信息协同的积雪参数反演方法
CN104657952A (zh) * 2015-03-03 2015-05-27 武汉大学 一种结合时空信息的遥感逐日积雪产品去云方法
CN105930817A (zh) * 2016-05-05 2016-09-07 中国科学院寒区旱区环境与工程研究所 一种基于多源遥感数据的公路积雪灾害监测与预警方法
JP2017040076A (ja) * 2015-08-19 2017-02-23 東洋パーツ株式会社 自走作業機
CN109186560A (zh) * 2018-09-19 2019-01-11 南京大学 一种海冰厚度的遥感估算方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3131924U (ja) * 2006-06-23 2007-05-31 巳代三 山中 積雪降ろしシステム
CN102636779A (zh) * 2012-05-07 2012-08-15 武汉大学 一种基于重采样回归分析的亚像素积雪覆盖率提取方法
CN103984862A (zh) * 2014-05-15 2014-08-13 中国科学院遥感与数字地球研究所 一种多元遥感信息协同的积雪参数反演方法
CN104657952A (zh) * 2015-03-03 2015-05-27 武汉大学 一种结合时空信息的遥感逐日积雪产品去云方法
JP2017040076A (ja) * 2015-08-19 2017-02-23 東洋パーツ株式会社 自走作業機
CN105930817A (zh) * 2016-05-05 2016-09-07 中国科学院寒区旱区环境与工程研究所 一种基于多源遥感数据的公路积雪灾害监测与预警方法
CN109186560A (zh) * 2018-09-19 2019-01-11 南京大学 一种海冰厚度的遥感估算方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Remote sensing, hydrological modeling and in situ observations in snow cover research: A review;Chunyu Dong;《Journal of Hydrology》;第561卷;573-583 *
水电站生产效率管理***的应用研究;李县辉;《节能》;第38卷(第04期);15-16 *
遥感数据在水文模拟中的应用研究进展;汪伟 等;《遥感技术与应用》;第30卷(第06期);1042-1050 *
高寒山区冻土对水文过程的影响研究——以黑河上游八宝河为例;张艳林 等;《冰川冻土》;第38卷(第05期);1362-1372 *

Also Published As

Publication number Publication date
CN112800379A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
CN112800379B (zh) 一种modis遥感积雪信息的处理方法和装置
Singh et al. Grid-cell based assessment of soil erosion potential for identification of critical erosion prone areas using USLE, GIS and remote sensing: A case study in the Kapgari watershed, India
CN109815305B (zh) 一种无资料地区场次洪水径流过程反演的方法
CN103940974B (zh) 基于gis的中尺度流域土壤侵蚀时空动态分析方法
Hutchinson et al. A continental hydrological assessment of a new grid‐based digital elevation model of Australia
Looper et al. An assessment of distributed flash flood forecasting accuracy using radar and rain gauge input for a physics-based distributed hydrologic model
Gado et al. Rainfall frequency analysis for ungauged sites using satellite precipitation products
CN111507375B (zh) 一种城市内涝风险快速评估方法及***
Voegeli et al. Scaling precipitation input to spatially distributed hydrological models by measured snow distribution
CN105550423B (zh) 基于Fuzzy-OLS和多环境因子变量的CMORPH卫星降雨产品降尺度的方法
CN115544785B (zh) 一种无资料梯级水库流域水文模拟方法和***
CN116910041B (zh) 一种基于尺度分析的遥感降水产品的逐日订正方法
Yu et al. An approach to revising the climate forecast system reanalysis rainfall data in a sparsely-gauged mountain basin
Petroselli et al. The flat-area issue in digital elevation models and its consequences for rainfall-runoff modeling
Coppola et al. Cellular automata algorithms for drainage network extraction and rainfall data assimilation
CN111753408B (zh) 一种顾及天气的gnss大气加权平均温度计算方法
CN110598707B (zh) 面向机载激光点云的倒水蔓延与能量函数控制的单株树冠分割方法
Yang et al. Applicability evaluation of the SWIM at river basins of the black soil region in Northeast China: A case study of the upper and middle Wuyuer River basin
Huynh et al. An optimal rain-gauge network using a GIS-based approach with spatial interpolation techniques for the Mekong River Basin
CN114626743B (zh) 一种基于地形分解技术的卫星降水数据空间降尺度方法、***、存储介质及设备
Lussana et al. Evaluation of seNorge2, a conventional climatological datasets for snow-and hydrological modeling in Norway
Ansari et al. Hydrological modeling of Hasdeo River Basin using HEC-HMS
Farhad Hydrological simulation of Silver Creek Watershed using soil and water assessment tool (SWAT)
Guevara et al. Gap-free global annual soil moisture: 15km grids for 1991–2016
Madasamy et al. Estimation of soil loss by an integrated approach of USLE and geospatial techniques—a case study of Kumulur watershed

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant