一种基于MODIS数据的冰川及永久积雪宏观监测方法技术

本发明专利技术专利公开了一种基于MODIS数据的冰川及永久积雪宏观监测方法，该监测方法包括以下步骤：获取全年MODIS时间序列的影像数据；对获取的所述影像数据进行拼接，利用MODIS全年时间系列影像数据，经无数据区填充和去云处理有效改善了影像质量，形成了年度冰川及永久积雪遥感调查较为适宜的全年最小反射率影像；通过设置BP神经网络遥感分类训练区，可快速获取最新的、较为精准的全国冰川及永久积雪分布矢量空间数据；获取的数据成果具有很强的时效性，可以有效辅助开展年度变更调查中冰川及永久积雪调查，也为国家开展大范围冰川及永久积雪的动态变化提供了一种快速、经济有效的技术选择。选择。选择。

【技术实现步骤摘要】
一种基于MODIS数据的冰川及永久积雪宏观监测方法


[0001]本专利技术专利涉及遥感监测
，具体而言，涉及一种基于MODIS数据的冰川及永久积雪宏观监测方法。

技术介绍

[0002]冰川及永久积雪(Glaciers and Permanent Snow Cover)，是指表层被冰雪常年覆盖的土地，属于土地利用分类(GB/T21010
‑
2007)中未利用地一种。根据全国土地详查统计，截至1996年10月31日，全国冰川及永久积雪面积为597.49万公顷。第二次全国土地调查统计2009年末我国冰川及永久积雪面积为552.84万公顷，较1996年面积下降了44.65万公顷(
‑
7.47％)。在全国性冰川资源调查方面，中国科学院系统先后开展过两次全国冰川编目工作。第一次全国冰川编目(1978
‑
2002年)历时24年，调查了20世纪60
‑
80年代我国冰川共计46377条，冰川面积59425平方公里，冰储量5590立方公里。第二次全国冰川编目(2006
‑
2012年)历时6年，以2004年后的TM/ETM+和ASTER遥感影像为基础，参考第一次中国冰川目录及其他文献资料，更新统计我国2005
‑
2006年冰川共计48571条，冰川面积51776平方公里(其中6201条，8753.5平方公里没有更新)，冰储量4494立方公里。我国冰川及永久积雪集中分布在西北区、西南区两个区，其中，新疆和西藏约占全国冰川及永久积雪面积的90％以上。我国冰川及永久积雪的总水量为5万亿立方米，每年可提供550亿立方米水量补给河川，成为长江、黄河、雅鲁藏布江以及内陆河流的主要水源地。近年来一些全球、区域和局地的研究也表明，冰川和永久积雪均有明显退缩现象。遥感方法用于冰川及永久积雪研究的优势是不受地域限制，因而借助遥感手段研究冰川的性质和特征、监测冰川的动态变化是冰川学研究的重要手段之一。20世纪70年代中期以来，Landsat MSS、Landsat TM/ETM+、SPOT、Terra ASTER、IRS等中分辨率的遥感卫星数据逐渐用于冰冻圈研究。目前，SPOT5、ASTER、Landsat ETM+等影像广泛应用于全球流域尺度的冰川监测研究。对于冰川变化的遥感监测方法主要有目视解译、计算机辅助分类方法两种。计算机辅助分类主要包括阈值法、波段运算法、非监督分类法、监督分类法、决策树阈值分类法。在实际工作中通常将目视解译与计算机自动分类法相结合。
[0003]满足条件的高分辨率遥感影像可以准确观测局部冰川及永久积雪空间分布和相对变化，但是大范围使用时无法克服云和季节性临时降雪的干扰，这常常导致冰川数据库建设一般耗时几年甚至几十年才能完成。受多方面条件的限制，开展大范围的冰川及永久积雪遥感监测仍然缺乏有效的技术手段，我国每年开展的土地年度变更调查中未能对冰川及永久积雪分布状况进行及时更新，这导致全国冰川及永久积雪数据现势性不强。

技术实现思路

[0004]本专利技术的目的在于提供基于MODIS数据的冰川及永久积雪宏观监测方法，旨在解决现有技术中存在的高分辨率遥感影像在大范围使用时无法克服云和季节性临时降雪的干扰，以及对未能对冰川及永久积雪分布状况进行及时更新的问题。
[0005]本专利技术是这样实现的：
[0006]一种基于MODIS数据的冰川及永久积雪宏观监测方法，该监测方法包括以下步骤：
[0007]S1：获取全年MODIS时间序列的影像数据；
[0008]S2：对获取的所述影像数据进行拼接，获得拼接完成的影像数据的正弦地图，并将所述正弦地图投影转换为albers投影；
[0009]S3：对获取的albers投影中的无数据区进行填充；
[0010]S4：对填充后的albers投影中无数据区之外的区域进行去云处理，对每个像元采用最近邻均值法进行平滑处理；
[0011]S5：在去云处理后的albers投影中获取冰川及永久积雪最小面积的光谱数据；
[0012]S6：建立BP神经网络遥感分类训练区，利用所述BP神经网络遥感分类训练区，对冰川及永久积雪最小面积的光谱数据进行分类，形成分类格栅图；
[0013]S7：对分类栅格图进行矢量化转换，并对边界进行整理等后处理，形成冰川及永久积雪矢量数据库，并进行空间统计分析。
[0014]进一步的，在步骤S1中，获取的所述全年MODIS时间序列的影像数据包括TERRA卫星和AQUA卫星的MODIS时间序列数据。
[0015]进一步的，在步骤S2中，所述投影转换为albers投影的过程采用Wips Image Process System，该所述Wips Image Process System的投影参数选择25、47、105，椭球体选择WGS84，空间分辨率统一为250m。
[0016]进一步的，在步骤S3中，无数据区填充的方法为：选取albers投影中的一个像元，选取三个连续的时间点，当位于中间时间点的像元被标识为无数据，而前后两个时间点都未标识为无数据，则可以认定该像元为缺失数据区，所述缺失数据区用于去云处理，当三个时间点均为无数据，则可以认定该像元为无数据点，并对该像元进行填充，获得填充后的albers投影。
[0017]进一步的，在步骤S4中，所述最近邻均值法采用采用5个时相的滑动平均法。
[0018]进一步的，在步骤S5中，获取冰川及永久积雪最小面积的光谱数据的方法为：
[0019]获取冰川积雪年内覆盖而积最小的时间，即红光及近红外波段年内最低的光谱反射率；
[0020]针对每个像元，找到MODIS时间序列影像数据中的最低值，完成了图像的准备；
[0021]寻找中红外波段条件下年内最高反射率；
[0022]利用近红外，红光，及中红外三波段构建真彩色影像，进行遥感分类训练区的采集。
[0023]进一步的，在步骤S6中，所述BP神经网络遥感分类训练区由输入层、隐含层和输出层构成，相邻层之间的神经元全互连，同一层内的神经元无连接；
[0024]进一步的，所述BP神经网络遥感分类训练区的选取分类包括冰川/积雪和非冰川/积雪。将所有冰川覆盖区的变化信息输入BP神经网络遥感分类训练区，所述包括不同冰川类型、不同地形地貌、高程，读取BP神经网络遥感分类训练区中像元光谱数据，进行神经网络的学习，然后分类，形成分类格栅图。
[0025]进一步的，分类时，90米SRTM高程数据也参与分类。
[0026]进一步的，在步骤S7中，空间统计分析方法为：利用地理信息系统软件与省级行政
区界、西部山脉分区图进行叠加计算，汇总统计分省，以及分山脉冰川及永久积雪汇总统计面积。
[0027]与现有技术相比，本专利技术提供的一种基于MODIS数据的冰川及永久积雪宏观监测方法，利用MODIS全年时间系列影像数据，经无数据区填充和去云处理有效改善了影像质量，形成了年度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MODIS数据的冰川及永久积雪宏观监测方法，其特征在于，该监测方法包括以下步骤：S1：获取全年MODIS时间序列的影像数据；S2：对获取的所述影像数据进行拼接，获得拼接完成的影像数据的正弦地图，并将所述正弦地图投影转换为albers投影；S3：对获取的albers投影中的无数据区进行填充；S4：对填充后的albers投影中无数据区之外的区域进行去云处理，对每个像元采用最近邻均值法进行平滑处理；S5：在去云处理后的albers投影中获取冰川及永久积雪最小面积的光谱数据；S6：建立BP神经网络遥感分类训练区，利用所述BP神经网络遥感分类训练区，对冰川及永久积雪最小面积的光谱数据进行分类，形成分类格栅图；S7：对分类栅格图进行矢量化转换，并对边界进行整理等后处理，形成冰川及永久积雪矢量数据库，并进行空间统计分析。2.如权利要求1所述的一种基于MODIS数据的冰川及永久积雪宏观监测方法，其特征在于，在步骤S1中，获取的所述全年MODIS时间序列的影像数据包括TERRA卫星和AQUA卫星的MODIS时间序列数据。3.如权利要求2所述的一种基于MODIS数据的冰川及永久积雪宏观监测方法，其特征在于，在步骤S2中，所述投影转换为albers投影的过程采用Wips Image Process System，该所述Wips Image Process System的投影参数选择25、47、105，椭球体选择WGS84，空间分辨率统一为250m。4.如权利要求2所述的一种基于MODIS数据的冰川及永久积雪宏观监测方法，其特征在于，在步骤S3中，无数据区填充的方法为：选取albers投影中的一个像元，选取三个连续的时间点，当位于中间时间点的像元被标识为无数据，而前后两个时间点都未标识为无数据，则可以认定该像元为缺失数据区，所述缺失数据区用于去云处理，当三个时间点均为无数...

【专利技术属性】
技术研发人员：张定祥，
申请(专利权)人：张定祥，
类型：发明
国别省市：