龐海洋， 孔祥生， 汪麗麗， 錢(qián)永剛

(1.魯東大學(xué)資源與環(huán)境工程學(xué)院，煙臺(tái) 264025； 2.中國(guó)科學(xué)院光電研究院定量遙感信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100094 )

0 引言

降雪是人類(lèi)生活環(huán)境中常見(jiàn)的自然現(xiàn)象。冬季北半球積雪和冰蓋面積超過(guò)40%； 在南、北半球的高緯度和高海拔地區(qū)，大范圍的地表常年被積雪覆蓋[1]。積雪是影響全球熱量平衡的關(guān)鍵氣候因子，其變化會(huì)對(duì)區(qū)域氣候產(chǎn)生重要影響[2]，是氣候系統(tǒng)的一個(gè)重要組成部分。積雪也是一種重要的淡水資源[3]，在世界上很多地區(qū)都在依靠冰、雪融水來(lái)維持基本生活和農(nóng)業(yè)生產(chǎn)[4]。在我國(guó)干旱半干旱地區(qū)，積雪融水是重要的淡水補(bǔ)充形式，對(duì)當(dāng)?shù)氐淖匀画h(huán)境和人類(lèi)生活意義深遠(yuǎn)。在全球變暖背景下，積雪、凍土對(duì)氣候變化具有高度敏感性和重要反饋?zhàn)饔茫殉蔀槿蜃兓芯康暮诵膬?nèi)容和熱點(diǎn)之一[5]。積雪覆蓋的時(shí)空特征研究在氣象學(xué)和水文學(xué)中也發(fā)揮著重要作用，對(duì)積雪的研究有重要現(xiàn)實(shí)意義[6]。

傳統(tǒng)利用氣象站或者野外調(diào)查來(lái)監(jiān)測(cè)積雪的方法難度大、時(shí)效性差，存在許多弊端，遙感技術(shù)以其大范圍、多時(shí)相等特點(diǎn)逐漸成為積雪觀測(cè)的主要手段[7-8]。利用遙感技術(shù)提取積雪信息的方法可歸納成4種： 閾值法像元統(tǒng)計(jì)、監(jiān)督和非監(jiān)督分類(lèi)、歸一化差值雪指數(shù)(normalized difference snow index，NDSI)和混合像元分解法[9]。其中，NDSI法是基于雪對(duì)可見(jiàn)光與短波紅外波段的反射特性和反射差的相對(duì)大小的一種測(cè)量方法[10]，是目前最常用、精度較高的積雪提取方法之一，最初是Hall等在1995年提出的 “SNOMAP”方法[11]，隨后國(guó)內(nèi)外學(xué)者對(duì)NDSI進(jìn)行了不同程度的研究。趙軍等[12]以瑪納斯上游地區(qū)為例對(duì)雪蓋指數(shù)提取范圍的不確定性進(jìn)行了研究； 陳文倩等[13]基于NDSI-NDVI特征對(duì)積雪面積進(jìn)行了反演； Satir[14]利用NDSI等雪指數(shù)對(duì)意大利Cilo山的冰雪進(jìn)行了連續(xù)性監(jiān)測(cè)分析。然而，NDSI只利用可見(jiàn)光中的綠光波段(0.53～0.59 μm)和短波紅外波段(1.57～1.65 μm)，在薄雪區(qū)敏感度較低，不能精確地區(qū)分雪與非雪[15]。2013年2月12日發(fā)射成功的Landsat8 衛(wèi)星搭載了陸地成像儀(operational land imager，OLI)增加了B1波段(0.433～0.453 μm)，雪對(duì)該波段和藍(lán)光波段(0.45～0.5 μm)也相當(dāng)敏感，加之其較高的空間分辨率及時(shí)間分辨率，為小尺度積雪監(jiān)測(cè)又增添了新數(shù)據(jù)[16]。故以L(fǎng)andsat8 OLI為數(shù)據(jù)源，基于積雪光譜特征，提出增強(qiáng)型雪指數(shù)(enhanced normalized difference snow index，ENDSI)方法，試圖為精確提取積雪與雪厚遙感定量反演提供技術(shù)支持。

1 數(shù)據(jù)源及研究區(qū)概況

1.1 數(shù)據(jù)源

Landsat8攜帶OLI和熱紅外傳感器(thermal infrared sensor，TIRS)2個(gè)傳感器，成像幅寬為185 km。其中OLI 陸地成像儀數(shù)據(jù)有9個(gè)波段，多光譜波段空間分辨率為30 m，全色波段空間分辨率達(dá)到15 m。與傳統(tǒng)的TM和ETM+不同，Landsat8在原藍(lán)光波段之外新增了B1(0.433～0.453 μm)[17]，主要用于對(duì)海岸線(xiàn)變化的監(jiān)測(cè)，而積雪在該波段敏感度也較高。故本文以無(wú)云的Landsat8 OLI影像為數(shù)據(jù)源，構(gòu)建ENDSI，提高積雪提取精度。

1.2 研究區(qū)概況

NDSI與雪厚呈正相關(guān)關(guān)系，在厚雪區(qū)NDSI數(shù)值較大，在薄雪區(qū)其敏感度降低，受混合像元中其他地物類(lèi)型的影響，NDSI數(shù)值較小，利用閾值法區(qū)分雪與非雪有一定難度。為探究在不同地理環(huán)境下ENDSI的適用性及其對(duì)積雪厚度的敏感程度，提高遙感監(jiān)測(cè)積雪的精度，根據(jù)經(jīng)緯度分布和海拔高低差異狀況選擇我國(guó)北方5個(gè)區(qū)域作為研究區(qū)(表1、圖1)。

表1 研究區(qū)遙感數(shù)據(jù)源Tab.1 Remote sensing data sources of research areas

(a) 研究區(qū)1 (b) 研究區(qū)2 (c) 研究區(qū)3

(d) 研究區(qū)4 (e) 研究區(qū)5

(Landsat8 OLI B6(R)，B3(G)，B2(B)假彩色合成)

圖1研究區(qū)位置

Fig.1Locationsofresearchareas

圖1中偏藍(lán)色區(qū)域?yàn)榉e雪，偏紅色區(qū)域?yàn)橥寥?，其中圖1(a)為山東半島地區(qū)，位于我國(guó)東部，平均海拔在500 m以下，屬于溫帶季風(fēng)氣候，降雪量豐富； 圖1(b)和(c)分別為內(nèi)蒙古自治區(qū)赤峰地區(qū)和甘肅張掖地區(qū)，位于我國(guó)第二階梯，平均海拔在1 000～2 000 m之間，屬溫帶大陸性氣候，緯度較高，冬季積雪較厚； 圖1(d)為西藏自治區(qū)昌都地區(qū)，屬于第一階梯，平均海拔在4 000 m以上； 而圖1(e)作為驗(yàn)證區(qū)，地處山西省、內(nèi)蒙古自治區(qū)和河北省的交界地區(qū)，從東西方向來(lái)看，位于我國(guó)中部第二、三階梯的交界地帶，平均海拔為1 343 m，相對(duì)西部地區(qū)而言海拔較低，較東部地區(qū)海拔較高，屬于半干旱地區(qū)，大陸性氣候顯著，冬季受西伯利亞高壓影響，具有典型的積雪特征； 同時(shí)，該地區(qū)是我國(guó)煤炭的重要產(chǎn)地，污染嚴(yán)重，生態(tài)環(huán)境脆弱，環(huán)境變化一直備受關(guān)注。

2 研究方法

積雪在可見(jiàn)光波段(0.38～0.76 μm)有較高的反射率，而且與雪厚有著較好的相關(guān)性，當(dāng)積雪厚度小于20 cm 時(shí)，積雪的反射率隨著雪厚的增加而增加，但在短紅外波段，不如可見(jiàn)光波段明顯[18]。為了便于描述積雪的特性，根據(jù)積雪在綠光波段的反射率大小，將積雪分為3種類(lèi)型[19]： 反射率在[0.45，1]范圍為厚雪(混合像元中積雪占50%以上)，有明顯的積雪光譜特征； 反射率在[0.22，0.45)范圍內(nèi)為薄雪(混合像元中積雪占25%～50%)，主要受積雪、土壤綜合影響； 反射率在[0.1，0.22)為超薄雪區(qū)，積雪的反射特征較弱，以土壤的光譜特征為主(混合像元中積雪所占比例小于25%)，故將超薄雪與土壤合稱(chēng)非雪區(qū)。利用4個(gè)具有不同地理特征的研究區(qū)1—4分析區(qū)分雪與非雪的合理閾值，并以研究區(qū)5為驗(yàn)證區(qū)，利用目視解譯和混淆矩陣方法進(jìn)行精度驗(yàn)證。

2.1 積雪的光譜特征

與其他地物相比，積雪的光譜特征明顯(圖2)。

圖2 研究區(qū)主要地物光譜曲線(xiàn)Fig.2 Spectral curves of the main objects in the study area

圖2中，新雪具有獨(dú)特的光譜特征： 在可見(jiàn)光范圍內(nèi)有0.8以上的高反射率，0.6 μm左右形成一個(gè)高反射峰； 在近紅外波段(0.845～0.885 μm)反射率開(kāi)始減??； 在短波紅外波段1.6 μm和2.0 μm左右分別形成2個(gè)吸收谷，反射率在0.15以下，而在1.8 μm和2.3 μm處形成2個(gè)反射峰，反射率在0.4以下； 2.5 μm以后反射率逐漸接近于0。老雪和融化的積雪變化趨勢(shì)與新雪相似，但反射峰出現(xiàn)在0.3～1.3 μm，1.7～1.8 μm和2.2～2.3 μm處，強(qiáng)度比新雪有不同程度的下降，其中壓實(shí)凍結(jié)的冰雪反射率最低[20]。土壤、植被和水體的反射率在可見(jiàn)光波段反射率較低，大都在0.15以下，而在短波紅外波段植被和水體的反射率較低，土壤的反射率在0.3以上，大于新雪的反射率。

2.2 增強(qiáng)型雪指數(shù)(ENDSI)

NDSI利用了積雪在綠光波段反射率較高，在短波紅外波段反射率較低的獨(dú)特變化特征，當(dāng)NDSI≥0.4，ρgreen≥0.1且ρnir≥0.11時(shí)，判定為積雪[11]，計(jì)算公式為

(1)

式中ρgreen，ρswir和ρnir分別為積雪在綠光波段、短波紅外波段和近紅外波段的反射率。

NDSI的值取決于積雪在綠光波段和短波紅外波段反射率差值的大小，當(dāng)ρgreen-ρswir接近ρgreen時(shí)，精度較高； 當(dāng)ρgreen-ρswir非常小或者NDSI<0.4時(shí)，則可能存在較大誤差。此外由于遙感衛(wèi)星空間分辨率和地表環(huán)境復(fù)雜度影響，在設(shè)定閾值提取積雪時(shí)，混合像元區(qū)易產(chǎn)生誤差。

為提高混合像元積雪的識(shí)別精度，可通過(guò)某種變換手段或積雪指數(shù)方法增大雪區(qū)與非雪區(qū)的差異，進(jìn)而提高積雪提取精度。AvaField-3光譜儀實(shí)測(cè)和OLI影像采集得到的積雪光譜都表明，積雪光譜滿(mǎn)足

(2)

式中ρblue violet和ρblue分別是OLI數(shù)據(jù)在藍(lán)紫光和藍(lán)光波段的反射率。對(duì)式(2)中的3個(gè)判別標(biāo)準(zhǔn)進(jìn)行累加處理，得

ρblue violet+ρblue+ρgreen-3ρswir>0。

(3)

NDSI能夠?qū)崿F(xiàn)積雪的提取，但在所提取的積雪區(qū)內(nèi)部對(duì)雪厚的劃分不夠敏感，只能將像元辨別為雪或非雪，滿(mǎn)足不了高精度的流域制圖及雪蓋提取要求[15]。而式(3)增大了雪與非雪的差異，一定程度上也增大了雪間差異，在式(3)基礎(chǔ)上，提出ENDSI為

(4)

式中a為調(diào)節(jié)系數(shù)。當(dāng)ENDSI≥0.3，ρgreen≥0.11且ρnir≥0.11時(shí)判定為積雪。

為使積雪指數(shù)對(duì)混合像元中薄雪敏感，適當(dāng)調(diào)節(jié)式(4)中a，當(dāng)03.7時(shí)，部分雪區(qū)ENDSI<0。在大量實(shí)驗(yàn)和仿真模擬的基礎(chǔ)上得出，當(dāng)a=3.7時(shí)最佳，得到優(yōu)化后的ENDSI，即

(5)

3 結(jié)果分析與驗(yàn)證

3.1 閾值分析

對(duì)5景影像進(jìn)行輻射定標(biāo)、FLAASH大氣校正和裁剪等預(yù)處理后，分別計(jì)算NDSI和ENDSI，在[0，1]之間每隔0.1選取一個(gè)閾值，提取積雪的像元數(shù)量變化，并對(duì)4個(gè)研究區(qū)進(jìn)行綜合分析(圖3)。

(a) 研究區(qū)1積雪像元總量 (b) 研究區(qū)1積雪像元變化數(shù)量 (c) 研究區(qū)2積雪像元總量 (d) 研究區(qū)2積雪像元變化數(shù)量

(e) 研究區(qū)3積雪像元總量 (f) 研究區(qū)3積雪像元變化數(shù)量 (g) 研究區(qū)4積雪像元總量 (h) 研究區(qū)4積雪像元變化數(shù)量

圖3ENDSI和NDSI提取積雪像元總量及變化數(shù)量

Fig.3NumbersandvariationofextractedsnowpixelsbyENDSIandNDSImethods

從像元總量上來(lái)看，ENDSI和NDSI提取的積雪像元總量均隨著閾值的增大而減小，在閾值[0，0.45)區(qū)間內(nèi)，ENDSI提取積雪像元數(shù)小于NDSI提取結(jié)果，總量差距隨閾值增大逐漸減小； 當(dāng)閾值在0.45左右時(shí)，兩者提取積雪像元數(shù)相當(dāng)； 在(0.45，1)區(qū)間內(nèi)，ENDSI提取雪像元量逐漸大于NDSI提取結(jié)果； 當(dāng)閾值為1時(shí)，兩者提取積雪像元數(shù)相等。從像元變化數(shù)量來(lái)看，隨著閾值的增大，ENDSI和NDSI提取積雪像元變化量減小幅度不同，閾值在[0，0.7]區(qū)間ENDSI提取積雪像元減小量小于NDSI提取結(jié)果； 在(0.7，1]區(qū)間兩者變化趨于相同，在[0.6，1]區(qū)間積雪反射率較高，但積雪純度及厚度不同反射率仍有差異，NDSI和ENDSI在閾值為0.8左右時(shí)，常出現(xiàn)積雪像元數(shù)量急劇減少的現(xiàn)象，說(shuō)明積雪主要集中在[0.6,0.8]，在[0.8，1]區(qū)間積雪像元量較少。NDSI在[0，0.6]區(qū)間像元變化量相對(duì)平穩(wěn)，變化不大，不利于選取閾值區(qū)分雪與非雪。冬季北方降雪地區(qū)地物類(lèi)型主要以雪和土壤為主，積雪像元數(shù)量隨閾值的變化，正是提取類(lèi)型由土壤向雪過(guò)渡的體現(xiàn)： 在[0，0.3)區(qū)間主要為非雪或超薄雪，光譜特征相似，像元變化量較平穩(wěn)； 在[0.3，0.6)之間地物類(lèi)型由土壤向積雪區(qū)過(guò)渡，地物光譜差異開(kāi)始增大，逐漸突破非雪的界限，積雪像元減小量逐漸增加； 在[0.6，1]區(qū)間地物主要為積雪，光譜特征相似，積雪像元數(shù)量變化趨于平穩(wěn)，但在[0.8，1]區(qū)間時(shí)常出現(xiàn)積雪像元減小量劇增或驟減現(xiàn)象，這是由積雪像元過(guò)渡集中而閾值間隔過(guò)大造成的。由非雪向雪區(qū)過(guò)渡的轉(zhuǎn)折點(diǎn)0.3成為ENDSI判定雪與非雪的分割點(diǎn)，地理特征不同的4個(gè)研究區(qū)變化特征相似，說(shuō)明0.3作為閾值分割點(diǎn)有一定的穩(wěn)定性、普適性。

3.2 ENDSI變化曲線(xiàn)

在研究區(qū)5 的Landsat8 OLI遙感影像中選取裸土和積雪各5條光譜曲線(xiàn)(圖4)，在藍(lán)紫光—綠光波段，裸土反射率在0.15以下，積雪反射率在0.2以上； 短波紅外波段，裸土反射率在0.15～0.3之間，積雪反射率在0.2以下。

圖4 研究區(qū)5中積雪和裸土光譜曲線(xiàn)Fig.4 Spectral curves of the snow and soil in study area 5

郝曉華等[19]測(cè)量已知積雪覆蓋比例下的積雪光譜特征，也發(fā)現(xiàn)積雪在0.35～0.8 μm范圍內(nèi)反射率隨積雪純度的增加而減小，1.4～1.8 μm范圍內(nèi)反射率與積雪純度成反比，雖然積雪下墊面性質(zhì)不同反射率會(huì)有所差異，但以上變化規(guī)律不變。通過(guò)調(diào)節(jié)式(4)中系數(shù)a，調(diào)控可見(jiàn)光與短波紅外波段差異的大小，可以調(diào)節(jié)積雪指數(shù)曲度，實(shí)現(xiàn)對(duì)薄雪敏感。

根據(jù)式 (6)分別計(jì)算裸土和積雪在短波紅外波段反射率ρsoilswir和ρsnowswir[21]，即

(6)

式中：Γ(λ)是傳感器的固有參數(shù)，各個(gè)波段的響應(yīng)函數(shù)曲線(xiàn)；ρ(λ)是光譜儀測(cè)試的目標(biāo)反射率數(shù)據(jù)。

在該地區(qū)雪區(qū)選取5個(gè)樣本點(diǎn)(113°8′49.22″E，40°9′30″N； 113°3′7.69″E，39°6′23.42″N； 112°4′9.32″E，40°4′58.33″N； 112°4′1.66″E，40°7′32.22″N； 112°2′28.22″E，39°1′13.64″N)發(fā)現(xiàn)雪區(qū)OLI前3個(gè)波段反射率之和相當(dāng)于3倍綠光波段反射率減去0.1的值； 在裸土區(qū)選取5個(gè)樣本點(diǎn)(112°1′54.18″E，39°9′54.87″N； 113°0′56.11″E，40°7′48.27″N； 113°3′29.98″E，40°9′29.04″N； 114°3′35.25″E，40°0′40.52″N； 113°0′23.11″E，39°9′14.67″N)發(fā)現(xiàn)裸土區(qū)OLI前3個(gè)波段反射率之和相當(dāng)于3倍綠光波段反射率減去0.06的值。以綠光反射率為橫坐標(biāo)，裸土和積雪的ENDSI和NDSI值為縱坐標(biāo)，根據(jù)表2中公式(7)—(14)模擬出NDSI與ENDSI變化曲線(xiàn)(圖5)。

表2 ENDSI線(xiàn)性模擬公式Tab.2 ENDSI linear simulation formula

(a) 積雪和裸土ENDSI和NDSI下的變化曲線(xiàn) (b) 不同抑制系數(shù)下的ENDSI曲線(xiàn)

圖5NDSI和NDSI在綠光波段反射率的變化趨勢(shì)(由特定值畫(huà)出)

Fig.5VariabletrendgraphofNDSIandENDSIingreenband(drawfromaspecificvalue)

圖5(a)中A為超薄雪區(qū)，B為薄雪區(qū)，C為厚雪區(qū)，積雪在綠光波段反射率越高代表雪層越厚，積雪光譜特征越明顯，反射率越低則雪層越稀薄，積雪光譜特征越不明顯，ENDSI和NDSI隨綠光波段反射率的增大而增大。與NDSI相比，ENDSI在厚雪區(qū)增大，在薄雪和超薄雪區(qū)減小，超薄雪區(qū)減小幅度大于薄雪區(qū)，厚雪區(qū)隨反射率的增加增大越明顯，但總體增加幅度有限。薄雪區(qū)在NDSI中主要位于[0.2，0.5]，在ENDSI中位于[0，0.5]，相同的反射率范圍下閾值區(qū)間擴(kuò)大，顯示ENDSI在薄雪區(qū)更加敏感； 在超薄雪區(qū)ENDSI全部抑制在0以下； 裸土在ENDSI中較NDSI大幅度減小，被抑制在-0.2以下。ENDSI有效增大雪與非雪的差異，對(duì)薄雪具敏感性，為進(jìn)一步精細(xì)化提取積雪和雪厚，以及遙感定量反演打下了基礎(chǔ)。從圖5(b)可見(jiàn)，ENDSI對(duì)雪厚敏感度總體上強(qiáng)于NDSI，ENDSI隨抑制系數(shù)a的增大，在薄雪區(qū)敏感度逐漸增強(qiáng)。當(dāng)a=2和a=2.5時(shí)，ENDSI在超薄雪敏感度高于薄雪區(qū)和厚雪區(qū)； 當(dāng)a=3.7和a=4時(shí)，ENDSI在超薄雪區(qū)為負(fù)值，對(duì)雪厚敏感度在薄雪區(qū)強(qiáng)于厚雪區(qū)，但當(dāng)a=4時(shí)，薄雪區(qū)部分ENDSI值也為負(fù)值。超薄雪區(qū)雪含量較低，雪指數(shù)在厚雪區(qū)敏感度較低，對(duì)薄雪區(qū)精細(xì)化提取時(shí)，a=3.7較為合理。

3.3 積雪提取結(jié)果

驗(yàn)證區(qū)不同方法的積雪提取結(jié)果如圖6所示，積雪表現(xiàn)為偏藍(lán)色特征。

(a) OLI B6(R)，B3(G)，B2(B)假彩色合成影像 (b) ENDSI提取 (c) NDSI提取

(d) ENDSI單獨(dú)提取部分(e) ENDSI和NDSI提取的相同區(qū)

圖6驗(yàn)證區(qū)ENDSI和NDSI積雪提取結(jié)果

Fig.6SnowcovermapsextractedbyENDSIandNDSIinstudyarea5

總體上看，ENDSI和NDSI都基本能夠滿(mǎn)足積雪提取要求，積雪面積較小不足全影像的1/10，主要集中在驗(yàn)證區(qū)的5個(gè)區(qū)域，分布較零散。其中西部有一湖泊，結(jié)冰后被積雪覆蓋，反映積雪的光譜特征； 此外，在河流、山體陰影和林地中也有積雪零星分布。在積雪較厚的區(qū)域顏色明顯偏藍(lán)，在積雪較薄的地區(qū)顏色偏暗，積雪特征并不明顯，提取積雪時(shí)很容易誤分為裸土。從細(xì)節(jié)上看，NDSI提取的積雪(圖6(c))與ENDSI(圖6(b))提取的積雪相比，顯得較松散稀疏，許多零散分布的積雪不能提取，中部雪區(qū)差別尤為明顯。ENDSI和NDSI提取的積雪重合度較高(圖6(e))，主要集中在厚雪區(qū)，而在薄雪區(qū)，差異較大。

經(jīng)過(guò)統(tǒng)計(jì)，研究區(qū)總面積約為37 407.8 km2，NDSI閾值為0.4時(shí)提取的積雪面積為1 843.377 km2，占總面積的4.927 8%； 利用ENDSI提取的積雪面積為2 342.04 km2，占總面積的6.260 8%(表3)。圖6(d)中ENDSI判斷為積雪而NDSI判斷為非積雪的面積有498.795 3 km2，占總面積的1.333 4%。表3中所有數(shù)據(jù)都經(jīng)過(guò)掩模處理，ENDSI-NDSI表示ENDSI提取為積雪而NDSI提取為非積雪部分，NDSI-ENDSI表示NDSI提取為積雪而ENDSI提取為非積雪部分。

表3 ENDSI和NDSI提取積雪像元統(tǒng)計(jì)Tab.3 Statistics of extracted snow pixels by NDSI and ENDSI

3.4 精度分析

利用混淆矩陣和目視解譯2種方法對(duì)ENDSI提取精度進(jìn)行比較分析。對(duì)Landsat8 OLI影像監(jiān)督分類(lèi)，分為雪和非雪2類(lèi)，將分類(lèi)結(jié)果作為真實(shí)積雪分布，分別與ENDSI和NDSI提取的雪區(qū)與非雪區(qū)做混淆矩陣進(jìn)行對(duì)比分析，同時(shí)分析其總體精度(表4—5)。其中NDSI一般設(shè)定0.4為雪與非雪的有效閾值分割點(diǎn)[11]，吳曉晨等[22]證明NDSI>0.4可以用來(lái)提取冰雪覆蓋。當(dāng)NDSI降低閾值時(shí)可以增加雪提取面積，由于NDSI對(duì)雪厚敏感度較低，降低閾值容易造成閾值減小過(guò)量。

表4 驗(yàn)證區(qū)監(jiān)督分類(lèi)與NDSI分類(lèi)結(jié)果混淆矩陣Tab.4 Confusion matrix between validation area supervised classification and NDSI classification result

表5 驗(yàn)證區(qū)監(jiān)督分類(lèi)與ENDSI分類(lèi)結(jié)果混淆矩陣Tab.5 Confusion matrix between validation area supervised classification and ENDSI classification result

利用NDSI和ENDSI提取積雪的分類(lèi)總體精度分別為97.636 7%和97.937 1%，Kappa相關(guān)系數(shù)分別為0.778 5和0.825 7，與NDSI相比，ENDSI總體分類(lèi)精度提高了0.3%，Kappa系數(shù)提高了0.05。

為了進(jìn)一步檢驗(yàn)ENDSI對(duì)厚雪和薄雪的敏感性，在研究區(qū)5遙感影像上分別選取同時(shí)存在土壤、薄雪和厚雪的3個(gè)子區(qū)域a，b和c，以目視解譯的方法分析ENDSI和NDSI提取積雪的分布情況。圖7由B6(R),B3(G),B2(B)假彩色合成，積雪在可見(jiàn)光具有高反射率，在短波紅外強(qiáng)吸收的光譜特征[23]，在遙感影像上表現(xiàn)為偏藍(lán)色，由于厚雪在B2和B3波段反射率遠(yuǎn)大于薄雪，在影像中亮度較高，呈現(xiàn)亮藍(lán)色，薄雪區(qū)亮度較低，呈現(xiàn)暗藍(lán)色，裸土呈現(xiàn)偏紅色的特征。在a，b和c 3個(gè)子區(qū)中，裸土和積雪作為標(biāo)志性地物類(lèi)型，分布特征實(shí)現(xiàn)了由裸土到薄雪再到厚雪的過(guò)渡，其中厚雪一般為團(tuán)聚狀，薄雪以厚雪為中心向四周擴(kuò)展，擴(kuò)展距離不等。

(a) 子驗(yàn)證區(qū)a (b) 子驗(yàn)證區(qū)b (c) 子驗(yàn)證區(qū)c

圖7目視解譯驗(yàn)證實(shí)例

Fig.7Accuracyverificationexamplediagrams

圖7中黑色方框區(qū)域是ENDSI判定為雪而NDSI判定為非雪部分，綠色方框區(qū)域?yàn)镋NDSI和 NDSI同時(shí)提取的積雪區(qū)。圖中綠色方框部分主要集中在亮藍(lán)色的厚雪區(qū)，可見(jiàn)ENDSI和NDSI都能夠?qū)崿F(xiàn)對(duì)厚雪的提取，兩者差異較?。?而ENDSI除與NDSI共同提取的厚雪(綠色方框部分)部分外，在薄雪區(qū)(黑色方框部分)同樣判定為雪，在圖7(a),(b)和(c)中薄雪區(qū)分別占總面積的19.73%，11.84%和15.48%，經(jīng)目視解譯這些區(qū)域與土壤有明顯差異，應(yīng)判定為雪，可以得出ENDSI對(duì)薄雪更加敏感，能夠有效提取薄雪，且提取精度有所提高。在圖7(a)和(b)中提取的厚雪和薄雪成團(tuán)聚狀分布，而圖7(c)中厚雪和薄雪離散分布，總體特征來(lái)看薄雪仍以厚雪為中心向四周擴(kuò)展，擴(kuò)展距離不等，提取結(jié)果與目視解譯一致。

4 結(jié)論

本文在傳統(tǒng)NDSI利用可見(jiàn)光范圍內(nèi)單一綠光波段和短波紅外波段提取積雪基礎(chǔ)上，基于Landsat8 OLI數(shù)據(jù)源，對(duì)藍(lán)紫光、藍(lán)光、綠光和短波紅外波段綜合考慮，探究ENDSI提取積雪的可能性，結(jié)論如下：

1)依據(jù)積雪在綠光波段的反射率將雪分為厚雪區(qū)、薄雪區(qū)和超薄雪區(qū)，ENDSI對(duì)雪厚更加敏感，ENDSI值變化幅度強(qiáng)于NDSI。與NDSI相比，ENDSI值在厚雪區(qū)增大，超薄雪區(qū)和裸土區(qū)減小，有效增大雪與非雪的差異，有利于對(duì)積雪與雪厚的精確提取和遙感定量反演。

2)通過(guò)對(duì)4個(gè)不同經(jīng)緯度和海拔高度特征的地區(qū)提取雪像元數(shù)量變化分析，發(fā)現(xiàn)0.3為ENDSI區(qū)分雪與非雪的有效分割點(diǎn)，穩(wěn)定性較高。

3)以驗(yàn)證區(qū)監(jiān)督分類(lèi)得到積雪分布為真值分別與ENDSI和NDSI提取積雪結(jié)果做混淆矩陣，發(fā)現(xiàn)ENDSI比NDSI總體精度增加了0.3%，2組Kappa系數(shù)均在0.77以上，分類(lèi)結(jié)果有較高的可信度。

利用ENDSI提取積雪精度有所提高，特別是在薄雪區(qū)尤為敏感。今后可以進(jìn)一步探究積雪厚度與ENDSI的相關(guān)性，研究利用遙感技術(shù)定量反演雪厚的方法； 海冰與雪光譜特征相似，可以繼續(xù)探究ENDSI在海冰提取方面的應(yīng)用。

[1] Jones H G,Pomeroy J W,Walker D A,et al.Snow Ecology:An Interdisciplinary Examination of Snow-covered Ecosystems[M].Cambridge:Cambridge University Press,2001.

[2] 白淑英,吳 奇,史建橋,等.青藏高原積雪深度時(shí)空分布與地形的關(guān)系[J].國(guó)土資源遙感,2015,27(4):171-178.doi:10.6046/gtzyyg.2015.04.26.

Bai S Y,Wu Q,Shi J Q,et al.Relationship between the spatial and temporal distribution of snow depth and the terrain over the Tibetan Plateau[J].Remote Sensing for Land and Resources,2015,27(4):171-178.doi:10.6046/gtzyyg.2015.04.26.

[3] 郝曉華,王 建,李弘毅.MODIS雪蓋制圖中NDSI閾值的檢驗(yàn)——以祁連山中部山區(qū)為例[J].冰川凍土,2008,30(1):132-138.

Hao X H,Wang J,Li H Y.Evaluation of the NDSI threshold value in mapping snow cover of MODIS:A case study of snow in the Middle Qilian Mountains[J].Journal of Glaciology and Geocryology,2008,30(1):132-138.

[4] Xiao X M,Shen Z X,Qin X G.Assessing the potential of VEGETATION sensor data for mapping snow and ice cover:A normalized difference snow and ice index[J].International Journal of Remote Sensing,2001,22(13):2479-2487.

[5] 王國(guó)亞,毛煒嶧,賀 斌,等.新疆阿勒泰地區(qū)積雪變化特征及其對(duì)凍土的影響[J].冰川凍土,2012,34(6):1293-1300.

Wang G Y,Mao W Y,He B,et al.Changes in snow covers during 1961—2011 and its effects on frozen ground in Altay Region, Xinjiang[J].Journal of Glaciology and Geocryology,2012,34(6):1293-1300.

[6] Kour R,Patel N,Krishna A P.Assessment of relationship between snow cover characteristics(SGI and SCI) and snow cover indices(NDSI and S3)[J].Earth Science Informatics,2015,8(2):317-326.

[7] 于泓峰,張顯峰.光學(xué)與微波遙感的新疆積雪覆蓋變化分析[J].地球信息科學(xué)學(xué)報(bào),2015,17(2):244-252.

Yu H F,Zhang X F.Retrieval and analysis of snow-covered days in Xinjiang based on optical and microwave remote sensing data[J].Journal of Geo-Information Science,2015,17(2):244-252.

[8] 紀(jì) 鵬,郭華東,張 露.近20年西昆侖地區(qū)冰川動(dòng)態(tài)變化遙感研究[J].國(guó)土資源遙感,2013,25(1):93-98.doi:10.6046/gtzyyg.2013.01.17.

Ji P,Guo H D,Zhang L.Remote sensing study of glacier dynamic change in West Kunlun Mountains in the past 20 years[J].Remote Sensing for Land and Resources,2013,25(1):93-98.doi:10.6046/gtzyyg.2013.01.17.

[9] 彥立利,王 建.基于遙感的冰川信息提取方法研究進(jìn)展[J].冰川凍土,2013,35(1):110-118.

Yan L L,Wang J.Study of extracting glacier information from remote sensing[J].Journal of Glaciology and Geocryology,2013,35(1):110-118.

[10] 惠鳳鳴,田慶久,李英成,等.基于MODIS數(shù)據(jù)的雪情分析研究[J].遙感信息,2004,19(4):35-38.

Hui F M,Tian Q J,Li Y C,et al.Research on snow condition analysis based on MODIS data[J].Remote Sensing Information,2004,19(4):35-38.

[11] Hall D K,Riggs G A,Salomonson V V.Development of methods for mapping global snow cover using moderate resolution imaging spectroradiometer data[J].Remote Sensing of Environment,1995,54(2):127-140.

[12] 趙 軍,付杰文,付 鵬.雪蓋指數(shù)法提取積雪范圍信息的不確定性研究——以瑪納斯上游地區(qū)為例[J].遙感技術(shù)與應(yīng)用,2014,29(2):293-299.

Zhao J,Fu J W,Fu P.Accuracy and uncertainty of snow information based on NDSI:A case study of upstream region of Manas River[J].Remote Sensing Technology and Application,2014,29(2):293-299.

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

Chen W Q,Ding J L,Sun Y M,et al.Retrieval of snow cover area based on NDSI-NDVI feature space[J].Journal of Glaciology and Geocryology,2015,37(4):1059-1066.

[14] Satir O.Comparing the satellite image transformation techniques for detecting and monitoring the continuous snow cover and glacier in Cilo Mountain chain Turkey[J].Ecological Indicators,2016,69:261-268.

[15] 裴 歡,房世峰,覃志豪,等.基于遙感的新疆北疆積雪蓋度及雪深監(jiān)測(cè)[J].自然災(zāi)害學(xué)報(bào),2008,17(5):52-57.

Pei H,Fang S F,Qin Z H,et al.Remote sensing-based monitoring of coverage and depth of snow in northern Xinjiang[J].Journal of Natural Disasters,2008,17(5):52-57.

[16] 趙 軍,陳愷悅,師銀芳.提高森林覆蓋區(qū)積雪提取精度的方法研究——以瑪納斯河流域?yàn)槔齕J].遙感技術(shù)與應(yīng)用,2015,30(6):1051-1058.

Zhao J,Chen K Y,Shi Y F.Methods research to improve the extraction accuracy of snow under forest cover:A case study of Manas River basin[J].Remote Sensing Technology and Application,2015,30(6):1051-1058.

[17] 徐涵秋,唐 菲.新一代Landsat系列衛(wèi)星:Landsat8遙感影像新增特征及其生態(tài)環(huán)境意義[J].生態(tài)學(xué)報(bào),2013,33(11):3249-3257.

Xu H Q,Tang F.Analysis of new characteristics of the first Landsat8 image and their eco-environmental significance[J].Acta Ecologica Sinica,2013,33(11):3249-3257.

[18] 魏 玥.北疆區(qū)域積雪深度變化的遙感監(jiān)測(cè)研究[D].烏魯木齊:新疆師范大學(xué),2010.

Wei Y.Remote Sensing Monitoring of Snow Depth Change in North Part of Xinjiang[D].Urumqi:Xinjiang Normal University,2010.

[19] 郝曉華,王 杰,王 建,等.積雪混合像元光譜特征觀測(cè)及解混方法比較[J].光譜學(xué)與光譜分析,2012,32(10):2753-2758.

Hao X H,Wang J,Wang J,et al.Observations of snow mixed pixel spectral characteristics using a ground-based spectral radiometer and comparing with unmixing algorithms[J].Spectroscopy and Spectral Analysis,2012,32(10):2753-2758.

[20] 閃 旭,劉志輝,張 波.新疆軍塘湖流域融雪期不同積雪及雪被地物光譜反射率特征分析[J].安徽農(nóng)業(yè)科學(xué),2014,42(3):853-855,887.

Shan X,Liu Z H,Zhang B.Study of spectrum reflectance characteristics of snow and snow-covered land surface objects in the melting-snow period[J].Journal of Anhui Agricultural Sciences,2014,42(3):853-855,887.

[21] 程 熙,沈占鋒,駱劍承,等.利用地物波譜學(xué)習(xí)的遙感影像波段模擬方法[J].紅外與毫米波學(xué)報(bào),2010,29(1):45-48,62.

Cheng X,Shen Z F,Luo J C,et al.Method on simulating remote sensing image band by using ground-object spectral features study[J].Journal of Infrared and Millimeter Waves,2010,29(1):45-48,62.

[22] 吳曉晨,孟令奎,張東映,等.冰雪遙感監(jiān)測(cè)方法綜述[J].水利信息化,2013(1):35-39.

Wu X C,Meng L K,Zhang D Y,et al.Overview on methods of snow and ice remote sensing monitoring[J].Water Resources Informatization,2013(1):35-39.

[23] 劉玉潔,鄭照軍,王麗波.我國(guó)西部地區(qū)冬季雪蓋遙感和變化分析[J].氣候與環(huán)境研究,2003,8(1):114-123.

Liu Y J,Zheng Z J,Wang L B.Remote sensing on snow cover and variation analyzing in west of China[J].Climatic and Environmental Research,2003,8(1):114-123.