摘要
黄河源区是黄河流域的主要产水区和水源涵养区,积雪融水是源区的重要水源之一,高精度积雪面积数据集是源区生态水文模拟、气候变化等研究的基础。MODIS积雪产品是最广泛使用的积雪面积数据集之一。然而,MODIS积雪产品中大量的云覆盖,导致了近乎一半的信息缺失。黄河源区季节性积雪多呈现出雪层偏浅、斑块状分布且消融快等特点,使得传统统计方法很难准确捕获源区的积雪时空特征,而先进的深度学习技术能更好地深入挖掘隐藏在数据背后的时空特征。本研究利用2000–2021年逐日500 m空间分辨率的MODIS归一化积雪指数(NDSI)产品,使用基于部分卷积神经网络(PCNN)的MODIS NDSI云像元重建模型,在生成时空连续MODIS NDSI数据集的基础上,进一步采用NASA原始积雪覆盖比例(FSC)产品的标准算法,制备黄河源区2000–2021年逐日、0.005°(约500 m)的无云MODIS FSC数据集。基于源区6个地面气象台站雪深观测资料和“云假设”两方面的验证表明,数据集的总体精度可以达到94%,高估和低估均为1%,平均绝对偏差10.43%,平均相关系数为0.93,表明数据具有较高精度,与晴空状态下的MODIS积雪产品具有相当的精度。本数据集可以为黄河源区积雪动态变化监测、水资源综合管理评估、气候变化等研究工作提供数据支撑。
-
单位甘肃省地质矿产勘查开发局第三地质矿产勘查院; 中国科学院西北生态环境资源研究院; 国防科技大学