FY-3D积雪覆盖遥感监测产品真实性检验

新疆地区积雪作为重要的淡水资源，对河川径流有显著影响。风云三号 MULSS（FY-3C MULSSSnow Cover Product）积雪产品由中国气象局国家卫星气象中心提供，具有宏观、快速、周期性等优势，在积雪动态监测中发挥重要作用。本报告以 2019—2022 年积雪季气象观测站点数据、MYD10A1 积雪产品（MODIS/Aqua Snow Cover Daily L3 Global 500m SIN Grid， Version 5）为基准数据，对新疆境内风云三号 MULSS 多传感器积雪覆盖产品精度进行检验评估。

1.检验方案

1.1 技术路线

以风云-3D MULSS 逐日积雪范围产品为研究对象，在去除云像素的基础上，利用气象观测站数据、MODIS 卫星积雪监测产品（MYD10A1），评价该风云产品的精度，并与 MODIS 逐日积雪范围产品进行对比分析，以期为延长长序列积雪监测产品提供使用依据[1，2]。

1.2 检验区域

检验区域为新疆维吾尔自治区境内。新疆地区的积雪监测至关重要，主要体现在水资源管理和农业保障等方面。由于新疆是中国重要的水源地区，尤其是依赖融雪水进行灌溉的南疆，监测积雪覆盖和厚度能够帮助合理规划水资源供应，确保农业和居民生活用水。同时，积雪的变化与雪崩等自然灾害密切相关，及时监测可以提前预警，减少潜在的人员伤亡和财产损失。此外，新疆是研究气候变化的关键区域，通过对积雪的监测，可以提供重要的数据支持，帮助分析气候变化对水循环和生态环境的影响，为政策制定提供科学依据，推动可持续发展。

1.3 数据准备

积雪覆盖遥感监测产品及真实性检验使用了气象观测数据、多源卫星遥感数据、样本点等数据。数据收集与处理的时空范围分别为：新疆境内。时间范围：2020—2022 年近 3 年积雪季（每年 11 月到次年 3 月），以下简称 2020—2022 年积雪季。

1.3.1 气象观测数据

（1）气象要素和时段选择。选择新疆境内 105 个国家基本站 2020—2022 年积雪季逐日气象观测资料作为对比检验数据，主要包括逐日积雪深度、最高、最低和平均气温以及降水量等气象要素。同时，考虑到卫星过境时间，选择 2020—2022 年积雪季每日中午云覆盖数据作为卫星过境时云量的参考数据，以辅助卫星数据的云量分析。

（2）数据处理及质控方法。气象观测数据已完成质控，包括积雪深度界限值检查和积雪深度、雪压、最低气温的内部一致性检查。根据气象站雪深观测记录，将卫星像元分为三类：无积雪（雪深观测记录为 99999），部分积雪（雪深观测记录为 99990，表示少量积雪或雪深不足 0.5cm ），以及积雪像元（雪深观测记录大于或等于 0.5cm） ）。通过收集 2020 至 2022 年 105 个站点的逐日积雪深度和中午云覆盖数据，建立了积雪深度和云覆盖情况的观测数据集，为卫星数据提供每日的地面观测检验。

1.3.2 多源卫星遥感积雪监测产品

本报告中积雪覆盖遥感监测中主要涉及的卫星数据有FY-3D、MODIS 和 Sentinel-3。

（1）FY-3D MULSS 品。FY-3D MULSS 积雪融合产品（SCM）综合了风云卫星的光学和微波遥感数据，记录陆地格点的积雪覆盖情况及未覆盖时的天气状况。产品采用等经纬投影，0.01°分辨率，全球覆盖，分幅为 10^∘×10^∘ °。报告中主要检验积雪季逐日数据，预处理包括拼接、坐标和格式转换，以及数据重分类：缺失数据为 0，雪为 1，陆地为 2，云及其他为 3，湖泊湖冰为 4 。FY-3D MULSS 积雪融合产品在报告中简称为风云产品。具体编码和意义见表 1.1。

（2）MYD10A1 产品。MYD10A1 是基于 MODIS/AQUA 卫星的日积雪覆盖数据，V006 版本，500m分辨率。产品由 NSIDC DAAC 存档分发，可从 NASA 网站下载。包含 7 个数据波段，本报告使用积雪覆盖的 NDSI 数据，编码意义为：缺失数据为 0，NDSI 40—100 为雪（赋值为 1），陆地为 2，云及其他为 3，湖泊湖冰为 4 预处理包括拼接、坐标和格式转换，以及数据重分类。MYD10A1 产品在报告中简称为 MODIS 产品。具体编码和意义见表 1.2。

表 1.1 FY-3DMULSS 积雪覆盖产品的编码和意义

表 1.2 MYD10A1 积雪覆盖产品的编码和意义

1.3.3 样本点数据

样本点的选择新疆境内 105 个国家基本站点（如图 1.1），主要分布在各地州所辖县市，站点有积雪观测记录，使检验的积雪和非积雪类型有更可靠的代表性。

图 1.1 国家基本站点空间范围分布图

2.检验过程

采用 5 个指标对风云产品进行评估，包括：总精度（ACC）、准确率（PC）、召回率（HR）、误判率（FAR）以及漏判率（MR）。总精度表示一个像素被正确分类的概率（可能性）。

表 2.1 样本点土地覆盖类型统计表

用 4 个字母 a、b、c、d 分别表示验证源与风云产品像元之间的关系（表 。a 表示的是验证源和风云积雪产品中同时判定为有雪的像元个数；b 则是验证源判定为无雪，而在风云产品判定为有雪像元的像元个数，即虚报的个数；c 则与之相反是在验证源中判定为有雪，而在风云产品判定为无雪像元的像元个数，即漏报的个数；d 是验证源中和风云产品中同时判定为无雪的像元个数。这里验证源主要为气象台站观测数据、MODIS 品和 NPP 品。具体公式为：

总体精度（ACC）： （2.1）准确率（HR）： （2.2）召回率（HR）： （2.3）误判率（FAR）： （2.4）漏判率（MR）： （2.5）

3.检验结果

3.1 FY-3DMULSS 与气象观测资料对比检验

表 3.1 是 2019—2022 年积雪季研究区 105 个气象台站点数据对风云积雪范围产品的验证结果。根据公式（1）－（5）计算出，风云产品总体精度为（雪+非雪） 91.6% 、雪盖判识准确率为 85.5% 、召回率为 80.6% 、雪盖误判率为 18.6% 、漏判率为 19.8% 。

表 3.1 FY-3DMULSS 产品气象站点检验结果统计表

3.2 FY-3D 与 MODIS 卫星对比检验

3.2.1 监测结果对比

以 2022 年 12 月 24 日数据为例，通过监测结果对比检验 FY-3DMULSS 品和 MODIS 雪盖产品的监测情况。由图 3.1 可见，FY-3DMULSS 提取的积雪覆盖范围明显较 MODIS 卫星多，特别是在新疆阿勒泰地区、博州、伊犁州最为明显。根据哥白尼数据空间生态系统网站提供的每日卫星云图真彩色合成图可见（图 3.2），风云产品的积雪覆盖更贴合实际情况，MODIS 卫星将部分积雪区识别成了云，FY-3DMULSS 提取的积雪覆盖面积大于 MODIS 卫星提取面积。

图 3.1 2022 年 12 月 24 日 MODIS 积雪覆盖监测图

图 3.22022 年 12 月 24 日 FY-3D MULSS 积雪覆盖监测图

图 3.42022 年积雪季 FY-3DMULSS 与 MODIS 积雪产品云覆盖率柱状图

3.2.2 判识精度对比检验

以 MODIS 为基准产品，FY-3DMULSS 为待评估产品，分别提取气象站点所在位置对应的积雪覆盖情况。根据公式（1）－（5）计算出，FY-3DMULSS 总体精度为（雪+非雪） 86.7% 、雪盖判识准确率为 81.6% 、召回率为 74.3% 、雪盖误判率为 19.7% 、漏判率为 23.2%. 。可以看出，积雪范围产品的总精度高，但主要是因为对非积雪区域的识别精度高，并且其基数相对较小，风云产品雪盖判识率较高，且存在多分积雪，少分陆地的现象。

3.2.3 云覆盖率特征评价

在积雪监测中，云的识别至关重要，因为云和雪在可见光波段的反射特性相似，容易混淆。以 2022年积雪季研究区域为例，通过统计 151 天积雪季中每个像元被识别为云的天数百分比，可以评估积雪监测精度。百分比越高，表明该像元参与积雪监测的有效天数越少，从而积雪监测产品精度越低。这一方法有助于识别积雪监测中的误差来源，提高积雪范围产品的准确性。

通过逐像元云像素统计分析发现（如图 3.4-5），2 种卫星积雪产品云像素识别区域范围大体一致，大部分地区云覆盖率在 20-60% ，个别地区的云覆盖率大于 60% ，说明这些地区在整个积雪季晴空天数较少；研究区东疆的部分地区的云覆盖率小于 20% ，说明这些地区在整个积雪季晴空天数较多；2种卫星积雪产品在研究区的北疆北部和中天山等局部地区，云覆盖率差异较大，MODIS 产品在这些地区云覆盖率明显高于风云产品。

逐像元统计 2022 年积雪季逐月云覆盖率，结果显示，FY-3DMULSS 云覆盖率整体低于 MODIS产品，但在融雪期的 3 月，云覆盖率略高于 MODIS  品。逐日云覆盖率统计结果与月统计结果基本保持一致，12 月下旬和 3 月中下旬，FY-3DMULSS 云覆盖率略高于 MODIS 产品。

4.结论

基于 2019 至 2022 年积雪季气象观测站点数据和 MODIS 数据，对 FY-3DMULSS 产品精度分析显示，FY-3DMULSS 总分类精度（雪+非雪）分别为 91.6% 和 86.7% ，表明该产品具有相对较高的总体分类精度。由于每日积雪产品通常受到严重的云覆盖影响，以及积雪产品质量的变化与卫星仪器的质量衰减、卫星过境时间以及定标算法有很强的相关性，这些因素严重影响了积雪覆盖的实时监测和应用。在样本中连续的长时间序列数据检验结果表现一般，若能剥离云覆盖，将显著提高精度，但本报告未对此进行深入探讨。未来可进行深入研究。

总体而言，FY-3DMULSS 与 MODIS 积雪产品在时空一致性方面表现良好。考虑到新疆地区普遍存在的积雪破碎化现象，未来风云积雪覆盖产品有望通过利用更高分辨率的卫星数据，结合多源数据融合和机器学习技术，提升地物识别的准确性，降低识别误差。

参考文献：

[1]李梁，张佳华，孙中太，等.基于FY-3 号气象卫星的中国典型积雪覆盖区的时空动态研究[J].大气科学学报，2022，45（06）：879-889.

[2]杨诚，徐国建.积雪覆盖地区航摄影像 3D 产品制作与精度评定[J].测绘，2015，38（04）：181-183.