FY-3D 青藏高原积雪产品验证

摘要：积雪在地球气候系统和水文循环中具有重要调节作用，其精确监测对气候预测和水文管理至关重要。中国气象局国家卫星气象中心基于风云三号卫星（FY-3D）生成的积雪产品需通过系统性验证以支撑业务化应用。研究以MODIS和GF-1遥感数据为参考，通过总精度、混淆矩阵及线性回归分析，对2021–2022年FY-3D积雪产品进行多维度评估。结果显示，FY-3D产品与MODIS、GF-1的时空一致性较高，尤其在西藏区域，其雪深反演结果与地面站点数据匹配良好，验证了业务监测的可靠性。50%地区的积雪深度处于0cm，20%的地区的积雪深度在0-2cm。15%的地区的积雪深度在2-5cm，10%的地区的积雪深度在5-10cm，只有5%左右的地区积雪深度达到了10cm及以上。此外，极端雪深（<2 cm或>15 cm）和低覆盖度积雪的判识仍存在局限性。研究表明，FY-3D产品在中等雪深监测中表现可信，但需结合多源数据协同验证和地形校正算法优化，以提升高原全域监测能力。研究结果为国产卫星积雪产品的业务化应用及算法改进提供了科学依据

关键词：积雪；风云卫星；青藏高原；积雪深度；积雪覆盖度

一.引言

1.1研究背景

风云三号FY-3D卫星利用可见光-近红外传感器监测积雪覆盖，微波成像传感器反演积雪深度及雪水当量。多光谱影像技术支撑的积雪信息提取体系成熟，已开发多种算法，如MODIS发布的逐日积雪产品和积雪面积比例数据，为精准积雪监测提供可靠技术基础。[1]

本研究基于西藏历史地面积雪深度与归一化积雪指数，构建雪深反演模型，实现区域积雪深度估算。通过配准地面站点与FY-3D卫星像元，提取对应NDSI数值及积雪观测数据，建立星地同步匹配的样本序列（2021年至今）。结合气象站点实测雪深与卫星NDSI阈值，分析积雪覆盖与深度的关联性，并对比验证MODIS、GF-1产品的积雪判识精度。该方法通过多源数据协同验证，揭示了FY-3D产品在西藏区域的适用性，为高原积雪遥感监测提供了可靠的模型支撑与验证框架。[2]

利用西藏地区历史地面积雪深度与归一化积雪监测指数NDSI进行统计建模[3]，并与地面气象站点观测雪深数据相配对，构建星地同步匹配的积雪样本数据序列。通过星地同步积雪观测数据的比较验证，完成对应日期对应积雪覆盖站点FY-3D产品积雪判识情况的对比验证。

二.数据基础

选取2021-2022年完整观测数据进行分析。所有数据经过严格质量控制，确保时空连续性与可靠性，选取无云晴朗的日子进行验证。青藏高原主体位于西藏与青海，面积257.2万km²（占国土26.8%）。数据集包含经质量控制的逐月最大雪深资料，覆盖高原全域，时间分辨率为逐日。研究采用102个气象站数据，剔除缺测记录后，为高原积雪动态监测提供基础支撑。

三.研究方法

3.1确定研究日期

根据2021年1月以来西藏区域FY-3D积雪产品的逐一筛选，找到2021年10月24日、2021年10月25日、2021年10月29日、2022年01月16日共4日出现区域大范围积雪覆盖、且卫星数据质量较高、区域睛空范围条件较好的产品。

3.2NDSI归一化积雪指数计算：

归一化差雪指数（NDSI）是与像素中雪的存在相关的指数，与分数雪盖（FSC）相比，它是雪检测的更准确描述。雪通常具有非常高的可见光（VIS）反射率和非常低的短波红外（SWIR）反射率，这是通过区分雪和大多数云类型来检测雪的特征。

3.3积雪深度反演

利用西藏地区历史地面积雪深度与归一化积雪监测指数NDSI进行统计建模49]。其本地化计算公式及其参数如下：

其中Sd为根据NDSI数据计算得到的该像元雪深值，NDSI为归一化差分积雪指数。

3.4提取站点NDSI值与积雪深度值

根据地面气象站点经纬度信息，逐一配准并提取得到地面站点处对应的FY-3D积雪产品像元处的NDSI数值，得到对应日期西藏区域地面站点与该像元卫星积雪观测结果。提取得到2021年以来FY-3D积雪产品各气象站点对应像元积雪覆盖NDSI阈值，并与地面气象站点观测雪深数据相配对。通过星地同步积雪观测数据的比较验证，完成对应日期对应积雪覆盖站点FY-3D产品积雪判识情况的对比验证。

3.5混淆矩阵精度分析

将混淆矩阵数据导入Excel处理并统计各积雪深度分类交叉站点数，分析生产精度（基于地面站点数据评估分类准确性）和用户精度（基于FY-3D产品分类评估可靠性），完成积雪监测产品的综合精度验证。

将混淆矩阵中正确判识的积雪分类记为N11、N22、N33、N44，误判的积雪分类记为N12、N13 、N14等，具体统计表如下：

四.结果分析与讨论

4.1FY-3D卫星积雪覆盖度验证

①基于FY-3D卫星与GF卫星交叉验证

通过混淆矩阵精度计算公式可得到，产品五个时间段的平均总体精度为88.49%；积雪像元判识准确率为62.53%、召回率为72.43%、误判率为37.47%、漏判率为27.57%，76.62%的像元被同时判识为陆地，11.87%的像元被同时判识为积雪。

②基于FY-3D卫星与MODIS卫星交叉验证

通过混淆矩阵精度计算公式可得到，产品五个时间段的平均总体精度为87.86%；积雪像元判识准确率为80.84%、召回率为66.50%、误判率为19.16%、漏判率为33.50%，73.06%的像元被同时判识为陆地，14.79%的像元被同时判识为积雪。

五.结论

以上分析可知，FY-3D积雪产品在青藏高原的验证表明，其地面验证总体精度超过80%，能够满足业务应用的基本需求，但区域差异显著。西藏东部和南部地区因地形相对平缓、地表覆盖均一，产品精度较高；而西北部昆仑山脉等高海拔复杂地形区受冰川误判和地形遮蔽效应影响，精度明显下降。研究指出，高海拔地区的积雪监测结果与海拔高度呈强相关性，尤其在青藏高原腹地，冰川与积雪的光谱混淆问题导致误差增大，该现象与地形数据（DEM）的空间分布特征一致。通过站点数据与卫星产品的协同验证，FY-3D雪深反演在西藏中等雪深（2–15 cm）范围内表现出较高可靠性，用户精度达76%。然而，验证数据在高海拔区域的代表性不足，尤其对>15 cm的深积雪缺乏系统性检验，影响产品全域普适性评估。此外，低覆盖度积雪判识易受裸岩、稀疏植被等地表异质性干扰，错判率较高；而<2 cm的薄雪因算法敏感性和验证数据局限，监测能力较弱。未来需重点补充高海拔地区大雪深数据的验证，并开发融合地形校正因子和冰川区分模型的优化算法，以提升复杂地形区的监测精度。针对极端雪深（<2 cm和>15 cm）及低覆盖度积雪场景，建议结合多光谱数据或机器学习方法，增强光谱特征识别能力，从而全面优化FY-3D产品在高海拔复杂环境下的可靠性与适用性。

六、创新点

本研究基于西藏地区历史雪深数据与积雪指数（NDSI），构建了适用于高原的本地化雪深反演模型。该模型在2–15 cm雪深范围内精度较高，验证了FY-3D卫星产品在中等雪深监测中的业务适用性，为高原积雪精细化监测提供了技术支撑。通过综合MODIS、GF-1卫星及地面站点数据，采用混淆矩阵和空间一致性分析，系统验证了FY-3D产品的时空精度，其与MODIS、GF-1的总体精度分别达87.86%和88.49%，体现了多源遥感数据在高原积雪监测中的互补性。研究发现，FY-3D产品在西藏西北部高海拔复杂地形区受冰川误判和地形遮蔽影响，精度显著下降，需通过地形校正因子和冰川区分模型优化算法。同时，极端雪深监测存在明确适用边界：在2–15 cm区间内用户精度达76%，但<2 cm的薄雪和>15 cm的深雪精度不足（用户精度分别为0%和60%），需开发独立反演算法。此外，低覆盖度积雪判识易受高原裸岩、稀疏植被与薄雪的光谱混淆干扰，错判率达37.47%，未来可通过多波段联合判识或机器学习分类提升精度。

参考文献

[1]李震，张文煜，孙文新，等.NOAA/AVHRR数据的雪盖信息提取与复合[J].遥感技术与应用，1995，10（4）：19-24.

[2]延昊，张国平.混合像元分解法提取积雪盖度[J].应用气象学报，2004，15（6）：665-671.

[3]梁天刚，吴彩霞，陈全功，等.北疆牧区积雪图像分类与雪深反演模型的研究[J].冰川冻土，2004，26（2）：160-165.

[4]王淇玉，徐维新，扎西央宗，等.FY-4卫星资料在青藏高原地区积雪判识和雪深反演中的应用[J].气象科技，2023，51（05）：613-628.DOI：10.19517/j.1671-6345.20220394.

作者简介

一作：张琪、2002年、女、汉族、四川省冕宁县、职称无、学士学位、

二作：黄仁祥，2003.03.21出生，男，汉族，四川省内江人，学士学位

三作：任柏尧，2002.01.25出生，男，汉族，四川省南充市人，学士学位

基金项目：202410621361fy-3d卫星青藏高原积雪产品验证（项目编号：202410621361）