燕云鹏， 刘刚， 刘建宇， 韩聪， 赵子贤

(1.中国国土资源航空物探遥感中心，北京 100083； 2.中国地质大学(北京)，北京 100083)



2013—2014年西藏阿里西部地区雪被覆盖遥感动态监测

燕云鹏1， 刘刚1， 刘建宇1， 韩聪2， 赵子贤2

(1.中国国土资源航空物探遥感中心，北京 100083； 2.中国地质大学(北京)，北京 100083)

利用2013年1月—2014年12月Landsat ETM和OLI中等分辨率卫星遥感数据，开展了西藏阿里西部地区雪被覆盖遥感监测。通过统计计算，总结了2013—2014年监测区内雪被覆盖面积的变化特点； 依托气温数据分析了雪被覆盖面积变化与气温升降间的对应关系。结果表明： 每年雪被覆盖范围最大时间为2月立春节气前后10 d，覆盖百分比最大达到80.82%； 而雪被覆盖范围最小时间为8月立秋节气前后10 d，覆盖百分比最小只有0.77%。从年度周期来看，雪被覆盖范围从最大到最小的变化经历了6～7个月，是个相对渐变的过程； 雪被覆盖范围达到最小后将经历一个上下波动过程，历时4～5个月； 雪被覆盖范围从上下波动到最大覆盖范围是相对骤变的过程，只经历了约1个月。

藏北; 阿里地区; 冰冻圈; 遥感监测; 雪被

0 引言

雪被是我国西北部地区冬季地表特征监测分析的重要因子，也是水文地质遥感调查的重要内容之一。据6省灾害大典记录，建国以来至2008年青藏高原地区216个县共计发生雪灾3 228次[1-2]。在1971—2001年连续31 a西藏那曲地区的气象记录中，共有74个月发生雪灾，约占总月数的1/5[3]。根据多年气象资料统计，我国西北部地区位于典型的季节性积雪区，年周期性的稳定和不稳定积雪主要分布在青海、新疆和西藏等地，尤其是西藏的北部和西部地区。受高海拔地貌和高寒气候的影响，这些地区漫长冷季的强降雪常常导致大雪封山，引发雪灾，不仅给交通运输及国民经济建设带来极大困难[4]，而且会对当地居民和基础设施的安全造成严重威胁。因此在地广人稀、气候条件恶劣，但具有区位优势和交通枢纽功能的关键地区开展雪被监测显得十分重要[5]。

地面气象站点可以准确地进行雪被相关信息的采集，可是由于站点分布范围不均匀，尤其是在西北部边远地区，只有在地市级的中心城市才会有站点布设，很难满足雪被及其雪灾监测的需要。遥感技术因为观测范围广，信息获取量大，重访速度快，实时性好和动态性强等特点，为开展边远地区的雪被监测提供了一种有效手段。对区域性雪被监测来说，遥感数据源的选择一般以卫星数据为主，其中高分辨率数据虽然精度较高，但由于景幅范围较小所带来的获取和处理成本较高而应用较少； 而空间分辨率为10～20 m之间的中等分辨率数据由于覆盖范围较大，大多获取成本较为低廉，处理技术相对成熟，为目前的最佳选择[6-8]。有学者在青海、新疆以及西藏的东南部地区开展过积雪相关的遥感调查监测相关研究[3，6，9]，而在西藏北部、西部地区的雪被覆盖遥感调查相对较少。

本次监测充分发挥了遥感技术的优势，选择了研究程度较低的西藏阿里西部地区为研究区，采用多年中分辨率卫星遥感数据，监测该地区雪被分布情况，总结其变化规律，旨在为当地国土资源及交通等相关领域和社会经济发展提供基础数据服务。

1 研究区概况

研究区位于西藏阿里西部地区，地处青藏高原西南部，包括境内和境外2部分： 境内地区主要包括阿里地区的札达县和噶尔县的部分地区，面积约占3/4； 境外主要是印控克什米尔地区，面积约占1/4。该区作为中国的西北门户之一有重要的区位优势。工作区最小外包矩形坐标位置为N31°57′～33°12′，E78°39′～79°57′，总面积8 769 km2(图1)。

图1 研究区位置示意图

该地区气候为亚寒带高原季风干旱气候，表现为冷热两季交替： 冷季长达7个月，热量低、降水少、风沙大； 暖季水汽丰富、降水量多。极端最高气温为26.1 ℃，极端最低气温为-39.2 ℃，气温高于0℃积温天数为172～224 d，无霜期71～127 d。11月—翌年5月为本区的大风季节[10-11]。由于积雪分布受地形影响大、其分布区域间的联系性及规律性均较差、因此监测时的统计工作量会很大，单靠目视解译很难在短时间内得到比较理想的效果。本研究中利用积雪的特殊光谱特征，采用图像处理软件的分类分析功能，对不同时相的卫星遥感图像进行雪被信息的计算机自动提取，形成监督分类的雪被覆盖初始结果，再辅以人工交互解译的方法，最终获得雪被覆盖监测专题的最终分类结果。

2 监测方法

阿里西部地区雪被覆盖遥感监测技术流程主要包括数据源选择、遥感数据处理、雪被覆盖信息提取以及雪被覆盖面积变化相关规律的分析研究等内容。具体技术流程如图2所示。

图2 藏北阿里西部地区雪被覆盖监测技术流程图

2.1 遥感数据选择

根据监测目标的需求，目前应用较多的中等分辨率数据主要包括Landsat数据和国产GF-1的多光谱数据。经过查询GF-1数据在本地区覆盖较少，因此选择Landsat数据开展本项监测工作。工作区范围内Landsat数据涉及到2景影像，景号分别为146/37和146/38，共选择19个时相的Landsat数据38景(包括26景Landsat8 OLI和12景Landsat7 ETM+)，数据情况如表1所示。

表1 遥感影像数据源具体情况

2.2 数据处理

遥感数据处理流程主要分为： 遥感数据预处理、影像纠正与配准、波段融合和图像镶嵌等技术处理环节。遥感数据预处理主要包括图像噪声处理和图像波段配准处理2个步骤； 影像纠正与配准采用数字高程模型进行，几何位置的重采样模型采用一次多项式方法，而融合过程的亮度值重采样模型选择立方卷积法； 图像镶嵌时，为降低色调差异，2景图像间进行了亮度匹配。

遥感图像处理在ENVI中完成，而几何纠正和专题提取等处理在ArcGIS中完成。在相邻图像重叠区内选择同名点作为镶嵌控制点，2景图像同名地物点应严格对准，拟合中误差应小于1个像元，中误差公式为

(1)

式中：m为点位中误差； △xi和△yi为随机取样点坐标差；n为随机取样点个数。

Landsat7 ETM与Landsat8 OLI相比处理时多了条带问题的处理环节，这主要是由于SLC(机载扫描行校正器)出现问题所致。本次监测中主要采用ArcGIS的栅格函数功能进行条带修复。去除坏线的主要技术思路为： 设置坏线处的无效值为0，进行掩模运算； 对于0值的区域，利用邻域统计的方法去除这些无效值。

2.3 雪被覆盖信息提取方法

根据不同地物在各个波段上的波谱反射率差异，雪被覆盖专题信息的提取主要采用机器自动监督分类辅以人机交互解译的方法进行识别。因为云和雪在遥感影像上比较相似，都有比较高的波谱反射率，因此在自动分类过程中容易引起误分类。为此，本次监测过程中对于数据的云盖度控制比较严格，经过多次测试，设定了阈值11%，只有少于11%云盖度的影像才用于监测。在监测过程中对于有云覆盖地区的遥感影像采用人机交互解译的方法进行雪被范围的提取。雪被提取结果以2013年9月18日为例，监测结果如图3所示。

图3 2013年9月18日阿里西部地区 雪被覆盖范围遥感监测结果

3 监测结果与分析

3.1 雪被覆盖范围的监测结果

2013—2014年期间雪被覆盖面积变化的统计结果如图4所示，其中缺失月份的监测结果取相邻月份的均值代替。从以上结果可以看出，2 a的监测周期中雪被覆盖范围的变化经历了2个从波峰向波谷逐渐过渡的变化过程。

图4 2013—2014年阿里西部地区雪被覆盖范围 变化统计图表

从月平均雪被覆盖率相比较来看，2013年和2014年的年内月平均雪被覆盖率分别为26.07%和22.95%，2014年比2013年下降了3.12%。从总体变化趋势可以看出，1—8月间，仅2013年1—2月份是覆盖率变大，其他月份的雪被覆盖率都在逐渐变小； 而9—12月份期间，直至第2年，覆盖率都在上下波动变化。9—12月份期间研究区的雪被覆盖率变化频繁，可能会在短短几天内发生较大变化。如： 2013年10月28日影像监测显示雪被覆盖率只有5.19%，2013年11月21日的雪被覆盖率达到了19.34%，2013年12月15日的雪被覆盖率消融只剩4.61%，到2014年1月24日雪被覆盖率达到了64.69%。雪被覆盖率变化频繁的原因，一方面是由于地区小气候作用，可能会在局部短期内形成强降雪； 另一方面，由于本地区干旱少雨和强烈日照影响，雪被又会在短短几天内大部消融。

从单月的雪被覆盖变化来看，2个周期变化中雪被覆盖率最大的时间均在1—2月份。其中2013年的最大时间出现在2月份，2013年2月14日达到了80.82%，在2013年1月29日已经达到了67.36%的覆盖率，根据2013年4月11日的监测结果推算，3月份的雪被覆盖率应该在58.19%。2014年的最大雪被覆盖时间出现在1月24日，雪被覆盖率达到了64.69%，而2013年12月份只有4.61%的覆盖率，到2014年2月9日，雪被部分消融后覆盖率变为49.53%。2个周期变化中雪被覆盖率最小时间均为8月份，在此之前雪被覆盖率持续下降。其中2013年的覆盖率最小时间出现在8月1日，覆盖率只有0.77%。而2014年年最小覆盖率时间为8月20日，覆盖率只有1.14%。

2个周期内，雪被覆盖范围的减小是个相对渐变的过程。2013—2014年的雪被覆盖1—2月份最大覆盖范围(2013年2月份的80.82%和2014年1月份的64.69%)，均一直到6月份才缩减到20%以下； 而雪被覆盖范围的增加是一个相对骤变的过程，雪被覆盖率从2013年12月15日的4.61%增加到2014年1月24日的64.69%只用了40 d，2014年11月24日的3.08%增加到2014年12月26日的32.06%也只用了32 d。

3.2 气温变化的统计分析

噶尔县和札达县2个气象站点2013—2014年气象资料统计分析结果表明，从2013年和2014年，无论最高温、最低温还是日均温，都是1月份温度最低，而7月份最高。2 a均为1—7月温度逐渐上升，直到7月份为全年温度最高月份； 8月—翌年1月，温度逐渐降低，翌年1月，温度降到全年最低(除2014年2月份的最高温度仍然继续降低，比2014年1月份的最高温低0.56℃)。

对比来看，2014年的气温普遍比2013年高。2014年年平均最低气温比2013年上升了0.16℃； 年平均日均温也比2013年上升了0.07℃，仅年平均最高温比2013年略低0.02℃。

3.3 雪被覆盖变化和气温变化之间的关系分析

刚进入冬季，温度并未到达极低值，零星小雪不会形成大范围的雪被持续覆盖，因此雪被覆盖面积百分比始终没有到达20%以上。从气象统计资料来看，2013年11月份接连3 d的降雪也未形成稳定的大范围雪被覆盖。

本次监测中2次最大范围的雪被覆盖范围都发生在1—2月份，2013年的雪被最大范围发生在2013年2月14日，达到80.82%，在此之前，2013年1月29日地表雪被覆盖率已经达到了67.36%； 2014年的雪被最大范围发生在1月24日，达到了64.69%。从气温资料数据来看，2013年1月29日前5 d的平均最高温、最低温和平均气温都达到了全年气温5 d均值(5 d平均最高温、平均最低温和平均气温)的最低点，分别为-13.30℃，-30.20℃和-21.75℃。可能受极端低温持续作用的影响，尽管到2013年2月14日时气温有所回暖，但是仍然由于连续降雪影响使得雪被覆盖范围出现了全年的极大值。从2014年1月19—23日这5 d平均最高温、最低温和平均气温同样达到或接近全年气温均值的最低点，分别为-7.40℃，-19.60℃(与全年最低温均值-19.81℃接近)和-13.50℃，外加该段时间内的持续降雪作用(气象资料显示监测间期多达6 d降雪)，使得监测区内的雪被范围达到了全年最大。

本次监测中2次最小雪盖范围都发生在8月，2013年的雪被最小范围发生在2013年8月1日，达0.77%； 2014年雪被最小范围发生在8月20日，达1.14%。从气温资料数据来看，2013年6月30日前5 d的平均最高温、最低温和平均气温，分别达到了21.50℃，8.70℃和15.10℃，雪被开始快速融化，面积大幅缩小； 进了7月份，气温继续上升，分别达到了22.42℃，9.87℃和16.15℃，雪被加速融化，面积进一步缩小； 尽管从7月27—31日的气温平均数据22.20℃，9.20℃和15.70℃来看，比7月平均数据略有下降，可是仍要高于6月30日前5 d的均值，因此雪被继续快速融化，面积继续缩小。终于在8月1日达到了年度最小雪被覆盖度0.77%。同样，2014年5月16日前5 d的平均最高温、最低温和平均气温，分别达到了10.40℃，-1.80℃和4.30℃，雪被开始融化，面积缩小； 6月份平均气温上升，分别达到了17.63℃，3.66℃和10.64℃，雪被开始快速融化，面积大幅缩小； 7月份平均气温继续上升，平均气温分别达到了21.35℃，9.00℃和15.18℃，雪被继续加速融化，面积进一步缩小； 8月15—19日，在又经历了一段相对较高温度(平均最高温、最低温和平均气温分别达到了19.80℃，6.20℃和13.00℃)后，终于在8月20日达到了年度最小雪被覆盖度1.14%。

总体来看，在2 a的周期内月均温和雪被覆盖百分比基本呈负相关现象，即随着温度增高，雪被覆盖百分比逐渐减小； 而随着温度降低，雪被覆盖百分比在逐渐增大。通过仔细分析，此二者的时间未严格对应，雪被覆盖百分比的变化大约滞后1个月。如2013年和2014年2 a的月平均最高温度的最大值都是出现在7月份，但是雪被覆盖的最小值却出现在8月份。对于月平均最高温、最低温和日均温，2013年月均气温最小值均出现在1月份； 进入2月气温回升微弱，加上连续降雪作用，顺延13 d后，在2月14日出现了雪被覆盖百分比的最大值。2014年1月的月均最低温和日均温达到全年最低值，仅月均最高温比2月稍高，尤其是1月19—23日这5 d平均最高温、最低温和平均气温低于或接近全年气温均值的最低点，分别为-7.40℃，-19.60℃(与全年最低温均值-19.81℃接近)和-13.50℃，外加持续降雪作用导致出现雪被覆盖百分比最大极值现象。从气象统计数据发现，2 a雪被覆盖极大值出现前5 d的最高温度均值均为-7.40℃。

我国农历节气作为气候概率的归纳总结，对于监测区内的雪被覆盖范围分布大小具有一定的指示意义： 2013年的最大雪被范围分布时间发生在立春(2月4日)之后的10 d，而2014年的最大雪被范围分布时间发生在立春(也为2月4日)前11 d； 2013年的最小雪被范围分布时间发生在立秋(8月7日)前6 d，而2014年的最小雪被范围分布时间发生在立秋(同为8月7日)之后13 d。

3.4 监测精度分析

为了检验雪被覆盖范围自动识别的精度，通过手动解译圈定的方式进行验证。选择2014年5月16日的遥感影像，进行了人工解译识别和精度分析，自动识别与目视解译结果的对比如表2所示。

表2 雪被覆盖面积自动识别与目视解译结果对比表

由表2可知，2014年5月16日雪被覆盖按照机器自动识别方式统计的面积百分比为22.06%，而目视解译方式统计的面积百分比为23.30%，如果把目视解译作为真值，则自动识别的的误差只有5.32%。这说明雪被覆盖范围自动识别提取结果较为准确。

4 结论

1)对工作区2013—2014年雪被的遥感监测分析表明，每年雪被覆盖范围最大时间为1—2月； 而雪被覆盖范围最小的时间为8月。其中，2013年雪被覆盖率最大时间为2月，达到了80.82%； 覆盖率最小时间为8月，覆盖率只有0.77%。而2014年，雪被最大覆盖率发生于1月，达到了64.69%； 最小覆盖率也发生于8月，只有1.14%。

2)雪被覆盖面积变化，基本按年周期呈波浪式变动，面积减少持续时间较长，是相对渐变的过程； 而面积增加持续时间较短，是个相对骤变的过程。

3) 雪被覆盖范围的大小变化与气温的升降变化基本呈负相关。从总体趋势图上可以看出二者的升降趋势有比较好的一致性，地表雪被覆盖面积百分比的变化大约比气温变化滞后1个月。

4) 雪被覆盖范围的大小变化与我国农历节气具有一定的对应关系。

[1] 丁一汇.中国气象灾害大典:综合卷[M].北京:气象出版社,2008:746-824. Ding Y H.Chinese Meteorological Disasters Ceremony,Integrated Volume[M].Beijing:Meteorological Press,2008:746-824.

[2] 刘光轩.中国气象灾害大典:西藏卷[M].北京:气象出版社,2008:148-157. Liu G X.Chinese Meteorological Disasters Ceremony,Xizang Volume[M].Beijing:Meteorological Press,2008:148-157.

[3] 王玮,黄晓东,吕志邦,等.基于MODIS和AMER-E资料的青藏高原牧区雪被制图研究[J].草业学报,2013,22(4):227-238. Wang W,Huang X D,Lyu Z B,et al.A study on snow mapping in the Tibetan Plateau based on MODIS and AMSR-E data[J].Acta Prataculturae Sinica,2013,22(4):227-238.

[4] 刘玉洁,郑照军,王丽波.我国西部地区冬季雪盖遥感和变化分析[J].气候与环境研究,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.

[5] 张焜,李晓民,马世斌,等.GF-1图像在中印边境楚鲁松杰村地质灾害调查中的应用[J].国土资源遥感,2016,28(2):139-148.doi:10.6046/gtzyyg.2016.02.22. Zhang K,Li X M,Ma S B,et al.Application of GF-1 image to geological disaster survey in Cosibsumgy village of Sino-India border area[J].Remote Sensing for Land and Resources,2016,28(2):139-148.doi:10.6046/gtzyyg.2016.02.22.

[6] 于惠,张学通,王玮,等.基于AMSR-E数据的青海省雪深遥感监测模型及其精度评价[J].干旱区研究,2011,28(2):255-261. Yu H,Zhang X T,Wang W,et al.Monitoring model and accuracy evaluation of snow depth in Qinghai Province based on AMSR-E data[J].Arid Zone Research,2011,28(2):255-261.

[7] 侯慧姝,杨宏业.MODIS积雪产品及研究应用概述[J].遥感技术与应用,2009,24(2):252-256. Hou H S,Yang H Y.A general introduction to MODIS snow products and its researching application[J].Remote Sensing Technology and Application,2009,24(2):252-256.

[8] 刘玉洁,袁秀卿,张红.用气象卫星资料监测积雪[J].环境遥感,1992,7(1):24-31. Liu Y J,Yuan X Q,Zhang H.Snow cover monitoring using meteorlogical satellite data[J].Remote Sensing of Environment China,1992,7(1):24-31.

[9] 马丽云,李建刚,李帅.基于FY-3/MERSI数据的新疆融雪性洪水灾害监测[J].国土资源遥感,2015,27(4):73-78.doi:10.6046/gtzyyg.2015.04.12. Ma L Y,Li J G,Li S.Snowmelt flood disaster monitoring based on FY-3/MERSI in Xinjiang[J].Remote Sensing for Land and Resources,2015,27(4):73-78.doi:10.6046/gtzyyg.2015.04.12.

[10]张镱锂,李炳元,郑度.论青藏高原范围与面积[J].地理研究,2002,21(1):1-8. Zhang Y L,Li B Y,Zheng D.A discussion on the boundary and area of the Tibetan Plateau in China[J].Geographical Research,2002,21(1):1-8.

[11]孙鸿烈.青藏高原的形成演化[M].上海:上海科学技术出版社,1996:1-9. Sun H L.Formation and Evolution of Qinghai-Xizang Plateau[M].Shanghai:Shanghai Science and Technology Publishing House,1996:1-9.

(责任编辑： 邢宇)

Snow cover remote sensing monitoring in the west of Ngari area in northern Tibet from 2013 to 2014

YAN Yunpeng1， LIU Gang1， LIU Jianyu1， HAN Cong2， ZHAO Zixian2

(1.ChinaAeroGeophysicalSurveyandRemoteSensingCenterforLandandResources,Beijing100083,China； 2.ChinaUniversityofGeosciences(Beijing),Beijing100083,China)

Based on medium resolution satellite remote sensing (RS) data Landset ETM and OLI from 2013 to 2014, the authors conducted snow cover RS monitoring in the west of Ngari area in northern Tibet. Changing characteristics of snow-covered area over the two years were summed up by utilizing the statistical calculation method. Using the air temperature data, the authors studied in detail the corresponding rule between the snow-covered area changes and the air temperature value changes. Some conclusions have been reached: Every year the maximum period of the snow-covered area is from January to February, about 10 days before or after the beginning of spring. The maximum percentage of the snow-covered area reaches 80.82 percent. The minimum period of the snow-covered area is August, about 10 days before or after the beginning of autumn. The minimum percentage of the snow-covered area is only 0.77 percent. Annually, the decrease from the maximum percentage of the snow-covered area to the minimum percentage lasts for 6-7 months, which is a relatively gradual process. In the second stage, there is a fluctuation percentage of the snow-covered area for about 4-5 months. At last, the increase from the fluctuation percentage to the maximum percentage is a relatively drastic process lasting for 1 month or so.

northern Tibet； Ngari area; cryosphere； remote sensing monitoring； snow cover

10.6046/gtzyyg.2016.04.28

燕云鹏，刘刚，刘建宇,等.2013—2014年西藏阿里西部地区雪被覆盖遥感动态监测[J].国土资源遥感,2016,28(4):185-190.(Yan Y P，Liu G，Liu J Y,et al.Snow cover remote sensing monitoring in the west of Ngari area in northern Tibet from 2013 to 2014[J].Remote Sensing for Land and Resources,2016,28(4):185-190.)

2015-05-31；

2015-07-06

中国地质调查局地质调查项目“西北边境地区国土资源遥感综合调查”(编号： 12120113003300)与“全国边海防地区基础地质遥感调查”(编号： DD20160076)共同资助。

TP 79

A

1001-070X(2016)04-0185-06

燕云鹏(1977-)，男，博士，高级工程师，长期从事环境地质调查研究与地学数据库建设工作。 Email: ypyan@sohu.com。