摘要
积雪的精确量化有助于融雪径流的预测、淡水可用性的评估和地球能量平衡的分析。然而，现有的积雪覆盖率数据(fractional snow cover, FSC)经常受到限制，例如空间和时间间隙、折衷的精度和粗糙的空间分辨率。这些限制严重阻碍了有效监测积雪动态的能力。为了应对这些巨大的挑战，这项研究引入了一种新的数据融合框架，专门设计用于在北美等广大地区生成高分辨率(1 km)的逐日积雪覆盖率估算，无论天气条件如何。它通过多级处理管道有效地整合了粗分辨率和细分辨率FSC数据的互补时空特征来实现这一目标。该多级数据处理管道采用了偏差校正、间隙填充和考虑积雪动态特征的创新策略，最终实现了融合FSC数据的高精度和高时空完整性。在研究期间(2015年9月至2016年5月)，对融合的FSC数据的准确性进行了全面评估，显示出与独立数据集的良好一致性，包括Landsat衍生的积雪覆盖率(共24个场景；RMSE = 6.8–18.9%)和地面积雪观测(1435个站点)。值得注意的是，融合后的数据在Overall Accuracy (0.92 vs. 0.91)、F1_score (0.86 vs. 0.83)和Kappa系数(0.80 vs. 0.77)方面优于广泛使用的交互式多传感器冰雪制图系统(Interactive Multi-sensor Snow and Ice Mapping System, IMS)逐日积雪范围数据。此外，与IMS数据相比，融合后的FSC数据在准确捕捉复杂的逐日积雪动态方面表现出优越的性能，这一点得到了四个积雪物候指标与地面观测结果高度一致的证实。综上所述，本研究所提出的数据融合框架通过生成高精度、时空完整的逐日FSC图，有效地捕捉积雪的时空变化，在积雪监测方面取得了重大进展。这些FSC数据集对于全球和区域尺度的气候预测、水文研究和水资源管理都具有重要价值。
研究方法
图2展示了本文所提出的数据融合框架的流程图。该框架解决了在整个大陆生成时空连续的高分辨率FSC数据(逐日，1 km)的挑战。它通过采用多步骤方法来实现这一点。1）鉴于不可能在大面积的大陆区域上获得空间完整且连续有效的光学卫星观测数据，初始预处理是通过实施时空间隙填充方法来解决原始FSC网格单元中的缺失数据。2）对每个1 km网格单元应用一种新的复合数据融合方法融合两个卫星的FSC数据信息。3）应用后处理方法作为附加的细化步骤，以最终生成横跨北美区域的时空完整的FSC估计图。
图2：估算1 km的时空完整FSC数据的流程图
结果
1）使用Landsat的参考积雪覆盖率验证融合后FSC的精度
图5. 9个场景的Landsat参考积雪覆盖率(x轴)与融合积雪覆盖率(FusedFSC, y轴)的散点图
2）使用地面站点验证融合后FSC的精度，并与逐日的IMS积雪范围数据作对比。
图9.使用地面雪深测量验证积雪产品(FusedFSC和IMS)的精度指标。常绿阔叶林类型的地面雪深记录数量有限，因此未在图中显示。提供了常绿针叶林(ENF)、落叶针叶林(NDF)、落叶阔叶林(DBF)、封闭灌丛地(CS)、开放灌丛地(OS)、永久湿地(PW)、农田或天然植被花丛(CNVM)、城市和建设用地(UBL)等缩写供参考。
图10. 小提琴图显示了融合积雪覆盖率数据(FusedFSC)和IMS积雪范围数据与来自3000个站点的雪深观测数据相比，四个积雪物候指标(积雪持续时间、积雪开始日期、积雪结束日期和积雪天数)的误差分布。单位：天。
3) 时空完整性
图12. 2015年9月- 2016年5月每月15日MODIS_FSC_1km与FusedFSC结果(1 km)积雪空间分布比较第1列、第3列、第5列分别显示了三个Landsat场景区域(path/row: 033032、037024、077013)的MODIS_FSC_1km。第二列、第四列、第六列显示“FusedFSC”的结果。空白区域表示由于各种原因而缺失的值。
研究结论：
1） 本文提出了一种新的FSC数据融合框架，有效地克服了传统卫星FSC估算结果的局限性。
2） 通过利用粗分辨率和细分辨率FSC数据的互补优势，该建议框架实现了跨北美等广大地区的1km分辨率的高精度、空间完整性和时间连续的每日FSC产品的生成。
3） 使用多种独立验证数据和现有的IMS积雪范围产品，全面的评估数据融合结果的精度，验证分析结果显示了该数据融合框架在估算FSC方面的优越性能。
4） 该数据融合框架的潜力还延伸到全球积雪监测，它的全天候功能和利用再分析数据或卫星产品的适应性使其成为生成一致和全面的全球积雪数据集的通用工具。
文章链接：
