基于MODIS数据的我国天山典型区积雪特征研究_张文博
引用格式：Ｚｈａｎｇ Ｗｅｎｂｏ，Ｘｉａｏ Ｐｅｎｇｆｅｎｇ，Ｆｅｎｇ Ｘｕｅｚｈｉ．Ａ Ｓｔｕｄｙ ｏｎ Ｓｎｏｗ Ｃｏｖｅｒ Ｖａｒｉａｂｉｌｉｔｙ Ｕｓｉｎｇ ＭＯＤＩＳ ｉｎ ｔｈｅ Ｔｙｐｉ－ｃａｌ Ａｒｅａ ｏｆ Ｔｉａｎｓｈａｎ Ｍｏｕｎｔａｉｎｓ，Ｃｈｉｎａ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ，２０１２，２７（５）：７４６－７５３．［张文博，肖鹏峰，冯学智．基于ＭＯＤＩＳ数据的我国天山典型区积雪特征研究［Ｊ］．遥感技术与应用，２０１２，２７（５）：７４６－
７５３．］收稿日期：２０１１－１１－０４；修订日期：２０１２－０６－
１９基金项目：干旱区水循环与水利用新疆自治区重点实验室开放课题（ＸＪＹＳ０９０７－
２００９０４）资助。作者简介：张文博（１９８７－），男，吉林吉林人，硕士研究生，主要从事积雪遥感研究。Ｅ－ｍａｉｌ：ｗｅｎｂｏ１９８７０５１５＠１６３．ｃｏｍ。
基于ＭＯＤＩＳ数据的我国天山
典型区积雪特征研究
张文博，肖鹏峰，冯学智
（南京大学地理信息科学系，江苏南京 ２１００９３
）摘要：准确监测天山地区积雪面积和积雪日数对合理利用水资源及分析区域气候变化有重要意义。ＭＯＤＩＳ每日积雪产品可以为大面积快速积雪制图与监测提供依据，
但因云量较高成为其应用的瓶颈。利用结合ＭＯＤＩＳ产品的时间与空间信息有效地减少了云对ＭＯＤＩＳ积雪产品的影响，并利用改进的ＭＯＤＩＳ积雪数据和ＤＥＭ分析２００２～２００９年天山地区积雪面积和积雪日数的变化特征。结果表明：积雪频率总体上随着海拔升高而增大；不同坡向积雪面积差异明显，西北坡积雪覆盖率最高，北坡、西坡和东北坡次之，南坡和东南坡的积雪覆盖率最低；２００６～２００８年研究区积雪面积出现低值，年内最大积雪面积呈逐年减少的趋势；随着海拔下降，积雪日数逐渐变小，天山南部地区积雪日数仅为４０ｄ以下；积雪日数大的区域年际积雪日数变化相对稳定，积雪日数少于４０ｄ的区域积雪日数的变异系数最大，年际积雪日数变化不稳定。关 键 词：ＭＯＤＩＳ积雪数据；
去云；积雪面积；积雪日数；天山中图分类号：ＴＰ ７９ 文献标志码：Ａ 文章编号：１００４－０３２３（２０１２）０５－０７４６－
０８１ 引 言
山区冰川与积雪是重要的淡水资源之一。在我国西北干旱半干旱地区，积雪融水形成的春汛，对农
业灌溉有重要意义［１－
２］。天山地区冬季降雪丰沛，夏
季少雨，融雪径流成为该地区主要的水资源。因此有效地监测天山地区积雪面积和积雪日数对模拟山区融雪径流、
合理调度水资源、对抗冬季牧区雪灾及春夏洪涝灾害等方面有指导意义。
近年来遥感技术不断发展，成为监测积雪的重要手段。ＭＯＤＩＳ数据以高时间分辨率和５００ｍ的空间分辨率，逐渐成为大尺度积雪动态监测的重要
数据源［３－
６］。许多国内外学者对ＭＯＤＩＳ积雪产品的识别精度进行了研究［７－
１１］，证明其在晴天下积雪
识别精度很高，整体精度达到９０％以上，
并可用于分析新疆天山地区积雪的时空分布特征［
１０］
。然而，大部分每日ＭＯＤＩＳ积雪数据的含云量很高，成为很多应用分析中的难题。目前，
多数研究利用结合两个ＭＯＤＩＳ积雪产品（ＭＯＤ１０Ａ１和ＭＯＤ１０Ａ２）
进行去云处理［１２－
１４］，因为同一天两个积雪产品的时
间间隔为３ｈ，其间云会移动使云量发生变化。另一种去云的方法为不定天数的最大积雪合成方法，它可以得到最大积雪像元数，同时使云量减为最少，
达到去云的目的［１４－
１６］。ＭＯＤＩＳ积雪８ｄ合成数据
产品（ＭＯＤ１０Ａ２）是最大积雪合成方法的一个代表，
其去云效果显著、数据获取方便，成为很多学者分析积雪变化特征的数据源［５－
６，１７］，但８ｄ的时间分
辨率不能满足研究积雪日数的要求。
本文通过结合ＭＯＤＩＳ／Ｔｅｒｒａ积雪产品（ＭＯＤ１０Ａ１）和ＭＯＤＩＳ／Ａｑｕａ积雪产品（ＭＹＤ１０Ａ１）、相邻时间填补、空间滤波及相邻时间最大合成４个步骤对ＭＯＤＩＳ积雪产品进行去云处理，
并利用改进后的积第２７卷 第５期２０１２年１０月
遥 感 技 术 与 应 用
ＲＥＭＯＴＥ
ＳＥＮＳＩＮＧ ＴＥＣＨＮＯＬＯＧＹ ＡＮＤ ＡＰＰＬＩＣＡＴＩＯＮ
Ｖｏｌ．２７ Ｎｏ．５
Ｏｃｔ．２０１２
雪数据和ＤＥＭ对我国天山地区积雪面积和积雪日数的时空分布特征进行分析，为天山地区水资源的合理利用提供科学依据。
２ 研究区概况及数据源
２．１ 研究区概况
天山是亚洲最大山系之一，呈纬向展布。我国境内天山东西长１ ７００ｋｍ，南北宽２５０～３５０ｋｍ。天山是新疆三大山系中降雪最多的山区，也是我国陆地积雪的一个主要区域。
本文所选的天山典型区为位于４１°～４６°Ｎ、８０°～８９°Ｅ之间的天山区域。区内分布有博洛霍
罗山、依连哈比尔尕山、阿吾拉勒山、乌孙山、那拉提山、哈尔克他乌山、艾尔宾山、科克铁克山、霍罗山等山脉，以及伊犁谷地、特克斯谷地、大小尤尔都斯盆地等，地处内陆中纬度西风带。由于巨大的高度和有利的地理位置以及独特的山地走势，冬季山区降雪丰富，成为众多河流、湖泊的发源地。河流汇集雪冰融水与雨水，成为灌溉山间盆地和谷地以及山前平原农田和牧场的主要水源
。
图１ 研究区示意图
Ｆｉｇ．１ Ｓｔｕｄｙ
ａｒｅａ ｉｎ ｔｈｅ Ｔｉａｎｓｈａｎ ｍｏｕｎｔａｉｎｓ２．２ 数据及预处理
本研究所采用的积雪数据资料来源于美国国家雪冰数据中心（ＮＳＩＤＣ）提供的ＭＯＤＩＳ／Ｔｅｒｒａ每日
积雪产品（ＭＯＤ１０Ａ１）和ＭＯＤＩＳ／Ａｑｕａ每日积雪产品（ＭＹＤ１０Ａ１）。天山地理环境复杂，为验证ＭＯＤＩＳ积雪产品用于天山地区的可信度，本研究参照更高分辨率的Ｌａｎｄｓａｔ ＴＭ／ＥＴＭ＋影像数据提取的积雪范围对ＭＯＤＩＳ产品进行评价（
表１），可以看出ＭＯＤＩＳ积雪产品的正确率均比较高，平均正确率可达９１．０２％，因此可以用于天山地区的积雪特征研究。
由于本研究区内稳定积雪区９月份积雪已经开始，且可持续到次年４月甚至５月，因此，本研究选取９月至次年５月作为一个积雪年来分析积雪的变化特征，并且“年”均以“年度”为单位，即２００２年代表２００２年９月１日至２００３年５月３１日，依此类推。覆盖研究区的影像有两幅，编码分别为ｈ２３ｖ０４和ｈ２４ｖ０４，本研究下载了２００２～２００９年所有可用
表１ ＭＯＤＩＳ积雪产品与Ｌａｎｄｓａｔ
ＴＭ／ＥＴＭ＋影像对比评价表
Ｔａｂｌｅ １ Ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ＭＯＤＩＳ ｓｎｏｗ ｃｏｖｅｒ ｐｒｏｄｕｃｔｓｃｏｍｐ
ａｒｅｄ ｗｉｔｈ Ｌａｎｄｓａｔ ＴＭ／ＥＴＭ＋ｓｎｏｗ ｃｏｖｅｒ日期
ＭＯＤＩＳ产品含云量／％
正确率／％２００３年１月４日１９．０５ ８８．２２２００３年１月２０日２７．３８ ８８．７１２００３年３月２５日６６．１９ ９０．５３２００３年４月１０日１４．２２ ８８．９５２００６年９月１７日１．８８ ８７．１８２００６年１０月３日３４．５９ ９５．７５２００７年５月１５日０．０８ ９２．９１２００７年５月３１日１．８９ ９２．７８２００７年９月４日３８．７０ ９５．５０２００７年９月２０日７９．７１ ９５．５３２００９年５月２０日８０．６２ ８８．７３２００９年１１月１２日６９．８３ ９３．２５２００９年１２月１４日４６．７１ ８５．１５平均值
３６．９９
９１．０２
７４７第５期 张文博等：基于ＭＯＤＩＳ数据的我国天山典型区积雪特征研究
的ＭＯＤＩＳ／Ｔｅｒｒａ和ＭＯＤＩＳ／Ａｑｕａ积雪产品（表２），其中，缺失数据的日期只用一个传感器的积雪产品，如２００３年２月１日Ｔｅｒｒａ积雪产品缺失，则该日只利用Ａｑｕａ积雪产品进行去云计算。积雪产品空间分辨率为５００ｍ，文件为ｈｄｆ格式，投影为Ｉｎ－ｔｅｒｇｒｉｚｅｄ Ｓｉｎｏｓｏｉｄａｌ ＧＲＩＤ。利用ＭＯＤＩＳ网站提供的ＭＲＴ软件将所有影像转换为通用横轴墨卡托投影（ＵＴＭ），按照经纬度范围裁剪到本文研究区，得到ＧｅｏＴＩＦＦ格式的积雪影像。
将ＭＯＤＩＳ积雪产品中的类型按照以下规则重
表２ 本研究使用的ＭＯＤＩＳ积雪产品信息表
Ｔａｂｌｅ ２ ＭＯＤＩＳ ｓｎｏｗ ｃｏｖｅｒ ｉｍａｇｅｓ ｕｓｅｄ ｉｎ ｔｈｉｓ ｓｔｕｄｙ
影像时段
Ｔｅｒｒａ（ＭＯＤ１０Ａ１）
影像数／景缺失
Ａｑｕａ（ＭＹＤ１０Ａ１）
影像数／景缺失
２００２．９．１～２００３．５．３１ ５４４ ２００３．２．１ ５４２ ２００２．９．１３，２００２．９．１４２００３．９．１～２００４．５．３１ ５３０ ２００３．１２．１７～１２．２４，２００４．２．１９ ５４６ ２００４．２．７
２００４．９．１～２００５．５．３１ ５４６ ５４６
２００５．９．１～２００６．５．３１ ５４６ ５４６
２００６．９．１～２００７．５．３１ ５４６ ５４６
２００７．９．１～２００８．５．３１ ５４８ ５４６ ２００７．１２．２
２００８．９．１～２００９．５．３１ ５３８ ２００８．１２．２０～１２．２３ ５４６
２００９．９．１～２０１０．５．３１ ５４４ ２０１０．２．１ ５４６
合计４ ３４２ ３０ ４ ３６４ ８
新分成３类：原有的积雪（ｓｎｏｗ）和湖冰（ｌａｋｅ ｉｃｅ）归类成积雪（ｓｎｏｗ）；无雪（ｎｏ ｓｎｏｗ）、湖泊（ｌａｋｅ）和海洋（ｏｃｅａｎ）归为无雪（ｎｏ ｓｎｏｗ）；云（ｃｌｏｕｄ）和其他类（ｍｉｓｓｉｎｇ ｓｅｎｓｏｒ ｄａｔａ，ｎｏ ｄｅｃｉｓｉｏｎ，ｎｉｇｈｔ，ｄｅｔｅｃｔｏｒｓａｔｕｒａｔｅｄ，ｆｉｌｌ）归为云（ｃｌｏｕｄ）。然后将这３类分别编码为２００、５０和２５，用于后续分析。
本研究采用的ＤＥＭ数据为ＡＳＴＥＲ ＧＤＥＭ数据，空间分辨率３０ｍ，数据来源于中国科学院计算机网络信息中心国际科学数据镜像网站（ｈｔｔｐ：／／ｄａｔ－ａｍｉｒｒｏｒ．ｃｓｄｂ．ｃｎ／）。为了与积雪产品匹配，将其空间分辨率重采样为５００ｍ。研究区的坡向数据由ＤＥＭ得到，按照方位角将研究区分为８个坡向：北坡（０°～２２．５°及３３７．５°～３６０°）、东北坡（２２．５°～６７．５°）、东坡（６７．５°～１１２．５°）、东南坡（１１２．５°～１５７．５°）、南坡（１５７．５°～２０２．５°）、西南坡（２０２．５°～２４７．５°）、西坡（２４７．５°～２９２．５°）以及西北坡（２９２．５°～３３７．５°）。
３ 去云方法
本研究根据结合影像不同空间和时间信息的算法［１２－１５］，利用４个步骤对ＭＯＤＩＳ积雪产品进行去云处理，得到不定天数的积雪产品。最后积雪数据的时间分辨率平均为２～３ｄ，每一步的输出影像都是下一步的输入影像，所有的步骤都在ＩＤＬ语言中编程实现。
３．１ Ｔｅｒｒａ－Ａｑｕａ积雪影像合成
同一天的ＭＯＤＩＳ／Ｔｅｒｒａ积雪产品（ＭＯＤ１０Ａ１）和ＭＯＤＩＳ／Ａｑｕａ积雪产品（ＭＹＤ１０Ａ１）成像时间相差３ｈ左右，这段时间内云会移动产生云量变化。这样，如果两个积雪产品中任意一个产品的像元类型为雪，就将该像元类型定义为雪；如果一个数据产品中的像元类型为非雪，另一个数据产品中的像元类型为非雪或云，则其结果定义为非雪；如果两个数据产品中像元类型均为云，其类型仍为云。因为雪（２００）、非雪（５０）和云（２５）的编码为降序排列，所以此步骤可以概括为求两个数据产品中的最大值，公式如式（１）：
Ｓｔｉ，ｊ＝ｍａｘ（Ｔｔｉ，ｊ，Ａｔｉ，ｊ） （１）其中：ｉ和ｊ为影像中的行列号，ｔ为影像对应的日期，Ｓ、Ｔ和Ａ分别对应ＭＯＤＩＳ Ｔｅｒｒａ积雪产品、Ａｑｕａ积雪产品和输出影像的像元值。
３．２ 相邻时间填补
该步骤中，如果一个像元类型为云，那么利用该像元之前一天和之后一天的类型来确定当日像元的真实地表覆盖类型。如果一个像元被判定为云，并且其前后两天积雪类型相同且非云，则当日该像元类型应该确定为其前后两天像元的类型。也就是说，如果一个像元的类型为云，前后两天均为积雪，则该像元当日被定义为雪；如果一个像元前后两天均为非雪，则该像元当日被定义为非雪；其余情况该像元类型保持不变，仍然为云。
３．３ 空间滤波
如果一个像元的类型为云，而其周围８个像元中绝大多数（大于５个）像元类型为雪，那么该像元
８
４
７
遥 感 技 术 与 应 用 第２７卷
类型定义为雪；同样，如果该像元周围绝大多数像元类型为非雪，
则该像元的类型被定义为非雪。３．４ 相邻时间最大合成
该步骤和ＭＯＤＩＳ积雪８ｄ最大合成数据产品的方法类似，对于连续两天的数据来说，只要有一个数据中的像元为雪，该像元就判定为雪。得到的为不定天数的积雪产品数据，整个步骤的终止条件为
云量少于１０％，
或者合成天数超过８ｄ。通过上述４个步骤得到的遥感影像的含云量极大降低，可以有效减少云的影响。图２为２００２年９月１５日两个ＭＯＤＩＳ每日积雪产品分别通过上述４
个步骤得到的结果影像图，最后得到连续３ｄ的积雪产品，其云量由原来积雪产品中的５６．８６％和６３．０９％减少到最终的０．５７％
。
图２ ２００２年９月１５日去云过程影像图Ｆｉｇ．２ Ｃｌｏｕｄ ｃｏｖｅｒ ｆｏｒ １５Ｓｅｐ
．２００２４ 积雪面积的变化特征
４．１ 积雪面积随海拔变化特征
天山地区地形复杂，区域内高山阻隔水汽的输送，造成积雪面积分布不均匀。积雪面积的分布与地形因子密切相关，海拔高度不同会影响气温和降水特征，从而影响积雪的分布状况。为了分析积雪频率随高度变化情况，将研究区划分为７个高程带：梭梭荒漠带（８００ｍ以下）、草原至半灌木过渡带（８００～１ ２００ｍ）、山地草甸草原带（１
２００～１ ６００ｍ）、云杉林带（１ ６００～２
７００ｍ）、高山蒿草草原带（２ ７００～３ ０００ｍ）、高山垫状植被带（３
０００～３ ８００ｍ）以及冰雪带（３
８００ｍ以上）［１７
］
。利用去云之后的积雪影像计算出每个像元８ａ的平均积雪频
率，得到每个高度带不同积雪频率的直方图（图３），不同积雪频率的像元数代表该高度带不同积雪频率的积雪面积。由图３可以看出各个高度带积雪频率
的像元数差异明显，总体上，随着海拔增加，像元的积雪频率逐渐升高。８００ｍ以下以及８００～１ ２００ｍ两个高度带积雪像元的积雪频率多集中在２０％以下；１ ２００～１ ６００ｍ高度带积雪频率超过２０％的像元数量开始增多；１ ６００～２ ７００ｍ高度带像元的积雪频率增大，
但是大部分积雪像元的积雪频率仍然比较低，在３５％以下；２ ７００～３ ８００ｍ两个高度带像元的积雪频率大于４０％的像元数量明显增多；３
８００ｍ以上为永久积雪区，像元的积雪频率集中在６０％以上，峰值移动到８０％左右。４．２ 积雪面积随坡向变化特征
水汽来源和持续低温是积雪形成并得以维持的必要条件。迎风坡水汽来源丰富，积雪面积比背风坡大；阳坡所接受的太阳辐射比阴坡多，积雪面积将比阴坡少。图４为不同坡向与积雪覆盖率（年平均积雪面积与该坡度总面积的比值）分布图，可以看出，研究区范围内，不同坡向的积雪覆盖率差异明
９４７第５期 张文博等：基于ＭＯＤＩＳ数据的我国天山典型区积雪特征研究
图３ 不同高度带积雪频率直方图
Ｆｉｇ
．３ Ｓｎｏｗ ｃｏｖｅｒ ｄｉｓｔｒｉｂｕｔｉｏｎ ａｔ ｄｉｆｆｅｒｅｎｔ ａｌｔｉｔｕｄｅ
ｓ图４ 积雪覆盖率随坡向分布图
Ｆｉｇ．４ Ｓｎｏｗ ｃｏｖｅｒ ｄｉｓｔｒｉｂｕｔｉｏｎ ａｔ ｄｉｆｆｅｒｅｎｔ ａｓｐ
ｅｃｔｓ显。北坡、东北破、西坡和西北坡的积雪覆盖率均在０．１５以上，而南坡和东南坡积雪覆盖率仅为０．１左
右。这是因为，冬季研究区主要受极地西北冷空气南下影响，这一冷空气带来强风带，通过阿拉山风口和额敏风口进入新疆天山地区带来大量降雪。该风带呈西北—东南走向，造成西北向和东南向的雪盖差异。南坡处于阳坡，得到的太阳辐射多，积雪易融化，导致南坡的积雪覆盖率下降。因此，受水汽和热量的共同影响，北坡、东北坡、西坡以及西北坡积雪覆盖率相对较高，而南坡和东南坡的积雪覆盖率相对较低。４．３ 积雪面积随时间变化特征
图５为研究区连续８ａ的积雪面积变化图。积雪的年内变化显著（图５（ａ）），９月份研究区含有少量积雪，积雪主要分布在高海拔永久积雪区域。１１月份积雪面积迅速扩大，研究区大部分地区进入积
雪期。随着降雪不断增加，１月中旬研究区积雪面积达到最大，积雪持续到３月份，在３月末大部分低海拔地区，包括新疆南部靠近沙漠的地区积雪开始融化，
积雪面积大量减少，直至５月末，积雪面积减少到５万ｋｍ２
以下，积雪主要分布在永久积雪区，整个年内积雪过程积雪面积呈现中间多、两
端
图５ ２００２～２００９年积雪面积变化图Ｆｉｇ
．５ Ｓｎｏｗ ｃｏｖｅｒ ｅｘｔｅｎｔ ｆｒｏｍ ２００２ｔｏ ２００９０
５７ 遥 感 技 术 与 应 用 第２７卷
少的形状。由图５（ｂ
）可以看出，积雪面积的年际差异很大，研究区前４ａ年均积雪面积在１０万ｋｍ
２
左右变化，２００６年平均积雪面积明显减少，２００６～２００８年连续３ａ平均积雪面积出现低值，仅为８万ｋｍ
２
左右。最大积雪面积代表了年内积雪面积的峰值，其数量大小及发生时间对研究区年平均积雪面积有重要的影响，图６为积雪最大面积和最大积雪日逐年变化图，最大积雪面积的分布状况和年平均积雪面积的分布状况相对一致。２００２～２００６年的最大积
雪面积均为４０万ｋｍ２
左右，而２００８年的最大积雪
面积下降到３０万ｋｍ２
左右，
整体上最大积雪面积呈逐年减少的趋势（Ｒ２＝０．６８５）。对最大积雪日的分析可以看出，前５ａ最大积雪面积主要出现在１２月中旬到１月中旬，而后３ａ最大积雪出现的时间推迟到了１月中旬或者２月初。２００８年的年平均积雪面积和年内最大积雪面积均较低，综合来看，其为典型的少雪年
。
图６ 最大积雪面积和最大积雪日逐年变化图Ｆｉｇ
．６ Ｍａｘｉｍｕｍ ｓｎｏｗ ｃｏｖｅｒ ｅｘｔｅｎｔ ａｎｄｄａｙ
ｏｆ ｍａｘｉｍｕｍ ｓｎｏｗ ｃｏｖｅｒ５ 积雪日数的变化特征
５．１ 积雪日数的空间分布特征
本研究利用去云的ＭＯＤＩＳ积雪数据，
每个像元在一个积雪季节（９月１日至次年５月３１日）内的积雪日数计算方法如式（２
）：ＳＤ＝
∑Ｎ
ｉ＝１
Ｄｉ
（２
）其中：ＳＤ为每个像元的积雪日数，Ｎ为每个积雪季
节内影像数据个数，Ｄｉ为第ｉ景影像的积雪日数。例如，如果一个影像为２ｄ合成影像，则该影像中像元值为２００的像元Ｄｉ值赋为２，否则赋为０。这样得到每年的积雪期数据，多年平均得到研究区积雪分布图（图７
）
。图７ 研究区积雪日数分布图
Ｆｉｇ．７ Ａｖｅｒａｇｅ ｓｎｏｗ ｃｏｖｅｒ ｄｕｒａｔｉｏｎ ｏｆ ｔｈｅ ｓｔｕｄｙ
ａｒｅａ天山地区地形复杂，冬季天山南部由于高山阻隔西北方向输送的水汽的影响，积雪较晚。且其地处沙漠地区，昼夜温差大，积雪易融化，积雪的终止日期较早，
导致年积雪日数较小。对照图１研究区ＤＥＭ数据可以发现，
积雪日数和高程分布有着密切关系，在９月１日至次年５月３１日的积雪季节里，积雪日数超过２００ｄ的区域主要分布在那拉提山、依连哈比尔尕山、巴里坤山等海拔高于３ ５００ｍ的山顶地区；积雪日数在１６０～２００ｄ和１２０～１６０ｄ的区域主要分布在２ ７００～３ ５００ｍ海拔范围内；积雪日数为４０～１２０ｄ的区域对应为海拔１ ５００ｍ和部分１ ０００ｍ左右的海拔高度；积雪日数在４０ｄ之内的像元则主要分布在低海拔河谷地区和天山南部沙漠地区。
５．２ 积雪日数的年际变化特征
近年来，受冬季降水和冬季平均气温影响，研究
区积雪日数的年际变化明显［
１８－２０
］。为了分析积雪日数的年际变化情况，
利用每年的积雪日数计算变异系数，得到研究区积雪日数的变异系数分布图（图８
）。变异系数越大，说明积雪日数的年际变化越明显。由图８可以看出，积雪日数变异系数的分布和积雪日数的分布基本相同，只是趋势相反。积雪日数较长的区域积雪日数的变异系数较小，年均积雪
日数为２００ｄ以上的高海拔地区以及天山中段地区积雪日数的变异系数均在０．３以内，高海拔地区常年低温，天山中段每年西北冷空气带来的水汽充足、降雪丰沛，因此这些地区积雪日数大且年际变化稳定；而积雪日数较小的天山南部以及部分区域的河谷地区变异系数较大，最高达到２以上，天山南部地处沙漠地区，全年降水量少，冬季寒流的强弱直接影响该区域的积雪日数，并且该地区海拔较低，积雪状
１５７第５期 张文博等：基于ＭＯＤＩＳ数据的我国天山典型区积雪特征研究
况受当地气候等因素影响明显，年际积雪日数变化不稳定
。
图８ 研究区积雪日数变异系数分布图Ｆｉｇ．８ Ｃｏｅｆｆｉｃｉｅｎｔ ｏｆ ｖａｒｉａｔｉｏｎ ｍａｐ
ｏｆ ｓｎｏｗ ｃｏｖｅｒｄｕｒａｔｉｏｎ ｏｆ ｔｈｅ ｓｔｕｄｙ
ａｒｅａ６ 结 语
本研究针对ＭＯＤＩＳ／Ｔｅｒｒａ（ＭＯＤ１０Ａ１）和
ＭＯＤＩＳ／Ａｑｕａ（ＭＹＤ１０Ａ１）积雪产品数据高云量的问题，利用４个步骤有效地减少了云的影响，得到天山地区２００２～２００９年的积雪影像，结合ＤＥＭ对天山地区积雪面积及积雪日数的分布特征进行分析，得到以下结论：
（１
）研究区积雪面积与海拔密切相关，海拔越高，积雪的覆盖频率越大。总体全年积雪频率高值的积雪像元主要集中在３ ８００ｍ以上的高海拔区域，随着海拔下降，积雪频率逐渐下降，１ ６００ｍ以下的区域大部分像元积雪频率分布在２０％以下。（２
）受水汽运输和太阳辐射的影响，不同坡向的积雪差异明显，水汽来源方向的西北坡积雪覆盖率最大，其次为北坡、西北坡和东北坡；南坡的积雪覆盖率最小。
（３）１１月份大部分地区进入积雪季节，表现为积雪面积的迅速扩大，１月份积雪面积达到顶峰，持续到３月份大部分地区积雪面积开始减少。研究区积雪面积年际变化明显，最大积雪面积呈逐年减少的趋势，从平均积雪面积及最大积雪面积看，２００８年为典型少雪年。
（４）积雪日数较长的地区主要分布在海拔较高的高山带，随着海拔下降积雪日数变小，天山南部及海拔较低的河谷地区积雪日数仅为４０ｄ以下。积雪日数的变化情况和积雪日数的大小有一定相关性，天山南部积雪日数小，年际积雪日数变化剧烈，
而高山地区年际积雪日数变化相对较小。
参考文献（Ｒｅｆｅｒｅｎｃｅｓ
）：［１］ Ｌｉ Ｐｅｉｊｉ，Ｍｉ Ｄｅｓｈｅｎｇ
．Ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ Ｓｎｏｗ Ｃｏｖｅｒ ｉｎ Ｃｈｉｎａ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｇｌａｃｉｏｌｏｇｙ ａｎｄ Ｃｒｙｏｐｅｄｏｌｏｇｙ，１９８３，５（４）：９－１８．［李培基，米德生．中国积雪的分布［Ｊ］．冰川冻土，１９８３，５（４）：９－１８．
］［２］ Ｌｉ Ｐｅｉｊｉ．Ａ Ｐｒｅｌｉｍｉｎａｒｙ Ｓｔｕｄｙ
ｏｆ Ｓｎｏｗ Ｍａｓｓ Ｖａｒｉａｔｉｏｎｓ ｏｖｅｒＰａｓｔ ３０Ｙｅａｒｓ ｉｎ Ｃｈｉｎａ［Ｊ］．Ａｃｔａ Ｍｅｔｅｏｒｏｌｏｇｉｃａ Ｓｉｎｉｃａ，１９９０，４８（４）：４３３－４３７．［李培基．近３０年来我国雪量变化的初步探讨［Ｊ］．气象学报，１９９０，４８（４）：４３３－
４３７．］［３］ Ｗａｎｇ Ｘ Ｗ，Ｘｉｅ Ｈ Ｊ．Ｎｅｗ Ｍｅｔｈｏｄｓ ｆｏｒ Ｓｔｕｄｙｉｎｇ
ｔｈｅ Ｓｐａｔｉｏ－ｔｅｍｐｏｒａｌ Ｖａｒｉａｔｉｏｎ ｏｆ Ｓｎｏｗ Ｃｏｖｅｒ ｂａｓｅｄ ｏｎ ＣｏｍｂｉｎａｔｉｏｎＰｒｏｄｕｃｔｓ ｏｆ ＭＯＤＩＳ Ｔｅｒｒａ ａｎｄ Ａｑｕａ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｈｙｄｒｏｌｏ－ｇｙ
，２００９，３７１：１９２－２００．［４］ Ｈｏｕ Ｈｕｉｓｈｕ，Ｙａｎｇ
Ｈｏｎｇｙｅ．Ａ Ｇｅｎｅｒａｌ Ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ ＭＯ－ＤＩＳ Ｓｎｏｗ Ｐｒｏｄｕｃｔｓ ａｎｄ Ｉｔｓ Ｒｅｓｅａｒｃｈｉｎｇ Ａｐｐｌｉｃａｔｉｏｎ［Ｊ］．Ｒｅ－ｍｏｔｅ Ｓｅｎｓｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ，２００９，２４（２）：２５２－２５６．［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．］［５］ Ｍｕ Ｚｈｅｎｘｉａ，Ｊｉａｎｇ
Ｈｕｉｆａｎｇ，Ｌｉｕ Ｆｅｎｇ．Ｓｐａｔｉａｌ ａｎｄ ＴｅｍｐｏｒａｌＶａｒｉａｔｉｏｎｓ ｏｆ Ｓｎｏｗ Ｃｏｖｅｒ Ａｒｅａ ａｎｄ ＮＤＶＩ ｉｎ ｔｈｅ Ｗｅｓｔ ｏｆＴｉａｎｓｈａｎ Ｍｏｕｎｔａｉｎｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｇｌａｃｉｏｌｏｇｙ ａｎｄ Ｇｅｏｃｒｙｏｌｏ－ｇｙ
，２０１０，３２（５）：８７５－８８２．［穆振侠，姜卉芳，刘丰．２００１～２００８年天山西部山区积雪覆盖及ＮＤＶＩ的时空变化特性［Ｊ］．冰川冻土，２０１０，３２（５）：８７５－
８８２．］［６］ Ｈｕａｎｇ Ｚｈｅｎ，Ｃｕｉ Ｃａｉｘｉａ．Ｓｎｏｗ Ｍｏｎｉｔｏｒｉｎｇ Ｕｓｉｎｇ
ＥＯＳ／ＭＯ－ＤＩＳ Ｄａｔａ ｉｎ Ｘｉｎｊｉａｎｇ，Ｃｈｉｎａ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｇｌａｃｉｏｌｏｇｙ ａｎｄＧｅｏｃｒｙｏｌｏｇｙ，２００６，２８（３）：３４３－３４７．［黄镇，崔彩霞．基于ＥＯＳ／ＭＯＤＩＳ的新疆积雪监测［Ｊ］．冰川冻土，２００６，２８（３）：３４３－
３４７．］［７］ Ｂｒｏｗｎ Ｒ，Ｄｅｒｋｓｅｎ Ｃ，Ｗａｎｇ Ｌ．Ａｓｓｅｓｓｍｅｎｔ ｏｆ Ｓｐｒｉｎｇ
ＳｎｏｗＣｏｖｅｒ Ｄｕｒａｔｉｏｎ Ｖａｒｉａｂｉｌｉｔｙ ｏｖｅｒ Ｎｏｒｔｈｅｒｎ Ｃａｎａｄａ ｆｒｏｍ Ｓａｔｅｌ－ｌｉｔｅ Ｄａｔａｓｅｔｓ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，２００７，１１１：３６７－
３８１．［８］Ｈａｌｌ Ｄ Ｋ，Ｒｉｇｇｓ Ｇ Ａ．Ａｃｃｕｒａｃｙ
Ａｓｓｅｓｓｍｅｎｔ ｏｆ ｔｈｅ ＭＯＤＩＳＳｎｏｗ Ｐｒｏｄｕｃｔｓ［Ｊ］．Ｈｙｄｒｏｌｏｇｉｃａｌ Ｐｒｏｃｅｓｓｅｓ，２００７，２１：１５３４－１５４７．
［９］ Ｍａｕｒｅｒ Ｅ Ｐ，Ｒｈｏａｄｓ Ｊ Ｄ，Ｄｕｂａｙ
ａｈ Ｒ Ｏ，ｅｔ ａｌ．Ｅｖａｌｕａｔｉｏｎ ｏｆｔｈｅ Ｓｎｏｗ－ｃｏｖｅｒｅｄ Ａｒｅａ Ｄａｔａ Ｐｒｏｄｕｃｔ ｆｒｏｍ ＭＯＤＩＳ［Ｊ］．Ｈｙｄｒｏｌｏｇ
ｉｃａｌ Ｐｒｏｃｅｓｓｅｓ，２００３，１７：５９－７１．［１０］ Ｗａｎｇ Ｘ Ｗ，Ｘｉｅ Ｈ Ｊ，Ｌｉａｎｇ
Ｔ Ｇ．Ｅｖａｌｕａｔｉｏｎ ｏｆ ＭＯＤＩＳ ＳｎｏｗＣｏｖｅｒ ａｎｄ Ｃｌｏｕｄ Ｍａｓｋ ａｎｄ Ｉｔｓ Ａｐｐｌｉｃａｔｉｏｎ ｉｎ Ｎｏｒｔｈｅｒｎ Ｘｉｎ－ｊｉａｎｇ，Ｃｈｉｎａ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，２００８，１１２：１４９７－
１５１３．［１１］ Ｈｕａｎｇ Ｘｉａｏｄｏｎｇ，Ｚｈａｎｇ Ｘｕｅｔｏｎｇ，Ｌｉ Ｘｉａ，ｅｔ ａｌ．Ａｃｃｕｒａｃｙ
Ａ－ｎａｌｙｓｉｓ ｆｏｒ ＭＯＤＩＳ Ｓｎｏｗ Ｐｒｏｄｕｃｔｓ ｏｆ ＭＯＤ１０Ａ１ａｎｄＭＯＤ１０Ａ２ｉｎ Ｎｏｒｔｈｅｒｎ Ｘｉｎｊｉａｎｇ Ａｒｅａ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｇｌａｃｉｏｌｏ－ｇｙ ａｎｄ Ｇｅｏｃｒｙｏｌｏｇｙ，２００７，２９（５）：７２２－７２９．［黄晓东，张学通，李霞，等．北疆牧区ＭＯＤＩＳ积雪产品ＭＯＤ１０Ａ１和ＭＯＤ１０Ａ２的精度分析与评价［Ｊ］．冰川冻土，２００７，２９（５）：７２２－
７２９．］２５７ 遥 感 技 术 与 应 用 第２７卷
［１２］ Ｐａｒａｊｋａ Ｊ，Ｂｌｏｓｃｈｌ Ｇ．Ｓｐａｔｉｏ－ｔｅｍｐ
ｏｒａｌ Ｃｏｍｂｉｎａｔｉｏｎ ｏｆ ＭＯＤＩＳＩｍａｇｅｓ－ｐｏｔｅｎｔｉａｌ ｆｏｒ Ｓｎｏｗ Ｃｏｖｅｒ Ｍａｐｐｉｎｇ［Ｊ］．Ｗａｔｅｒ Ｒｅ－ｓｏｕｒｃｅｓ
Ｒｅｓｅａｒｃｈ，２００８，４４：Ｗ０３４０６．［１３］Ｌｉｕ Ｊｕｎｆｅｎｇ，Ｃｈｅｎ Ｒｅｎｓｈｅｎｇ
．Ｖａｌｉｄａｔｉｏｎ ｏｆ ＭＯＤＩＳ Ｓｎｏｗ Ｃｏｖ－ｅｒｅｄ Ｄａｙｓ ｂｙ ｔｈｅ Ｃｏｍｂｉｎｅｄ Ｕｓｉｎｇ ｏｆ ＭＯＤＩＳ Ａｑｕａ ａｎｄ ＴｅｒｒａＳｎｏｗ Ｃｏｖｅｒ Ｐｒｏｄｕｃｔｓ ａｎｄ Ｉｎ－ｓｉｔｕ Ｏｂｓｅｒｖａｔｉｏｎｓ ａｌｌ ｏｖｅｒ Ｃｈｉｎａ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｇｌａｃｉｏｌｏｇｙ ａｎｄ Ｇｅｏｃｒｙｏｌｏｇｙ，２０１１，３３（３）：５０４－５１１．［刘俊峰，陈仁升．基于ＭＯＤＩＳ双卫星积雪遥感数据的积雪日数空间分布研究［Ｊ］．冰川冻土，２０１１，３３（３）：５０４－５１１．
］［１４］Ｇａｆｕｒｏｖ Ａ，Ｂａｒｄｏｓｓｙ Ａ．Ｃｌｏｕｄ Ｒｅｍｏｖａｌ Ｍｅｔｈｏｄｏｌｏｇｙ
ｆｒｏｍＭＯＤＩＳ Ｓｎｏｗ Ｃｏｖｅｒ Ｐｒｏｄｕｃｔ［Ｊ］．Ｈｙｄｒｏｌｏｇｙ ａｎｄ Ｅａｒｔｈ Ｓｙｓ－ｔｅｍ Ｓｃｉｅｎｃｅｓ，２００９，１３：１３６１－
１３７３．［１５］ Ｐａｕｄｅｌ Ｋ Ｐ，Ａｎｄｅｒｓｏｎ Ｐ．Ｍｏｎｉｔｏｒｉｎｇ
Ｓｎｏｗ Ｃｏｖｅｒ Ｖａｒｉａｂｉｌｉｔｙｉｎ ａｎ Ａｇｒｏｐａｓｔｏｒａｌ Ａｒｅａ ｉｎ ｔｈｅ Ｔｒａｎｓ Ｈｉｍａｌａｙａｎ Ｒｅｇｉｏｎ ｏｆＮｅｐａｌ Ｕｓｉｎｇ ＭＯＤＩＳ Ｄａｔａ ｗｉｔｈ Ｉｍｐｒｏｖｅｄ Ｃｌｏｕｄ ＲｅｍｏｖａｌＭｅｔｈｏｄｏｌｏｇｙ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，２０１１，１１５：１２３４－
１２４６．［１６］ Ｇａｏ Ｙ，Ｘｉｅ Ｈ Ｊ，Ｙａｏ Ｔ Ｄ，ｅｔ ａｌ．Ｉｎｔｅｇ
ｒａｔｅｄ Ａｓｓｅｓｓｍｅｎｔ ｏｎＭｕｌｔｉ－ｔｅｍｐｏｒａｌ ａｎｄ Ｍｕｌｔｉ－ｓｅｎｓｏｒ Ｃｏｍｂｉｎａｔｉｏｎｓ ｆｏｒ ＲｅｄｕｃｉｎｇＣｌｏｕｄ Ｏｂｓｃｕｒａｔｉｏｎ ｏｆ ＭＯＤＩＳ Ｓｎｏｗ Ｃｏｖｅｒ Ｐｒｏｄｕｃｔｓ ｏｆ ｔｈｅ Ｐａ－ｃｉｆｉｃ Ｎｏｒｔｈｗｅｓｔ ＵＳＡ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，２０１０，１１４：１６６２－
１６７５．［１７］ Ｌｉｎ Ｊｉｎｔａｎｇ，Ｆｅｎｇ
Ｘｕｅｚｈｉ，Ｘｉａｏ Ｐｅｎｇｆｅｎｇ，ｅｔ ａｌ．Ｓｐａｔｉａｌ ａｎｄＴｅｍｐｏｒａｌ Ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ Ｓｎｏｗ Ｃｏｖｅｒ ｉｎ Ｍｏｕｎｔａｉｎｏｕｓ Ａｒｅａ ｏｆＭａｎａｓｉ Ｒｉｖｅｒ Ｂａｓｉｎ ｂａｓｅｄ ｏｎ ＭＯＤＩＳ［Ｊ］．Ｒｅｍｏｔｅ ＳｅｎｓｉｎｇＴｅｃｈｎｏｌｏｇｙ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ，２０１１，２６（４）：４６９－４７５．［林金堂，冯学智，肖鹏峰，等．基于ＭＯＤＩＳ数据的玛纳斯河山区雪盖时空分布分析［Ｊ］．遥感技术与应用，２０１１，２６（４）：４６９－
４７５．］［１８］ Ｇａｏ Ｗｅｉｄｏｎｇ，Ｗｅｉ Ｗｅｎｓｈｏｕ，Ｚｈａｎｇ
Ｌｉｘｕ．Ｃｌｉｍａｔｅ Ｃｈａｎｇｅｓａｎｄ Ｓｅａｓｏｎａｌ Ｓｎｏｗ Ｃｏｖｅｒ Ｖａｒｉａｂｉｌｉｔｙ ｉｎ ｔｈｅ Ｗｅｓｔｅｒｎ ＴｉａｎｓｈａｎＭｏｕｎｔａｉｎｓ，Ｘｉｎｊｉａｎｇ ｉｎ １９６７～２０００［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｇｌａｃｉｏｌｏｇｙａｎｄ Ｇｅｏｃｒｙｏｌｏｇｙ，２００５，２７（１）：６９－７３．［高卫东，魏文寿，张丽旭．近３０ａ来天山西部积雪与气候变化—以天山积雪雪崩研究站为例［Ｊ］．冰川冻土，２００５，２７（１）：６８－
７３．］［１９］ Ｙａｎｇ
Ｑｉｎｇ，Ｃｕｉ Ｃａｉｘｉａ，Ｓｕｎ Ｃｈｕｒｏｎｇ，ｅｔ ａｌ．Ｓｎｏｗ Ｃｏｖｅｒ Ｖａｒｉ－ａｔｉｏｎ ｄｕｒｉｎｇ １９５９～２００３ｉｎ Ｔｉａｎｓｈａｎ Ｍｏｕｎｔａｉｎｓ，Ｃｈｉｎａ［Ｊ］．Ａｄｖａｎｃｅｓ ｉｎ Ｃｌｉｍａｔｅ Ｃｈａｎｇｅ Ｒｅｓｅａｒｃｈ，２００７，３（２）：８０－８４．［杨青，崔彩霞，孙除荣，等．１９５９～２００３年中国天山积雪的变化［Ｊ］．气候变化研究进展，２００７，３（２）：８０－
８４．］［２０］ Ｚｈａｎｇ
Ｊｉａｈｕａ，Ｗｕ Ｙａｎｇ，Ｙａｏ Ｆｅｎｇｍｅｉ，ｅｔ ａｌ．Ａｎａｌｙｓｅｓ ｏｆ Ｒｅ－ｃｅｎｔ Ｘｉｎｊｉａｎｇ Ｓｎｏｗ Ｃｏｖｅｒ Ｆｅａｔｕｒｅ Ｕｔｉｌｉｚｉｎｇ Ｓａｔｅｌｌｉｔｅ ＲｅｍｏｔｅＳｅｎｓｉｎｇ ａｎｄ Ｓｕｒｆａｃｅ Ｏｂｓｅｒｖａｔｉｏｎ Ｄａｔａ［Ｊ］．Ｐｌａｔｅａｕ Ｍｅｔｅｏｒｏｌｏ－ｇｙ
，２００８，２７（３）：５５１－５５７．［张佳华，吴杨，姚凤梅，等．利用卫星遥感和地面实测积雪资料分析近年新疆积雪特征［Ｊ］．高原气象，２００８，２７（３）：５５１－
５５７．］Ａ Ｓｔｕｄｙ ｏｎ Ｓｎｏｗ Ｃｏｖｅｒ Ｖａｒｉａｂｉｌｉｔｙ Ｕｓｉｎｇ
ＭＯＤＩＳ ｉｎ ｔｈｅ Ｔｙｐｉｃａｌ Ａｒｅａｏｆ Ｔｉａｎｓｈａｎ
Ｍｏｕｎｔａｉｎｓ，ＣｈｉｎａＺｈａｎｇ Ｗｅｎｂｏ，Ｘｉａｏ Ｐｅｎｇｆｅｎｇ，Ｆｅｎｇ
Ｘｕｅｚｈｉ（Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｇｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ，Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９３，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｍｏｎｉｔｏｒｉｎｇ ｔｈｅ ｅｘｔｅｎｔ ａｎｄ ｄｕｒａｔｉｏｎ ｏｆ ｓｎｏｗ ｃｏｖｅｒ ｉｎ Ｔｉａｎｓｈａｎ ｍｏｕｎｔａｉｎｓ ｉｓ ｓｉｇｎｉｆｉｃａｎｔ ｆｏｒ ｆｕｌｌｙ ｕ－ｔｉｌｉｚｉｎｇ ｗａｔｅｒ ｒｅｓｏｕｒｃｅｓ ａｎｄ ｕｎｄｅｒｓｔａｎｄｉｎｇ ｔｈｅ ｒｅｇｉｏｎａｌ ｉｍｐａｃｔ ｏｆ ｃｌｉｍａｔｅ ｃｈａｎｇｅ．Ｄａｉｌｙ
ＭＯＤＩＳ ｓｎｏｗ ｃｏｖｅｒｄａｔａ ｃａｎ ｐｒｏｖｉｄｅ ａ ｂａｓｉｓ ｆｏｒ ｌａｒｇｅ ｓｃａｌｅ ｓｎｏｗ ｃｏｖｅｒ ｍａｐｐｉｎｇ．Ｈｏｗｅｖｅｒ，ｔｈｅ ｈｉｇｈ ｃｌｏｕｄ ｏｂｓｃｕｒａｔｉｏｎ ｌｉｍｉｔｓ ｉｔｓａｐｐｌｉｃａｔｉｏｎｓ．Ｔｈｉｓ ｓｔｕｄｙ ｕｓｅｓ ａ ｆｏｕｒ－ｓｔｅｐ ａｐｐｒｏａｃｈ ｔｏ ｒｅｍｏｖｅ ｃｌｏｕｄ ｆｒｏｍ ｔｈｅ ｄａｉｌｙ ｄａｔａ．Ｕｓｉｎｇ ｉｍｐｒｏｖｅｄＭＯＤＩＳ ｓｎｏｗ ｃｏｖｅｒ ｄａｔａ ａｎｄ ＤＥＭ ａｎａｌｙｓｅ ｔｈｅ ｓｐａｔｉａｌ ａｎｄ ｔｅｍｐｏｒａｌ ｖａｒｉａｂｉｌｉｔｙ ｏｆ ｓｎｏｗ ｃｏｖｅｒ ｅｘｔｅｎｔ ａｎｄ ｄｕ－ｒａｔｉｏｎ ｆｒｏｍ ２００２ｔｏ ２００９ｉｎ ｔｈｅ Ｔｉａｎｓｈａｎ Ｍｏｕｎｔａｉｎｓ ｏｆ Ｃｈｉｎａ．Ｓｎｏｗ ｃｏｖｅｒ ｅｘｔｅｎｔ ｉｓ ｃｌｏｓｅｌｙ ｒｅｌａｔｅｄ ｔｏ ｔｅｒ－ｒａｉｎ ｆａｃｔｏｒｓ．Ｔｈｅ ｓｎｏｗ ｃｏｖｅｒ ｆｒｅｑｕｅｎｃｙ ａｓ ａ ｗｈｏｌｅ ｂｅｃｏｍｅｓ ｈｉｇｈｅｒ ｗｉｔｈ ｉｎｃｒｅａｓｉｎｇ
ａｌｔｉｔｕｄｅ．Ｔｈｅ ｒａｔｉｏ ｏｆｓｎｏｗ ｃｏｖｅｒ ｉｓ ｈｉｇｈｅｒ ａｔ ｔｈｅ ｎｏｒｔｈｗｅｓｔ，ｎｏｒｔｈ ａｎｄ ｗｅｓｔ ａｓｐｅｃｔ ｔｈａｎ ｔｈａｔ ａｔ ｔｈｅ ｓｏｕｔｈ ａｎｄ ｓｏｕｔｈｅａｓｔ ａｓｐｅｃｔ．Ｔｈｅ ｓｎｏｗ ｃｏｖｅｒ ｅｘｔｅｎｔ ｏｆ ｔｈｅ ｗｈｏｌｅ ａｒｅａ ｉｓ ｓｍａｌｌ ｆｒｏｍ ２００６ｔｏ ２００８．Ｍａｘｉｍｕｍ ｓｎｏｗ ｃｏｖｅｒ ｅｘｔｅｎｔ
ｉｎｃｒｅａｓｅｓｙｅａｒｌｙ ｏｎ ａｖｅｒａｇｅ．Ｔｈｅ ｒｅｇｉｏｎｓ ｓｎｏｗ ｃｏｖｅｒ ｄｕｒａｔｉｏｎ ｅｘｃｅｅｄｓ ２００ｄａｙｓ，ｗｈｉｃｈ ａｒｅ ｍａｉｎｌｙ ｉｎ ｔｈｅ ｈｉｇｈ－ａｌｔｉｔｕｄｅｐ
ｅｒｅｎｎｉａｌ ｓｎｏｗ ｃｏｖｅｒ ａｒｅａｓ，ａｎｄ ｔｈｅｉｒ Ｃｏｅｆｆｉｃｉｅｎｔ ｏｆ Ｖａｒｉａｔｉｏｎ（ＣＯＶ）ｉｓ ｌｏｗ．Ｔｈｅ ｓｎｏｗ ｃｏｖｅｒ ｄｕｒａｔｉｏｎ ｉｎｔｈｅ ｓｏｕｔｈｅｒｎ Ｔｉａｎｓｈａｎ ｍｏｕｎｔａｉｎｓ ａｎｄ ｏｔｈｅｒ ｌｏｗ－ａｌｔｉｔｕｄｅ ａｒｅａｓ ｉｓ ｖｅｒｙ ｓｈｏｒｔ，ａｎｄ ｃｈａｎｇｅ ｓｕｂｓｔａｎｔｉａｌｌｙ ｄｕｅ ｔｏｓｅａｓｏｎａｌ ｃｌｉｍａｔｅ
ｓｉｔｕａｔｉｏｎｓ．Ｋｅｙ ｗｏｒｄｓ：ＭＯＤＩＳ ｓｎｏｗ ｃｏｖｅｒ ｄａｔａ；Ｃｌｏｕｄ ｒｅｍｏｖａｌ ｍｅｔｈｏｄ；Ｓｎｏｗ ｃｏｖｅｒ ｅｘｔｅｎｔ；Ｓｎｏｗ ｃｏｖｅｒ ｄｕｒａｔｉｏｎ；Ｔｉａｎｓｈａｎ
ｍｏｕｎｔａｉｎｓ３
５７第５期 张文博等：基于ＭＯＤＩＳ数据的我国天山典型区积雪特征研究
MODIS数据格式介绍
EOS-MODIS 1B数据格式与应用 王正兴，陈文波，邓芳萍，曹云刚 中国科学院地理科学与资源研究所 全球变化信息研究中心 2004年11月2日， 中国科学院资源环境科学信息中心，兰州 报告提纲 1、什么是MODIS 1B数据，已经作了那些校正？ 2、MODIS 1B 数据结构：HDF 与HDF-EOS 简介 3、MODIS 1B 数据结构示例 4、MODIS 1B 数据内容：正常数值与异常数值。 5、MODIS 1B 数据：与时间有关的因素。
1、什么是 MODIS 1B 数据？ 是MODIS 44种系列数据产品中的一种，产品编号为 MOD02 ( Terra-MODIS)/ MYD02(Aqua-MODIS); 是经过仪器标定的数据产品，但是没有经过大气校正； 是包含有地理坐标产品的数据，但是“科学数据”和“地理数据”还没有连接，直接 显示时，边缘存在“蝴蝶结”（Bow-tie）现象； MODIS 1B 数据采用层次数据模型（HDF）或其对地观测扩展（HDF-EOS），这些模 型有不同版本，受不同软件支持。本培训使用软件为ENVI3.X软件。 具体讲，L1B 程序校正了反射波段探测器中未加工的数字信号（DN）中所有已知仪器误差，输出经过校正的（dn。）。这些校正包括： 电子偏移 在“模拟-数字”转换器里的非线性问题 扫描镜反射的角度变异 由于仪器和焦平面变异引起的增益的变化 在短波红外波段外的光谱响应，如波段5，6，7和波段26。 dn*之后，L1B根据每个波段内不同探测器之间变异参数，把dn*教正为dn**。由于dn**的数据量很大（小数，需要用浮点储存），为了节省空间,在反射太阳波段的科学数据中进行尺度转换，用 16-bit 整数表示法。实际上，16-bit中的15-bit用于储存有效数据；第16-bit 储存几类无效数据。 2、MODIS 1B 数据结构：HDF 与HDF-EOS 简介 HDF：分等级的数据格式（层次结构，树结构） HDF-EOS：是对地观测系统（EOS）对HDF的扩展。 重要性：HDF-EOS 已经被美国对地观测系统的数据与信息系统（EOSDIS）选定为 数据标准，许多由美国政府合同支持的产品和免费软件等都以此为基础。如Terra, Aqua, Landsat ETM。 开发和维护：伊利诺斯州大学的美国国家超级计算应用中心（NCSA） （https://www.360docs.net/doc/c35040217.html,）。 说明：我们可能已经使用过许多数据而不一定知道该数据的结构，如GeoTiff。重要 的是，需要了解那些软件能够识别这些数据结构。具体到HDF,它的结构可能很简单，也可能很复杂。我们的目的是使用MODIS 数据，并不意味着先要了解所有的结构。
modis数据介绍
MODIS数据介绍 数据概况 1999年2月18日，美国成功地发射了地球观测系统（EOS）的第一颗先进的极地轨道环境遥感卫星Terra。它的主要目标是实现从单系列极轨空间平台上对太阳辐射、大气、海洋和陆地进行综合观测，获取有关海洋、陆地、冰雪圈和太阳动力系统等信息，进行土地利用和土地覆盖研究、气候季节和年际变化研究、自然灾害监测和分析研究、长期气候变率的变化以及大气臭氧变化研究等，进而实现对大气和地球环境变化的长期观测和研究的总体（战略）目标。2002年5月4日成功发射Aqua星后，每天可以接收两颗星的资料。 搭载在Terra和Aqua两颗卫星上的中分辨率成像光谱仪（MODIS）是美国地球观测系统（EOS）计划中用于观测全球生物和物理过程的重要仪器。它具有36个中等分辨率水平（0.25um~1um）的光谱波段，每1-2天对地球表面观测一次。获取陆地和海洋温度、初级生产率、陆地表面覆盖、云、汽溶胶、水汽和火情等目标的图像。 本网站提供的MODIS陆地标准产品来自NASA的陆地过程分布式数据档案中心（The Land Processes Distributed Active Archive Center,LP DAAC/NASA）。包括：基于Terra星和Aqua星数据的地表反射率（250m,daily;500m,daily;250m,8days;500m,8day）、地表温度（1000m,daily;1000m,8days;5600m,daily）、地表覆盖（500m,96days;1000m,yearly）、植被指数NDVI&EVI（250m,16daily;500m,16days;1000m,16days;1000m,monthly;、温度异常/火产品（1000m,daily;1000m,8days）、叶面积指数LAI/光合有效辐射分量FPAR（1000m,8days）、总初级生产力GPP（1000m,8days）。 本网站提供的所有MODIS陆地标准产品的格式为HDF-EOS，数据组织方式为10°经度*10°纬度的分片（TILE）方式。 MODIS数据特点及技术指标 1999年2月18日，美国成功地发射了地球观测系统（EOS）的第一颗先进的极地轨道环境遥感卫星Terra。它的主要目标是实现从单系列极轨空间平台上对太阳辐射、大气、海洋和陆地进行综合观测，获取有关海洋、陆地、冰雪圈和太阳动力系统等信息，进行土地利用和土地覆盖研究、气候季节和年际变化研究、自然灾害监测和分析研究、长期气候变率的变化以及大气臭氧变化研究等，进而实现对大气和地球环境变化的长期观测和研究的总体
MODIS数据下载说明(LiYJ)
MODIS数据下载说明 李英杰 中国科学院遥感应用研究所远程通讯与地学处理课题组 2007年8月 第一部分提交MODIS数据订单 这里我们以订购2007年6月20日覆盖中国大陆的MODIS数据为例，说明订单提交步骤。 首先请确保您有一台能够连接到Internet的计算机并正常运行。接着请在地址栏键入：https://www.360docs.net/doc/c35040217.html,/。该网站首页如图1所示。 图1 然后点击网页中的“Data”，在新出现的页面（图2）中点击“Search”。这时将出现一个名为“Search for Level 1 and Atmosphere Products”的页面，如图3，在里面可根据需要设置所需数据的类型、时间、空间范围等。
图2 图3
这里我们将Product Selection中的Satellite/Instrument设置为Terra MODIS，Group设置为Terra Level 1 Products，在Products中选择MOD021KM-Level 1B Calibrated Radiances-1km。注意：每设置一个参数，页面都会刷新一次。在Temporal Selection中，将Temporal Type设置为Individual Dates and Times，并将Dates(one per line)设置为06/20/2007，表示2007年6月20日。Collection Selection中采用默认设置。Spatial Selection中Coordinate System选择Latitude/Longitude以设置经纬度。在图4中经纬度示意图的右侧，将North、South、West、East四个方向的经纬度分别设置为：54、18、73、136，以覆盖中国大陆。其他设置均采用默认，最后点击页面左下角的Search按钮。 图4 此时将出现查询结果列表，如图5。由于文件较多，这里分为2页显示，为了查看所有文件，可点击文件列表右上方的View All。 在新弹出的页面中，请注意文件列表最左边一列的时间，这里的时间是卫星成像时的格林尼治时间，加上8小时后转换为北京时间。注意到MODIS可见光波段在夜间不能成像，所以这里要根据时间将夜间数据剔除掉（图6），最后点击页面左下角的Add Files To Shopping Cart按钮。
风云卫星和MODIS数据及产品说明
本文档共三大部分,分别为: 一、modis数据和产品说明 二、风云卫星FY-3数据说明 三、FY-3A MERSI L1数据产品使用指南 一、modis数据和产品说明 1.MODIS数据的技术指标 2.MODIS数据的波段分布特征
3.Modis 命名规则 MODIS 文件名的命名遵循一定的规则，通过文件名，可以获得很多关于此文件的详细信息，比如：文件名MOD09A1.A2006001.h08v05.005.2006012234657.hdf
MOD09A1 –产品缩写 A2006001 –数据获得时间(A-YYYYDDD) h08v05 –分片标示( 水平XX ，垂直YY) 005 –数据集版本号 2006012234567 –产品生产时间(YYYYDDDHHMMSS) hdf –数据格式(HDF-EOS) Terra卫星数据产品
MODIS土地覆盖类型产品包括从每年Terra星数据中提取的土地覆盖特征不同分类方案的数据分类产品。基本的土地覆盖分为有IGBP（国际地圈生物圈计划）定义的17类，包括11类自然植被分类，3类土地利用和土地镶嵌，3类无植生土地分类。 Modis Terra数据lKM土地覆盖类型年合成栅格数据产品包含5中不同的土地覆盖分类体系。数据分类来自监督决策树分类方法。 第一类土地覆盖：国际地圈生物圈计划（IGBP）全球植被分类方案； 第二类土地覆盖：马里兰大学（UMD）植被分类方案； 第三类土地覆盖：MODIS提取叶面积指数/光合有效辐射分量（LAI/fPAR）方案； 第四类土地覆盖：MODIS提取净第一生产力（NPP）方案； 第五类土地覆盖：植被功能型（PFT）分类方案； 本网站提供的为MYD12Q1 V4（第四版本）的分片数据（tile），除提供五类全球土地覆盖分类体系外还提供了陆地覆盖分类评估和质量控制信息。
介绍一下利用ENVI去除MODIS数据条带的方法与步骤
介绍一下利用ENVI去除MODIS数据条带的方法与步骤。 MODIS数据应用日益广泛，但是由于波谱的相互干涉作用导致MODIS的5通道和26通道的反射率中“条带”现象非常严重，这严重影响了MODIS数据的应用。5通道分辨率5OOM，对云、气溶胶特性敏感。26通道分辨率1000M在薄云、卷云识别方面具有优越特性。 本文主要利用ENVI的ReplacingBadLines功能进行条带去除说明。这主要是利用条带出现的行两边对称的临近行数值进行平均，利用这个平均值来替代条带的数值。手工输入条带的行数超级慢，可以利用条带的周期性特点通过编制一个小程序来快速确定行数，然后通过ReplacingBadLines 的Restore功能载入行数即可。 对MODIS的500M分辨率的数据中5通道进行条带去除：因为5通道的条带只有一条，去除条带后效果很明显。而26通道的条带去除较为困难，因为该通道的条带特征是以中心为主向两侧羽化扩展，而且羽化的程度不一样，所以去条带效果不好。 下面以500M分辨率的5通道为例利用ENVI的ReplacingBadLines功能进行条带的去处，其中条带的行数利用自定义的一个过程： MakeBadLineList,first,interval,lines,filename=filename，得到并生成一个BLL文件存贮条带行的信息用于ReplacingBadLines的Restore。first为出现第一个条带的行数，interval是条带的间隔，lines是数据的总行数，filename是输出文件名存贮行信息。 1、去除条带前，横向条纹十分明显 2、去除条带后，数据平滑，
modis数据的处理方法
MODIS数据的处理方法(ENVI) 美国RSI公司（Research Systems Inc.）的产品ENVI能很好地支持HDF数据格式。ENVI（The Environment for Visualizing Images）遥感影像处理软件，是分析、处理并显示多光谱数据、高光谱数据和雷达数据的高级工具。ENVI能接受大量的传感器数据，是世界目前唯一 美国RSI公司（Research Systems Inc.）的产品ENVI能很好地支持HDF 数据格式。ENVI（The Environment for Visualizing Images）遥感影像处理软件，是分析、处理并显示多光谱数据、高光谱数据和雷达数据的高级工具。ENVI 能接受大量的传感器数据，是世界目前唯一能较好全面支持HDF科学数据格式的遥感影像软件。ENVI可以直接读取HDF格式（如图2所示），并能识别HDF格式中所包含的所有文件信息（如图3所示）。ENVI 打开HDF格式文件后，会自动将该数据文件所包含的所有图像信息、属性信息、文本信息作为波段列于一个波段列表中，用户可以清晰地浏览每一波段的详细信息，包括波段名称、图像波段波长、波段大小、数据类型及文件内插方式等多种信息。方便用户显示图像，并对各种属性及文本文件作各种分析。 本文选取2001年5月20日中国北部及蒙古地区（经纬度范围：°- °,°- °）的一景MODIS数据进行分析，主要从读取数据、分析经纬度波段信息、第一、四、三波段融合显示、影像地理校正几方面对该景数据进行了分析，具体步骤如下： （1）数据读取：打开ENVI，在主菜单中选择File\Open External File\Generic Formats\HDF，选择文件“”,表示是该景MODIS数据的250米数据文件，从下图中可以看到，该文件中除两个影像波段外，还包含经度波段、纬度波段、热红外探测器的噪声信息、反射率变化参数等信息。
MODIS数据介绍、下载及处理
MODIS产品介绍及下载流程 1.数据获取 1）MODIS 发射背景及综述 为了加强对地球大气、海洋和陆地的综合观测研究，美国国家宇航局（NASA）于1991年发起了一个综合性项目，称为地球科学事业（ESE），其主要目的是通过卫星及其它工具对地球进行更深入的研究。ESE包括三个主要部分：一是地球观测卫星系列（EOS）；二是先进的数据系统（EOSDIS）；三是进行资料分析研究的科学队伍。重点观测研究领域包括水与能量循环、海洋、大气化学、陆地表层系统、水和生态系统过程、冰川和极地冰盖以及固体地球。EOS将在近地轨道提供至少18年系统连续的卫星观测数据用于定量研究地球系统的变化。 Terra作为EOS观测计划中的第一颗卫星，在美国（国家宇航局）、日本（国际贸易与工业厅）、加拿大（空间局、多伦多大学）的共同合作下于1999年12月18日成功发射，Terra的字源是拉丁语“地球、土地”，由于Terra卫星每天上午从北向南通过赤道，因此又被称为地球观测第一颗上午星（EOS-AM1）。NASA的EOS第二颗星命名为Aqua,是美国、巴西和日本共同合作研制的，其拉丁语意为“水”，于2002年5月4日发射成功，为了与Terra卫星在数据采集时间上相互配合，Aqua卫星每天下午从南向北通过赤道，因此被称为地球观测第一颗下午星（EOS-PM1）。 两颗星均为太阳同步极轨卫星。此外，美国对地观测系统计划还将陆续发射用于不同观测内容的卫星系列，如以观测大气化学成分为主的AULA卫星（EOS-CHEM）、以观测冰雪、云层和地面高程为主的ICESAT卫星、以观测太阳辐射及其对气候影响为主的SORCE卫星和以观测陆地为主的LANDSAT-7卫星（1999年已发射成功）等。 中分辨率成像光谱仪(MODerate-resolution Imaging Spectroradiometer) -MODIS是Terra和Aqua卫星上搭载的主要传感器之一，两颗星相互配合每1-2天可重复观测整个地球表面，得到
MODIS指数介绍
MODIS指数简介 1.MODIS数据介绍 1.1简介 MODIS（MODerate-resolution Imaging Spectroradiometer，中等分辨率成像光谱仪）分别搭载在TERRA和AQUA两颗卫星上，数据可分别从TERRA和AQUA两颗卫星获取。TERRA和AQUA 卫星都是太阳同步极轨卫星，TERRA在地方时上午过境，AQUA将在地方时下午过境。TERRA 与AQUA上的MODIS数据在时间更新频率上相配合，加上晚间过境数据，对于接收MODIS数据来说，可以得到每天最少2次白天和2次黑夜更新数据。这样的数据更新频率，对实时地球观测、应急处理（例如森林和草原火灾监测和救灾）和日内频率的地球系统的研究有非常重要的实用价值。关于TERRA和AQUA卫星介绍，可参看1.3 Terra卫星和Aqua卫星。 MODIS扫描周期为1.477秒，每条扫描线沿扫描方向有1354个Pixels，沿卫星轨道方向有10个1KMD的IFOV。 MODIS共36个波段，其中250m分辨率有2个波段，500m分辨率有5个波段，1000m分辨率有29个波段。36个波段中波段值分辐射值和反射值两种。MODIS各波段的信息如表1所示。 表1 MODIS波段信息
1.2MODIS结构与数据级别 MODIS数据产品分级系统：MODIS标准数据产品分级系统由5级数据构成，它们分别是：0级、1级、2级、3级和4级。 表2 MODIS数据产品分级
MODIS标准数据产品根据内容的不同分为0级、1级数据产品，在1B级数据产品之后，划分2－4级数据产品，包括：陆地标准数据产品、大气标准数据产品和海洋标准数据产品等三种主要标准数据产品类型，总计分解为44种标准数据产品类型。 MOD01：即MODIS1A数据产品。 MOD02：即MODIS1B数据产品。 MOD03：即MODIS数据地理定位文件。 其余类型产品略。 MODIS 1B采用分等级的数据格式（层次结构，树结构）HDF和HDF-EOS。其中HDF-EOS 是对地观测系统（EOS）对HDF的扩展。 MODIS 1B 产品命名如下： 表3 MODIS 1B产品概要 1.3Terra卫星与Aqua卫星 TERRA卫星每日地方时上午10：30时过境，因此也把它称作地球观测第一颗上午星（EOS-AM1）。AQUA卫星保留了TERRA卫星上已经有了的CERES和MODIS传感器，并在数据采集时间上与TERRA形成补充。它也是太阳同步极轨卫星，每日地方时下午过境，因此称作地球观测第一颗下午星（EOS-PM1）
MODIS数据说明(经典)共11页文档
MCD45A1 Combined Tile
500m Monthly
Burned Area
MOD09GA
Terra
Tile 500/1000m
Daily
Surface Reflectance Bands 1–7
表面反射
MYD09GA MOD09GQ MYD09GQ MOD09CMG MYD09CMG MOD09A1 MYD09A1 MOD09Q1 MYD09Q1 MOD13A1
Aqua Terra Aqua Terra Aqua Terra Aqua Terra Aqua Terra
Tile 500/1000m
Daily
Surface Reflectance Bands 1–7
Surface Reflectance
Tile
250m
Daily
Bands 1–2
Surface Reflectance
Tile
250m
Daily
Bands 1–2
CMG 5600m CMG 5600m
Daily Daily
Surface Reflectance 陆地 2 级标准数据产品，内容为表面反射；空间分辨率 250m
Bands 1–7
日数据。
Surface Reflectance Bands 1–7
Surface Reflectance
Tile
500m
8 Day
Bands 1–7
Surface Reflectance
Tile
500m
8 Day
Bands 1–7
Surface Reflectance
Tile
250m
8 Day
Bands 1–2
Surface Reflectance
Tile
250m
8 Day
Bands 1–2
Vegetation Indices
Tile
500m 16 Day 植被指数
MYD13A1 MOD13A2 MYD13A2 MOD13Q1 MYD13Q1 MOD13A3 MYD13A3 MOD13C1 MYD13C1 MOD13C2 MYD13C2
MOD44W
Aqua Terra Aqua Terra Aqua Terra Aqua Terra Aqua Terra Aqua
Terra
Tile Tile Tile Tile Tile Tile Tile CMG Tile CMG CMG
Tile
500m 16 Day Vegetation Indices
1000m 16 Day Vegetation Indices
1000m 16 Day Vegetation Indices
250m 250m 1000m
16 Day 16 Day
Vegetation Indices
陆地 3 级标准数据产品，内容为栅格的归一化植被指数和增强
Vegetation Indices
数（ NDVI/EVI ），空间分辨率 250m 。
Monthly Vegetation Indices
1000m Monthly Vegetation Indices
5600m 16 Day Vegetation Indices
5600m 16 Day Vegetation Indices
5600m Monthly Vegetation Indices
5600m Monthly Vegetation Indices
250m
none
Land Water Mask Derived
第1页
MODIS数据介绍
MODIS数据介绍 (2014-02-24 17:22:02) 转载▼ 一、Modis数据资源总体介绍 1999年2月18日，美国成功地发射了地球观测系统（EOS）的第一颗先进的极地轨道环境遥感卫星Terra。它的主要目标是实现从单系列极轨空间平台上对太阳辐射、大气、海洋和陆地进行综合观测，获取有关海洋、陆地、冰雪圈和太阳动力系统等信息，进行土地利用和土地覆盖研究、气候季节和年际变化研究、自然灾害监测和分析研究、长期气候变率的变化以及大气臭氧变化研究等，进而实现对大气和地球环境变化的长期观测和研究的总体（战略）目标。2002年5月4日成功发射Aqua星后，每天可以接收两颗星的资料。 搭载在Terra和Aqua两颗卫星上的中分辨率成像光谱仪（MODIS）是美国地球观测系统（EOS）计划中用于观测全球生物和物理过程的重要仪器。它具有36个中等分辨率水平（0.25um~1um）的光谱波段，每1-2天对地球表面观测一次。获取陆地和海洋温度、初级生产率、陆地表面覆盖、云、汽溶胶、水汽和火情等目标的图像。 本网站提供的MODIS陆地标准产品来自NASA的陆地过程分布式数据档案中心（The Land Processes Distributed Active Archive Center,LP DAAC/NASA）。包括：基于Terra星和Aqua星数据的地表反射率（250m,daily;500m,daily;250m,8days;500m,8day）、地表温度（1000m,daily;1000m,8days;5600m,daily）、地表覆盖（500m,96days;1000m,yearly）、植被指数NDVI&EVI （250m,16daily;500m,16days;1000m,16days;1000m,monthly;、温度异常/火产品 （1000m,daily;1000m,8days）、叶面积指数LAI/光合有效辐射分量FPAR（1000m,8days）、总初级生产力GPP（1000m,8days）。 本网站提供的所有MODIS陆地标准产品的格式为HDF-EOS，数据组织方式为10°经度*10°纬度的分片（TILE）方式。 二、MODIS数据特点及技术指标 1.概况 MODIS全称Moderate-Resolution Imaging Spectroradiometer，即中分辨率成像光谱仪。1998年MODIS 机载模型器安装到EOS-AM（上午轨道）和PM（下午轨道）系列卫星上，从1999年12月正式向地面发送数据。MODIS是NASA地球行星使命计划中总数为15颗。 2.MODIS数据的特点
TERRAAQUAAURA卫星简介及MODIS数据的获取
TERRA\AQUA\AURA卫星简介及MODIS数据的获取 1.TERRA\AQUA\AURA卫星简介 近几年来，科学界对全球变化研究、以及全球变化对人类生存环境的影响研究逐步走向深入。为了加强对地球表层陆地、海洋、大气和他们之间相互关系的综合性的科学研究，美国国家航空航天局（NASA）自1991年起开始了对地观测系统（EOS）计划。这个计划分三个阶段：第一阶段－准备工作阶段（1991－1998年）；第二阶段－全面的对地观测阶段（1999－2003）；第三阶段－新一代更为细致的对地观测阶段（2003年以后十年）。NASA新一代的对地观测系统计划主要包括三方面内容：1）发射一系列新一代对地观测卫星；2）以NASA数据中心群（DAAC）为核心管理和散发卫星所获得的数据；3）组织科学家队伍开展对地球多要素的综合研究。重点观测和研究领域包括：水与能量循环，海洋，大气化学，陆地表面，水和生态系统过程，冰川和极地冰盖以及固体地球。 作为这一系列对地观测卫星中有三颗卫星成为系列特别引起遥感应用界的瞩目。它们是：TERRA、AQUA和AURA。它们分别于1999年12月18日、2002年5月4日和2004年7月15日发射成功，目前均处于正常运转中。 图1 TERRA卫星（来自NASA） TERRA卫星名字的由来 1991年美国开始了地球观测系统计划。这个计划被认为是人类历史上第一次对这个具有45亿年历史的地球进行全面调查和综合诊断的具有重要历史意义的大型行动计划。在这个计划中，发射卫星是其中最主要的任务之一。在计
划发射的一系列卫星中，第一颗卫星将作为地球观测系统的旌旗（EOS－FLAG）。由于该星是每天地方时上午过境，因此暂定为EOS－AM1，即地球观测系统第一颗上午星。1998年春天，在EOS－AM1发射的前一年，由美国航空航天局（NASA）和美国地球物理联合会（American Geophysical Union － AGU）共同发起对EOS －AM1命名的征集工作。征集的范围限制在全世界8－12年级（初中二年级至高中三年级）的学生，要求用不超过300字的短文说明对EOS－AM1的命名和命名的原由。 在征集通知发出去后的几个月内，评选委员会收到了来自世界各国1，100多篇命名稿件。经过第一轮筛选，评选出了十个不同的候选名字和短文。在这十个候选的名字和短文中，密苏里州圣路易斯市高中三年级学生 Sasha Jones 用她在字句里充满了对地球母亲无限的感激、满腔的热爱和高度的责任感的短文最终感动了评选委员会的全体评委。正象Sasha在她短文中自信的那样，TERRA （取拉丁语义）的名字最终将印在地球观测系统的旌旗上。Sasha及其父母因此获得了1999年12月18日到加里佛尼亚卫星发射基地观看卫星发射过程的全部资助，Sasha所在的学校也因此获得了一台计算机和可以获取TERRA卫星影象数据的全套软件。 这位中学生的短小精炼、充满激情和爱心的TERRA卫星命名篇全文如下： Terra The woman I believe this satellite should be named after is the most beautiful woman ever. Without her production of food we would not eat. Without her production of fluids we would not drink. Without her tedious care for vegetation we would not be able to build houses, cure the sick, and even breathe. Without her fury we would not be taught lessons, be brought closer together, and learn how to survive against all odds. She is our history, all of it. She is our present, she allows us to be. She is our future, and we must care for her, as she is the most caring and beautiful woman in the universe. She will be the mission of this EOS AM-1, and we should name it after her, in honor of her. She is Terra: Mother Earth. Terra 我相信这颗卫星以后会以此命名，她是一位仙女，一位从未有过的最漂亮的仙女。没有她提供的食物，我们就没有吃的。没有她提供的液体，我们就没有喝的。没有她对植被的悉心照料，我们就不能建造房屋，我们也不能抵御疾病，甚至我们不能呼吸。没有她的激昂，我们就不能上课，也不能聚集在一起，更不能学到怎样在奇异变化的环境中生存。她是我们的历史，是历史的全部。她是我们的现在，因为有了她才有了我们的今天。她是我们的未来，我们必须照护好她，因为她是宇宙中最赋有同情心，最美的仙女。我们应该把这个名字授予她，把这份荣耀归功于她，她将完成地球观测系统第一颗上午星的历史使命。她就是Terra：地球母亲。
MODIS数据裁剪操作(修改)
MODIS数据裁剪说明 陕西省全省影像的坐标： UL_CORNER_XY = (3545252.530556027 2480220.977166623) 单位：米LR_CORNER_XY = (4064162.773113727 1594367.063085978) 单位：米陕西省全省影像的行列数： Start Row=1468 END Row=2424 共957行 Start Col=2844 END Col=3404 共561列 关中地区左上角和右下角坐标： Upper X = 3631150.00 m Lower X = 4006433.30 m 4006433.3004 Upper Y = 2020850.00 m Lower Y = 1843864.54 m 1843864.5423 MODIS影像分辨率：PIXEL_SIZE = (926.625433138750 926.625433138750) 操作流程： 1、打开2012年第51天的2 tiles： 2、选择LST_Day_1km和LST_Night_1km： 若为地表反射率则为:
3、Spatial Subset选择Output Projection X/Y：： 4、Output File Type 选择RAW BINARY； Resample Type选择nearest neighbor； Output Projection Type选择Lambert Azimuthal； Edit Project ion Parameters …中输入以下参数值： Output file命名格式为MOD11A1.2012XXX.hdr。 5、Output Pixel Size Type输入926.625433138750； 6、运行。生成MOD11A1.A2012XXX.LST_Day_1km.dat和 MOD11A1.A2012051.LST_Night_1km.dat文件，即为裁剪后关中平原地区LST 影像。 7、裁剪结果：
MODIS数据介绍及植被指数算法
1.水体指数 其中为近红外（841-875nm ）为短波红外（1628-1652nm ），该公示的原理是，植被在其中的近红外波段吸收率较低，而在短波红外波段的吸收率较高（在我们所下载的数据集中对应第2、6个波段）。有些文章中提到的是用7波段。 LSWI （Land Surface Water Index ，地表水分指数）。是指植被冠层中水分的含量。 参考文章：Mapping paddy rice agriculture in southern China using multi-temporal MODIS images 2.EVI2计算 根据EVI 的计算公式，我们需要包含了NIR1和RED 两个波段的8天250米MOD09Q1数据集。此时波段数据DN 值都在-3万多~3万之间，进行数值换算后再计算，除以1万。 3. EVI 计算 增强型植被指数（Enhanced Vegetation Index ，即EVI ）计算公式为： 2.5 6.07.51 NIR RED NIR RED BLUE EVI ρρρρρ-=?+-+ NIR ρ、RED ρ和BLUE ρ分别代表近红外波段、红光波段和蓝光波段的反射率。 3. NDVI 计算 归一化植被指数（Normalized Difference Vegetation Index ，即NDVI ）的计算公式为： NIR RED NIR RED NDVI ρρρρ-=+ 其中：NIR ρ和RED ρ分别代表近红外波段和红光波段的反射率NDVI 的值介于-1和1之间。
4.高光谱归一化植被指数（Hyp_NDVI ） 对于环境与灾害监测预报小卫星高光谱载荷，选取中心波长分别位于近红外和红光的谱段进行归一化植被指数计算： _____Hyp NIR Hyp RED Hyp NDVI Hyp NIR Hyp RED -=+ 4.其他植被指数 （1） 比值植被指数（Ratio Vegetation Index ——RVI ） NIR RED RVI ρρ= 该植被指数能够充分表现植被在红光和近红外波段反射率的差异，能增强植被与土壤背景之间的辐射差异。但是RVI 对大气状况很敏感，而且当植被覆盖小于50%时，它的分辨能力显著下降。 （2） 差值植被指数（Difference Vegetation Index ——DVI ） NIR RED DVI ρρ=- 该植被指数对土壤背景的变化极为敏感，有利于对植被生态环境的监测，因此又被称为环境植被指数（EVI ）。 （3） 土壤调整植被指数（Soil-Adjusted Vegetation Index ——SAVI ） (1)NIR RED NIR RED SAVI L L ρρρρ-=+++ 其中，L 是一个土壤调节系数，该系数与植被浓度有关，由实际区域条件确定，用来减小植被指数对不同土壤反射变化的敏感性。当L=0是，SAVI 就是NDVI ；对于中等植被覆盖区，L 的值一般接近于0.5。乘法因子（1+L ）主要是用来保证最后的SAVI 值介于-1和1之间。该指数能够降低土壤背景的影响，但可能丢失部分植被信号，使植被指数偏低。 （4） 修正土壤调整植被指数（Modified Soil-Adjusted Vegetation Index ——MSAVI ） MSAVI =关于植被指数更详细的介绍，可参见田庆久（1998）[1]。 （5） 土壤湿度指数
Modis数据下载与处理相关说明
Modis数据下载与处理相关方法说 （一）modis数据的获取与下载 1 数据的获取 从英文网站上找到相关数据，常用的网站为： USGS网站https://www.360docs.net/doc/c35040217.html,网站可以浏览并下载需要的MODIS数据 (WIST 搜索和下载MODIS产品https://www.360docs.net/doc/c35040217.html,/wist-bin/api/ims.cgi/u228616 FTP下载方式的MODIS产品网站ftp://https://www.360docs.net/doc/c35040217.html, 其中MODIS产品的介绍可以从网站 https://https://www.360docs.net/doc/c35040217.html,/lpdaac/products/modis_products_table了解。 2数据的下载 登陆网站后，明确所选区域大致范围，如经纬度，时间等进行筛选。得到Data Poor table 后，选择所需数据类型，如LAI，NPP，Land cover type 等进行下载。 注：（1）下载数据是会遇到三种不同平台类型数据，分别为terra，aqua和combined数据，依次为上午星，下午星及雷达获取数据。 （2）无论何种方式下载，都需要等待很长时间，与网速有很大关系，因为需要一景一景的下载，文件大小根据所选数据产品的类型有关。 二数据的处理 1MODIS产品数据的打开 数据下载后，在ENVI、ERDAS IMAGINE等遥感图像处理软件中都可以打开。如果下载的是HDF格式，在ENVI中直接使用 [File] ----> [Open Image File]命令打开，选择HDF格式就行。打开后，产品自动加载入“Available Band List”
MODIS数据说明(经典)
MCD45A1
Combined
Tile
500m
Monthly
Burned Area
Surface Reflectance MOD09GA Terra Tile 500/1000m Daily Bands 1–7
表面反射
MYD09GA Aqua Tile 500/1000m Daily Surface Reflectance Bands 1–7 Surface Reflectance Bands 1–2 Surface Reflectance Bands 1–2 Surface Reflectance Bands 1–7 Surface Reflectance Bands 1–7 Surface Reflectance Bands 1–7 Surface Reflectance Bands 1–7 Surface Reflectance Bands 1–2 Surface Reflectance Bands 1–2 Vegetation Indices MOD13A1 Terra Tile 500m 16 Day
MOD09GQ
Terra
Tile
250m
Daily
MYD09GQ
Aqua
Tile
250m
Daily
MOD09CMG
Terra
CMG
5600m
Daily
陆地 2 级标准数据产品，内容为表面反射；空间分辨率 250m 日数据。
MYD09CMG
Aqua
CMG
5600m
Daily
MOD09A1
Terra
Tile
500m
8 Day
MYD09A1
Aqua
Tile
500m
8 Day
MOD09Q1
Terra
Tile
250m
8 Day
MYD09Q1
Aqua
Tile
250m
8 Day
植被指数
Vegetation Indices Vegetation Indices Vegetation Indices Vegetation Indices Vegetation Indices
MYD13A1 MOD13A2 MYD13A2 MOD13Q1 MYD13Q1 MOD13A3 MYD13A3 MOD13C1 MYD13C1 MOD13C2 MYD13C2
Aqua Terra Aqua Terra Aqua Terra Aqua Terra Aqua Terra Aqua
Tile Tile Tile Tile Tile Tile Tile CMG Tile CMG CMG
500m 1000m 1000m 250m 250m 1000m 1000m 5600m 5600m 5600m 5600m
16 Day 16 Day 16 Day 16 Day 16 Day
陆地 3 级标准数据产品，内容为栅格的归一化植被指数和增强 数（ NDVI/EVI ），空间分辨率 250m 。
Monthly Vegetation Indices Monthly Vegetation Indices 16 Day 16 Day Monthly Monthly Vegetation Indices Vegetation Indices Vegetation Indices Vegetation Indices Land Water Mask Derived
MOD44W
Terra
Tile
250m
none
MODIS数据分级及数据格式
第四章MODIS数据分级分类标准规范 MODIS数据产品分级、分类、流程参考规范（草） （中科院地理科学与资源研究所全球变化信息研究中心） （讨论和试用稿第一稿2004年9月15日） 前言说明：美国NASA对MODIS数据分级、分类和数据处理流程给予了比较明确的标准规范。我国对地观测系统MODIS共享平台建设主要参照了美国的标准，个别地方做了修改。这是讨论和试用稿（第一稿）。 1主题内容与适用范围 1.1主题内容 本标准规定了国家对地观测系统MODIS共享平台数据产品分类、分级和编码标准，用以规范我国MODIS数据产品在产生、归档、保藏、交换和应用中的一致性。 1.2参考标准 本标准制定主要参用了美国国家航空航天局（NASA）关于对地观测系统MODIS数据分级、分类和数据处理流程规范。 1.3适用范围 本规范适用于国家科技基础条件平台对地观测系统MODIS共享平台全部标准数据产品和过渡性数据产品。 2术语 2.1国家对地观测系统MODIS共享平台数据产品：国家对地观测系统MODIS共享平台数据产品包括标准数据产品和特殊数据产品。 2.2 标准数据产品：利用对地观测系统数据，依据规范和数据分级标准对一定空间分辨率和时间频率进行连续开发的数据产品，定义为标准数据产品。 2.3 特殊数据产品：利用对地观测系统数据，依据非规定的标准、或非规定的空间分辨率、或特定地区、或特定时间频率开发、或预处理过程的数据产品，称为特殊数据产品。 2.4 数据产品分级：根据数据间相互依存关系划分的等级称为数据产品分级。 2.5 数据产品分类：依据数据内容异同划分的数据类型称为数据产品分类。 2.6数据产品编码：用标识符或标识数字形式对数据产品进行一一确认的过程称为数据产品编码。 3 MODIS数据产品分级 3.1MODIS数据产品分级系统：MODIS标准数据产品分级系统由5级数据构成，它们分别是：0级、1级、2级、3级和4级。 3.20级数据：卫星地面站直接接收到的、未经处理的、包括全部数据信息在内的原始数据为0级数据。 3.31级数据：对没有经过处理的、完全分辨率的仪器数据进行重建，数据时间配准，使用辅助数据注解，计算和增补到0级数据之后为1级数据。 3.42级数据：在1级数据基础上开发出的、具有相同空间分辨率和覆盖相同地理区域的数据为2级数据。 3.53级数据：3级数据时以统一的时间-空间栅格表达的变量，通常具有一定的完整性和一致性。在3级水平上，将可以集中进行科学研究，如：定点时间序列，来自单一技术的观测方程和通用模型等。