改進積雪密度的估計是目前雪研究的一個關(guān)鍵問題。表征密度時空變異性對于水當(dāng)量的估算、水力發(fā)電和自然災(zāi)害(雪崩洪水等)的評估至關(guān)重要。高光譜成像是一種監(jiān)測和估計其物理特性的有前途且可靠的工具。事實上,雪的光譜反射率在一定程度上受其物理特性變化的控制,尤其是在光譜的近紅外(NIR)部分。為此,已經(jīng)設(shè)計了幾種模型根據(jù)光譜信息估算積雪密度。然而,還沒有一個實現(xiàn)滿意的結(jié)果。主要困難之一是積雪密度和光譜反射率之間的關(guān)系是非雙射的(滿射的)。事實上,幾個反射振幅與相同的密度相關(guān),反之亦然,所以密度和光譜反射率之間的相關(guān)性可能非常弱。
基于此,為了解決該問題,本研究中提出了基于光譜數(shù)據(jù)的積雪密度估計混合模型。主要研究目標(biāo)是利用高光譜NIR成像(PIKA NIR,RESONON Company)(900-1700 nm)以5.5 nm的光譜分辨率測試混合模型(HM)估計季節(jié)性積雪密度的性能?;旌夏P徒Y(jié)合了一個分類器和3個與密度類別相關(guān)聯(lián)的特定估算量(弱到中度變質(zhì)雪(WMM),中度到高度變質(zhì)雪(MHM)和高度到極高度變質(zhì)雪(HVM))。利用2018(1.19-3.27)、2019(1.10-4.3)和2020(1.29-3.10)年冬季在加拿大魁北克國立科學(xué)研究院(INRS)的科技園內(nèi)(46°47′43.22″北緯,-71°18′10″西經(jīng))收集的數(shù)據(jù)集校準(zhǔn)和驗證了HM?;旌夏P驮趦蓚€水平進行評估:利用留一法交叉驗證(LOOCV)算法和系統(tǒng)劃分驗證技術(shù)(SSV)。LOOCV技術(shù)用于評估3個特定估算量,SSV數(shù)據(jù)用于評估HM性能。4個統(tǒng)計評估指標(biāo)(決定系數(shù)(R2),均方根誤差(RMSE),偏差(BIAS)和納什系數(shù)(NASH))用于評估模型的性能。
?
加拿大魁北克采樣區(qū)地理位置。
高光譜成像系統(tǒng)。
(a)雪樣垂直剖面的高光譜采集;(b)積雪垂直地層空間轉(zhuǎn)換的假彩色RGB圖像。
【結(jié)果】
?
3種積雪類別的NIR光譜反射率。
?
混合模型估計特定估算量的結(jié)果;(a)WMM,(b)MHM,(c)HVM。
混合模型特定估算量的LOOCV結(jié)果;(a)WMM,(b)MHM,(c)HVM。
利用SSV數(shù)據(jù)估計區(qū)域混合模型。
【結(jié)論】
基于多元逐步回歸的校準(zhǔn)步驟結(jié)果表明,3種類型積雪均對不同NIR光譜區(qū)域敏感,局限于短波長和長波長。WMM對1265 nm和941 nm的波長敏感,MJM對1617 nm和941 nm的波長敏感,HVN對1424 nm和1188 nm的波長敏感。LOOCV技術(shù)強調(diào)了所有類別的特定估算量都趨向于略微高估積雪密度(BIAS<0.1 kg·m-3)。當(dāng)用SSV數(shù)據(jù)挑戰(zhàn)HM時,模型結(jié)果令人滿意,R2=Nash=0.93,積雪密度略有低估(BIAS=1.03 kg·m-3)。
本研究的目的是開發(fā)一種基于積雪光學(xué)特性地方法,結(jié)合傳統(tǒng)密度測量方法以減輕野外作業(yè)。利用HM估算積雪密度的關(guān)鍵步驟是最終特定估算量的選擇。事實上,分類算法(如CART)是局部且不穩(wěn)定的。這種不穩(wěn)定性會顯著影響利用HM的特定估算量的密度的準(zhǔn)確性。換句話說,對于利用HM的理想建模過程,要建模的樣品必須很好地分類,以便使用與該類對應(yīng)的特定估算量來進行最優(yōu)密度估計。否則,一個錯誤的特定估算量將會被選擇,從而影響估算精度。例如,對于一個581 kg·m-3的測量密度(分類為HVM),當(dāng)分別利用HVM,MHM和WMM特定估算量估算時,相對誤差變化了5%、39%和75%。另一方面,該方法的另一阻礙是野外和恢復(fù)的高光譜圖像上均勻積雪層的正確選擇。因此,需要進行額外的野外工作來收集更多的數(shù)據(jù)以克服這一弱點并允許適當(dāng)?shù)囊巴鈱嵤?。HM提供了一種改進工具來監(jiān)測季節(jié)性積雪的演變,即使對于低到中等的積雪密度,其性能也令人滿意。該研究結(jié)果是開發(fā)一種在野外連續(xù)監(jiān)測積雪密度剖面的有效方法的重要一步。
?
請點擊如下鏈接,閱讀原文:
PIKA NIR高光譜成像在估算積雪密度上的應(yīng)用