DOI: https://doi.org/10.5194/essd-16-2501-2024
تاريخ النشر: 2024-05-29
المؤلف: Fangbo Pan وآخرون
الموضوع الرئيسي: دراسات وملاحظات الكريوسفير
نظرة عامة
تتناول هذه الدراسة الحاجة إلى منتجات تغطية الثلوج الجزئية المملوءة بفجوات السحب اليومية بدقة على المدى الطويل في منطقة برج المياه الآسيوي (AWT)، والتي تعتبر حيوية لأبحاث تغير المناخ والهيدرولوجيا. استخدم المؤلفون خوارزمية تحليل مزيج الطيف متعدد الأعضاء مع استخراج الأعضاء التلقائي (MESMA-AGE) وخوارزمية التداخل الزمني المكاني متعددة الخطوات (MSTI) لإنشاء منتج تغطية الثلوج الجزئية (FSC) من MODIS في AWT، والذي له دقة مكانية تبلغ 0.005° ويمتد من 2000 إلى 2022. تم تقييم دقة المنتج باستخدام 2,745 صورة من Landsat-8، مما أسفر عن معامل تحديد ($R^2$) قدره 0.80، وخطأ متوسط الجذر التربيعي (RMSE) قدره 0.16، وخطأ مطلق متوسط (MAE) قدره 0.10. أظهرت مقاييس التعريف الثنائية دقة عامة (OA) قدرها 95.17%، ودقة المنتج (PA) قدرها 97.34%، ودقة المستخدم (UA) قدرها 97.59%.
أشارت تقييمات إضافية باستخدام بيانات عمق الثلج من 175 محطة أرصاد جوية إلى OA قدرها 93.26%، وPA قدرها 84.41%، وUA قدرها 82.14%، وقيمة كوهين كابا (CK) قدرها 0.79. تم تحليل أداء المنتج أيضًا تحت ظروف جوية مختلفة، مما كشف عن مقاييس دقة عالية لكل من ملاحظات MODIS في السماء الصافية وإعادة البناء الزمني المكاني. تشير النتائج إلى أن منتج AWT MODIS FSC يوفر معلومات موثوقة عن التوزيع المكاني الكمي للثلوج، مما يجعله موردًا قيمًا لنماذج الهيدرولوجيا الجبلية، ونماذج سطح الأرض، وتوقعات الطقس العددية في منطقة AWT. تتوفر مجموعة البيانات للجمهور عبر المركز الوطني لبيانات هضبة التبت.
مقدمة
تسلط المقدمة الضوء على الدور الحاسم لتغطية الثلوج في التأثير على دورات المياه والطاقة العالمية والإقليمية، فضلاً عن تداعياتها على تغير المناخ، لا سيما في منطقة برج المياه الآسيوي التي تتركز حول هضبة التبت. تتميز هذه المنطقة بتراكم الثلوج الكبير، وقد شهدت عدم استقرار منذ عام 2008، حيث تم تسجيل تحويل كبير للثلوج إلى مياه سائلة. يتم التأكيد على الحاجة إلى مجموعات بيانات تغطية الثلوج الجزئية عالية الدقة وطويلة الأجل، حيث تواجه تقنيات الاستشعار عن بعد الحالية تحديات بسبب تغطية السحب ومشاكل البكسل المختلط، مما يمكن أن يؤدي إلى عدم دقة في تصنيف الثلوج.
لمعالجة هذه التحديات، تناقش الورقة طرق الاستشعار عن بعد المختلفة لرسم خرائط تغطية الثلوج، بما في ذلك خوارزمية MEAMA-AGE، التي تعزز استخراج الأعضاء الثلجية وغير الثلجية وتحسن الكفاءة الحسابية. تهدف الدراسة إلى إنتاج مجموعة بيانات تغطية الثلوج الجزئية المملوءة بفجوات السحب اليومية لمنطقة برج المياه الآسيوي من 2000 إلى 2022 باستخدام خوارزميات MESMA-AGE وMSTI. من المتوقع أن تسد هذه المجموعة الفجوات الموجودة في المنتجات الحالية لتغطية الثلوج، التي غالبًا ما تعاني من قيود في الدقة والدقة، وبالتالي دعم مراقبة أفضل وفهم ديناميات الثلوج في هذه المنطقة الحيوية. كما تم توضيح المنهجية وتقييم الدقة باستخدام صور Landsat-8 عالية الدقة وبيانات الأرصاد الجوية كجزء من إطار الدراسة.
الطرق
تم توضيح المنهجية لإنتاج منتج تغطية الثلوج الجزئية (FSC) من AWT MODIS في مخطط انسيابي (الشكل 2). تحدد الدراسة منتج MODAGE كالأكثر دقة بين منتجات تغطية الثلوج الجزئية التي تم تقييمها لهضبة تشينغهاي-التبت، كما أفاد هاو وآخرون (2019). وبالتالي، تم استخدام خوارزمية MESMA-AGE لاسترجاع تغطية الثلوج الجزئية من بيانات الانعكاس السطحي من Terra وAqua MODIS الإصدار 6 في منطقة برج المياه الآسيوي. لمعالجة الفجوات في البيانات الناتجة عن تغطية السحب والملاحظات المفقودة، تم استخدام نتائج استرجاع Aqua/MODIS لتكملة بيانات Terra/MODIS، وفقًا للطريقة التي وصفها لي وآخرون (2014).
بعد ذلك، سهلت مكتبة تجريد البيانات الجغرافية (GDAL) إعادة الإسقاط وتجميع نتائج تغطية الثلوج الجزئية من 12 بلاطة MODIS، كما أشار رووالت وآخرون (2024). ثم تم تطوير خوارزمية MSTI لأداء التداخل الزمني المكاني على البكسلات المتأثرة بتغطية السحب أو البيانات المفقودة، مما يسمح بإنشاء منتج تغطية الثلوج الجزئية المملوء بفجوات السحب اليومية. أخيرًا، تم تقييم وتحسين دقة خوارزمية MESMA-AGE ومنتج AWT MODIS FSC باستخدام بيانات عمق الثلج من محطات الأرصاد الجوية وصور Landsat-8.
النتائج
في هذه الدراسة، تم تقييم دقة منتج تغطية الثلوج الجزئية (FSC) من AWT MODIS بدقة باستخدام 2745 صورة من Landsat-8، مع التركيز على تقييمات تغطية الثلوج الثنائية والجزئية عبر أنواع السطح والارتفاعات المختلفة. تضمنت مقاييس التقييم الدقة العامة (OA)، ودقة المنتج (PA)، ودقة المستخدم (UA)، ومعامل التحديد ($R^2$)، والخطأ المطلق المتوسط (MAE)، وخطأ الجذر التربيعي المتوسط (RMSE). أشارت النتائج إلى حد أدنى من OA قدره 80.38% ومتوسط OA قدره 95.17%، مع متوسط PA قدره 97.34% ومتوسط UA قدره 97.59%. تراوحت قيم $R^2$ من 0.40 إلى 0.97، مع متوسط قدره 0.80، بينما كان متوسط MAE وRMSE 0.10 و0.16، على التوالي، مما يظهر توافقًا قويًا مع بيانات الحقيقة الأرضية.
كشف التحليل الإضافي عن تباينات سنوية في مقاييس الدقة، حيث تراوحت OA من 92.41% إلى 96.22% وPA من 94.77% إلى 97.88% عبر سنوات مختلفة. ومن الجدير بالذكر أن عام 2013 أظهر دقة أقل بسبب عدد محدود من بيانات التحقق، لا سيما في المناطق ذات الارتفاعات العالية. أسفر تقييم مصقول باستخدام ملاحظات عمق الثلج من 175 محطة في الموقع، مع أكثر من 20 يومًا من بيانات الثلوج في السنة، عن OA قدرها 93.26%، وPA قدرها 84.41%، وUA قدرها 82.14%. أظهرت الاستقرار الزمني لهذه المقاييس تحسنًا كبيرًا بعد عام 2014، ويعزى ذلك إلى زيادة ملاحظات محطات الأرصاد الجوية وتحسين دقة تحديد الثلوج. بشكل عام، تؤكد النتائج موثوقية منتج AWT MODIS FSC وتحسين توافقه مع ملاحظات عمق الثلج بمرور الوقت.
المناقشة
تركز الدراسة على منطقة برج المياه الآسيوي، التي تشمل هضبة بامير، وشينجيانغ، وهضبة تشينغهاي-التبت، والتي تعتبر حيوية لدعم ما يقرب من 2 مليار شخص من خلال أنظمة الأنهار الرئيسية. شهدت المنطقة ارتفاعًا كبيرًا في درجات الحرارة، مع زيادات تتراوح بين 0.3 إلى 0.4 °م في العقد، وهو ما يعادل ضعف المتوسط العالمي. تعتبر ديناميات تغطية الثلوج حيوية لفهم التغيرات المناخية والبيئية، وتعتبر بيانات تغطية الثلوج الجزئية عالية الدقة (FSC) ضرورية لنمذجة الهيدرولوجيا. تستخدم الأبحاث بيانات الانعكاس السطحي من MODIS من 2000 إلى 2022 وصور Landsat-8 من 2013 إلى 2021 للتحقق من دقة مجموعة بيانات AWT MODIS FSC، باستخدام خوارزمية MESMA-AGE لاسترجاع تغطية الثلوج الجزئية.
تتضمن الدراسة أيضًا قياسات عمق الثلج الأرضية من 175 محطة أرصاد جوية لتقييم دقة نتائج إعادة البناء الزمني المكاني، لا سيما تحت تغطية السحب. تشير مقاييس التقييم، بما في ذلك الدقة العامة (OA)، ودقة المنتج (PA)، ودقة المستخدم (UA)، وكوهين كابا (CK)، إلى أن منتج AWT MODIS FSC يعمل بشكل جيد، خاصة في المناطق ذات تغطية الثلوج المستقرة. ومع ذلك، تتناقص الدقة في المناطق ذات الثلوج المتقطعة والارتفاعات العالية بسبب التحديات الطبوغرافية. تعالج خوارزمية التداخل الزمني المكاني متعددة الخطوات التي تم تطويرها في هذه الدراسة بفعالية مشاكل تغطية السحب، مما يعزز موثوقية بيانات تغطية الثلوج في منطقة برج المياه الآسيوي.
القيود
تعود قيود منتج تغطية الثلوج الجزئية (FSC) من AWT MODIS بشكل أساسي إلى تغطية السحب المستمرة السائدة في منطقة برج المياه الآسيوي (AWT)، مما يؤدي إلى فجوات بيانات كبيرة وتقليل الدقة في مراقبة تغطية الثلوج. بينما توفر إدخال الأقمار الصناعية الجيودائمة الجديدة (مثل FY-4A/B، GOES-17/18، Himawari-8/9، وMSG/MTG) أداءً محسّنًا للمستشعرات وملاحظات أكثر تكرارًا (كل 5-15 دقيقة)، فإن فعالية هذه التطورات تعتمد على توفر ملاحظات كثيفة من محطات الأرض للتخفيف من مشاكل مثل تقدير السحب المفرط والارتباك بين السحب والثلوج.
تسلط الدراسة الضوء على أن متوسط تغطية السحب الشهرية، كما تم اشتقاقه من بيانات MODIS، يتجاوز 15 يومًا في المناطق الغنية بالثلوج مثل هضبة بامير وجبال تيان شان، حيث تعاني بعض المناطق من أكثر من 25 يومًا من تغطية السحب. بالمقابل، تشير بيانات FY-4A إلى متوسط تغطية سحابية شهرية تقل عن 10 أيام في معظم المناطق، مما من المتوقع أن يعزز دقة إعادة البناء الزمني المكاني لتغطية الثلوج الجزئية. ومع ذلك، فإن إمكانيات بيانات الأقمار الصناعية الجيودائمة مقيدة بسبب غياب خطوات المعالجة المسبقة الأساسية، بما في ذلك التصحيح الجوي والتسجيل الهندسي، بالإضافة إلى الأخطاء الكبيرة في المنتجات السحابية الحالية، مما يحد من قابليتها للتطبيق في مراقبة تغطية الثلوج على نطاق واسع.
DOI: https://doi.org/10.5194/essd-16-2501-2024
Publication Date: 2024-05-29
Author(s): Fangbo Pan et al.
Primary Topic: Cryospheric studies and observations
Overview
This study addresses the need for accurate long-term daily cloud-gap-filled fractional snow cover products in the Asian Water Tower (AWT) region, which are crucial for climate change and hydrological research. The authors employed the multiple-endmember spectral mixture analysis algorithm with automatic endmember extraction (MESMA-AGE) and a multistep spatiotemporal interpolation algorithm (MSTI) to generate the AWT MODIS fractional snow cover (FSC) product, which has a spatial resolution of 0.005° and spans from 2000 to 2022. The accuracy of the product was assessed using 2,745 Landsat-8 images, yielding a coefficient of determination ($R^2$) of 0.80, root mean squared error (RMSE) of 0.16, and mean absolute error (MAE) of 0.10. Binarized identification metrics showed an overall accuracy (OA) of 95.17%, producer’s accuracy (PA) of 97.34%, and user’s accuracy (UA) of 97.59%.
Further evaluation using snow depth data from 175 meteorological stations indicated an OA of 93.26%, PA of 84.41%, UA of 82.14%, and a Cohen kappa (CK) value of 0.79. The product’s performance was also analyzed under different weather conditions, revealing high accuracy metrics for both MODIS clear-sky observations and spatiotemporal reconstructions. The findings suggest that the AWT MODIS FSC product provides reliable quantitative spatial distribution information on snowpacks, making it a valuable resource for mountain hydrological models, land surface models, and numerical weather predictions in the AWT region. The dataset is publicly accessible via the National Tibetan Plateau Data Center.
Introduction
The introduction highlights the critical role of snow cover in influencing global and regional water and energy cycles, as well as its implications for climate change, particularly in the Asian Water Tower region centered on the Tibetan Plateau. This area, characterized by significant snow accumulation, has experienced instability since 2008, marked by a substantial conversion of snow to liquid water. The need for high-resolution, long-term fractional snow cover datasets is emphasized, as existing remote sensing technologies face challenges due to cloud cover and mixed pixel issues, which can lead to inaccuracies in snow classification.
To address these challenges, the paper discusses various remote sensing methods for snow cover mapping, including the MEAMA-AGE algorithm, which enhances the extraction of snow and non-snow endmembers and improves computational efficiency. The study aims to produce a daily cloud-gap-filled fractional snow cover dataset for the Asian Water Tower region from 2000 to 2022 using the MESMA-AGE and MSTI algorithms. This dataset is expected to fill existing gaps in current snow cover products, which often suffer from limitations in accuracy and resolution, thereby supporting better monitoring and understanding of snow dynamics in this critical region. The methodology and accuracy evaluation using high-resolution Landsat-8 images and meteorological data are also outlined as part of the study’s framework.
Methods
The methodology for producing the AWT MODIS fractional snow cover (FSC) product is outlined in a flowchart (Figure 2). The study identifies the MODAGE product as the most accurate among the fractional snow cover products evaluated for the Qinghai-Tibet Plateau, as reported by Hao et al. (2019). Consequently, the MESMA-AGE algorithm was employed for retrieving fractional snow cover from Terra and Aqua MODIS surface reflectance version 6 data in the Asian Water Tower region. To address data gaps caused by cloud cover and missing observations, Aqua/MODIS retrieval results were utilized to complement the Terra/MODIS data, following the approach described by Li et al. (2014).
Subsequently, the Geospatial Data Abstraction Library (GDAL) facilitated the re-projection and mosaicking of the fractional snow cover results from 12 MODIS tiles, as noted by Rouault et al. (2024). The MSTI algorithm was then developed to perform spatiotemporal interpolation on pixels affected by cloud cover or missing data, allowing for the creation of a daily cloud-gap-filled fractional snow cover product. Finally, the accuracy of the MESMA-AGE algorithm and the AWT MODIS FSC product was assessed and optimized using snow depth data from meteorological stations and Landsat-8 imagery.
Results
In this study, the accuracy of the AWT MODIS Fractional Snow Cover (FSC) product was rigorously evaluated using 2745 Landsat-8 images, focusing on both binary and fractional snow cover assessments across various surface types and altitudes. The evaluation metrics included overall accuracy (OA), producer’s accuracy (PA), user’s accuracy (UA), coefficient of determination ($R^2$), mean absolute error (MAE), and root mean square error (RMSE). The results indicated a minimum OA of 80.38% and an average OA of 95.17%, with PA averaging 97.34% and UA averaging 97.59%. The $R^2$ values ranged from 0.40 to 0.97, with an average of 0.80, while MAE and RMSE averaged 0.10 and 0.16, respectively, demonstrating strong consistency with ground truth data.
Further analysis revealed interannual variations in accuracy metrics, with OA ranging from 92.41% to 96.22% and PA from 94.77% to 97.88% across different years. Notably, the year 2013 exhibited lower accuracy due to a limited number of validation data, particularly in high-altitude areas. A refined evaluation using snow depth observations from 175 in situ stations, with more than 20 days of snow data per year, yielded an OA of 93.26%, PA of 84.41%, and UA of 82.14%. The temporal stability of these metrics showed significant improvement post-2014, attributed to an increase in meteorological station observations and enhanced snow identification accuracy. Overall, the findings underscore the AWT MODIS FSC product’s reliability and its improved consistency with snow depth observations over time.
Discussion
The study focuses on the Asian Water Tower region, encompassing the Pamir Plateau, Xinjiang, and the Qinghai-Tibet Plateau, which is crucial for sustaining nearly 2 billion people through its major river systems. The region has experienced significant warming, with temperature increases of 0.3 to 0.4 °C per decade, which is double the global average. Snow cover dynamics are vital for understanding climatic and ecological changes, and high-precision fractional snow cover (FSC) data are essential for hydrological modeling. The research utilizes MODIS surface reflectance data from 2000 to 2022 and Landsat-8 imagery from 2013 to 2021 to validate the accuracy of the AWT MODIS FSC dataset, employing the MESMA-AGE algorithm for fractional snow cover retrieval.
The study also incorporates ground snow depth measurements from 175 meteorological stations to assess the accuracy of spatiotemporal reconstruction results, particularly under cloud cover. The evaluation metrics, including overall accuracy (OA), producer’s accuracy (PA), user’s accuracy (UA), and Cohen’s kappa (CK), indicate that the AWT MODIS FSC product performs well, especially in regions with stable snow cover. However, accuracy diminishes in areas with fragmented snow and higher altitudes due to topographic challenges. The multistep spatiotemporal interpolation algorithm developed in this study effectively addresses cloud cover issues, enhancing the reliability of snow cover data in the Asian Water Tower region.
Limitations
The limitations of the AWT MODIS fractional snow cover (FSC) product are primarily attributed to the persistent cloud cover prevalent in the Asian Water Tower (AWT) region, which leads to significant data gaps and reduced accuracy in snow cover monitoring. While the introduction of new geostationary satellites (e.g., FY-4A/B, GOES-17/18, Himawari-8/9, and MSG/MTG) offers improved sensor performance and more frequent observations (every 5-15 minutes), the effectiveness of these advancements is contingent upon the availability of dense ground station observations to mitigate issues such as cloud overestimation and confusion between clouds and snow.
The study highlights that the average monthly cloud cover, as derived from MODIS data, exceeds 15 days in snow-rich areas like the Pamir Plateau and Tianshan Mountains, with some regions experiencing over 25 days of cloud cover. In contrast, the FY-4A data indicates an average monthly cloud cover of less than 10 days in most areas, which is expected to enhance the precision of spatiotemporal reconstruction of fractional snow cover. However, the potential of geostationary satellite data is hindered by the absence of essential preprocessing steps, including atmospheric correction and geometric registration, as well as significant misjudgments in existing cloud products, which collectively limit their applicability in large-scale snow cover monitoring.