Μακροπρόθεσμη μεταβολή της χιονοκάλυψης στα βουνά Qilian (1986–2024): Μία υψηλής-ανάλυσης με βάση το Landsat ανάλυση
Από RemoteSensing Wiki
Long-Term Snow Cover Change in the Qilian Mountains (1986–2024): A High-Resolution Landsat-Based Analysis
Enwei Huang, Guofeng Zhu, Yuhao Wang, Rui Li, Yuxin Miao, Xiaoyu Qi, Qingyang Wang, Yinying Jiao, Qinqin Wang and Ling Zhao
1. Εισαγωγή
Η κάλυψη χιονιού αποτελεί κρίσιμο στοιχείο της κρυόσφαιρας και ζωτική πηγή νερού για τις άνυδρες περιοχές της βορειοδυτικής Κίνας. Τα βουνά Qilian (QLM), στην βορειοανατολική άκρη του Θιβετιανού Οροπεδίου, λειτουργούν ως οικολογικό φράγμα και περιοχή διατήρησης υδάτων. Λόγω της κλιματικής αλλαγής, η παρακολούθηση του χιονιού είναι απαραίτητη για την πρόβλεψη της διαθεσιμότητας νερού. Ενώ προηγούμενες μελέτες βασίζονταν σε δεδομένα MODIS (χαμηλής ανάλυσης 500m), η παρούσα έρευνα στοχεύει στη δημιουργία του πρώτου προϊόντος χιονιού υψηλής ανάλυσης (30m) για την περίοδο 1986-2024, καλύπτοντας ένα κενό 39 ετών ιστορικών δεδομένων.
2. Μεθοδολογία
Η μελέτη χρησιμοποίησε μια σύνθετη προσέγγιση τηλεπισκόπησης και στατιστικής ανάλυσης:
α. Δεδομένα και Πηγές (Data Acquisition)
Η μελέτη βασίστηκε σε μια στρατηγική συνδυασμού πολλαπλών αισθητήρων για την επίτευξη συνεχούς παρακολούθησης 39 ετών(1986-2025):
- Χρησιμοποιήθηκαν δεδομένα από τους Landsat 5 TM (1986-1999), Landsat 7 ETM+ (1999-2012), Landsat 8 OLI (2013-2020) και Landsat 9 OLI-2 (2021-2024).
- Η επεξεργασία έγινε μέσω του Google Earth Engine (GEE), το οποίο επέτρεψε την ανάλυση 42.006 εικόνων.
- Χρησιμοποιήθηκαν δεδομένα SRTM (Shuttle Radar Topography Mission) ανάλυσης 30 μέτρων για τον υπολογισμό του υψομέτρου, της κλίσης και του προσανατολισμού.
β. Στρατηγική Κάλυψης Νεφών (Cloud Masking Strategy)
Λόγω της συχνής παρουσίας νεφών στις ορεινές περιοχές, αναπτύχθηκε μια διπλή προσαρμοστική στρατηγική:
- Επιεικής (Lenient) Μάσκα: Αποκλείει μόνο τα βέβαια νέφη και τις σκιές τους, διατηρώντας το 65-75% των δεδομένων.
- Συντηρητική (Conservative) Μάσκα: Αποκλείει μόνο τα νέφη υψηλής εμπιστοσύνης, διατηρώντας το 75-85% των δεδομένων, κάτι που είναι κρίσιμο για τους χειμερινούς μήνες όπου τα δεδομένα είναι σπάνια.
γ. Φασματικοί Δείκτες και Προεπεξεργασία
Για την ακριβή αναγνώριση του χιονιού, πραγματοποιήθηκαν οι εξής ενέργειες:
- Ραδιομετρική Διόρθωση: Μετατροπή των ψηφιακών αριθμών (DN) σε τιμές επιφανειακής ανάκλασης (SR).
- Δείκτης NDSI (Normalized Difference Snow Index): Υπολογίστηκε με βάση την πράσινη (ρgreen) και τη βραχεία υπέρυθρη ζώνη (ρSWIR1). Ο δείκτης αυτός εκμεταλλεύεται την υψηλή ανακλαστικότητα του χιονιού στο ορατό φως και τη χαμηλή ανάκλασή του στο υπέρυθρο.
δ. Αλγόριθμος Ταξινόμησης Χιονιού Τριών Επιπέδων
Αντί για ένα απλό όριο, χρησιμοποιήθηκε ένα σύστημα τριών επιπέδων εμπιστοσύνης:
