全 文 ：阿勒泰地区雪灾遥感监测模型与评价方法 3
梁天刚　高新华 3 3 　刘兴元
(兰州大学草地农业科技学院 ,农业部草地农业生态系统学重点实验室 ,兰州 730020)
【摘要】　利用我国新疆阿勒泰地区 1996～1997 年两次雪灾期间的 NOAA 卫星数据及地面气象台站观测
资料 ,建立了积雪深度遥感反演模型 ;利用线性混合光谱分解原理 ,研究了基于像元的积雪覆盖率及积雪
空间分类算法 ;提出评价积雪对草地畜牧业危害程度的两种基于格网数据结构的定量化指数. 结果表明 ,
通过积雪深度反演模型和线性混合光谱分解方法可计算基于像元的积雪深度和覆盖率 ,提高积雪分类的
精度. 建立的基于格网单元的积雪危害指数模型可系统地表达积雪区的雪情、草情、畜情和气象因子的空
间分布状况 ,综合反映积雪对草地畜牧业的危害程度.
关键词 　雪灾危害指数 　遥感监测 　雪灾评价
文章编号 　1001 - 9332 (2004) 12 - 2272 - 05 　中图分类号 　S127 　文献标识码 　A
Snow disaster in Aletai Region —Its remote sensing monitoring model and evaluation method. L IAN G Tian2
gang , GAO Xinhua ,L IU Xingyuan ( Key L aboratory of Grassland A gro2ecosystem , Minist ry of A griculture , Col2
lege of Pastoral A griculture Science and Technology , L anz hou U niversity , L anz hou 730020 , China) . 2Chin. J .
A ppl . Ecol . ,2004 ,15 (12) :2272～2276.
In this paper ,a monitoring model of snow depth was built based on the 4 scenes of NOAA satellite digital images
under sunshiny condition and the corresponding ground observation data from 20 meteorological stations during 2
snow disasters from 1996 to 1997 in North Xinjiang. The pixel2based snow coverage rate and snow spatial classi2
fication were studied by using linear mixture spectrum disassembling method , and two grid data layers based
quantified indices used for estimating snow hazard grade of grassland and animal husbandry were put forward.
The results indicated that by using the snow monitoring model and linear mixture spectrum disassembling
method ,the image cell based snow depth and snow coverage rate could be calculated ,and the precision of snow
classification could be improved. The image cell based snow hazard index could systematically express the spatial
distribution of snow ,grass ,animal and climate conditions ,and reflect the snow hazard grade of grassland and ani2
mal husbandry.
Key words 　Snow hazard index , Remote sensing monitoring , Snow disaster evaluation.3 国家自然科学基金项目 (30100129)和农业部草地农业生态系统学
重点实验室基金资助项目 (CDZDSYS0307) .3 3 通讯联系人.
2004 - 02 - 12 收稿 ,2004 - 07 - 26 接受.
1 　引 　　言
阿勒泰地区是我国的重点牧区 ,也是新疆的主
要畜牧业基地. 该区草地资源丰富 ,草场面积为
9184 ×106 hm2 ,占全区土地总面积的 8314 % ,畜牧
业是该区 6 县 1 市经济发展的主体. 由于区内地形
复杂 ,海拔高 ,气候寒冷潮湿 ,冬、春季雪灾频繁 ,大
批牲畜因雪灾而死亡 ,因此 ,雪灾成为影响草地畜牧
业发展的主要自然灾害之一[15 ,23 ] . 对近几十年阿勒
泰地区降雪状况的研究表明 ,雪灾易发区的总体特
征是 :1)冷季长 ,牧草枯黄早 ,放牧时间短 ;2)雪灾持
续的时间长 (10 月至翌年 4 月) ;3) 雪灾导致大量的
牲畜死亡 ,给畜牧业长期稳定发展及牧民生活带来
极大困难 ;4)冬、春季缺草 ,普遍缺乏抗御雪灾的基
础设施 ;5)雪灾最严重的地区通常交通不便 ,用于快
速决策及救援的监测及评价信息难以准确和详细.
因此 ,利用高时间分辨率的 NOAA 卫星数字图像雪
深反演模型 ,对阿勒泰地区的积雪厚度及其空间分
布状况进行快速准确地监测和评价 ,对制定救灾对
策具有重要意义[1 ,6～9 ,13 ,14 ] . 国内外利用遥感资料
在积雪空间变化动态监测与制图方面已做了大量的
研究工作[4 ,7 ,11 ,18 ,19 ,27 ] . 但是利用遥感监测信息、气
象和草地畜牧业资料 ,综合评价积雪对草地畜牧业
的危害程度的研究则较少 ,已有的方法通常只考虑
遥感监测的积雪深度、积雪面积和草场植被高度等
几个指标 ,未能充分地考虑积雪地区的雪情、草情、
畜情和气象因子 [3 ,20 ,21 ,28 ,29 ] . 本项研究采用晴空
NOAA/ AV HHR 资料 ,使用遥感和 GIS 的空间分析
技术 ,综合利用积雪覆盖率、雪深、草地类型、季节放
牧利用草场类型、低温持续时间和家畜死亡率等指
标 ,建立了一种新的基于格网单元的空间分布式雪
灾危害评价指数模型及分级体系 ,系统地分析积雪
应 用 生 态 学 报 　2004 年 12 月 　第 15 卷 　第 12 期 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
CHIN ESE JOURNAL OF APPL IED ECOLO GY ,Dec. 2004 ,15 (12)∶2272～2276
对草地畜牧业的危害程度 ,为牧区雪灾的动态监测
与评价提供科学依据.
2 　研究方法
211 　数据收集
本研究选取的遥感资料覆盖 73°～97°E ,40°～50°N ,包
括北疆的伊犁地区、塔城地区、阿勒泰地区、昌吉州及哈密地
区北部的大部分区域. 收集了该区域内 1996 年 12 月 31 日、
1997 年 1 月 16 日、1997 年 2 月 27 日、1997 年 12 月 20 日 4
个时相晴空天气状况下 NOAA 14 卫星 5 个通道的数字图像
资料 ,以及 1996 年 11 月～1997 年 2 月和 1997 年 12 月两次
雪灾期间北疆地区 20 个气象站观测记录的日降雪量、积雪
深度和气温等资料.
212 　数据处理
21211 遥感图像处理 　使用 ERDAS IMA GIN E 815 软件对 4
个时相的数字图像进行几何精纠正、图像去云处理、云区缺
值插补处理、数据提取和图像分类.
21212 建立雪深反演模型 　利用 SPSS 软件 ,分析积雪厚度
(SD)与气象观测台站的经度、纬度、海拔高度和对应 NOAA
卫星可见光波段 ch1 ( 0158～ 0168 μm) 、近红外波段 ch2
(01725～111μm) 、中红外波段 ch3 (3155～3195μm) 、热红
外波段 ch4 (10130～11130μm) 的灰度值 ,以及波段组合指
数 ch12ch2、ch1ch2/ ch4、ch2/ ch1、ch2 + ch1 和 (ch22ch1) / (ch2
+ ch1)间的相关性 ,模拟积雪厚度反演模型 ,分析积雪分布
厚度同 NOAA 卫星通道 1 和通道 2 反射率之间的数理关
系 ,建立北疆地区可见光及近红外遥感积雪监测模型.
21213 雪灾监测背景数据库的建设 　利用 Arc GIS 软件 ,建
立研究区数字高程模型 (DEM) 、水系、道路、地名注记、天然
草地资源类型、高度、盖度、鲜草产量、载畜力、草地等级、季
节放牧利用、行政分区及 20 个地面观测台站的雪深和气温
等空间数据库 ,结合遥感图像库 ,建立雪灾监测背景数据库 ,
为遥感图像的几何精纠正、雪和云的辨识、积雪空间分布制
图及雪灾危害综合评价提供基础资料.
21214 雪深空间分布的模拟 　利用积雪分类图像和雪深反
演模型 ,计算积雪空间分布状况 ,建立 2 次雪灾期间积雪厚
度和覆盖率动态变化数据库.
3 　结果与讨论
311 　雪深遥感监测模型的选择
已有研究表明 ,在 NOAA/ AV HRR 的可见光和
近红外光谱 1、2 通道 ,积雪反射率明显高于裸地 ,而
在 3、4 通道 ,积雪的热辐射率却低于裸地 ,其中 ,1、4
通道对积雪与云反映最为敏感 ,只选择其中一个通
道的单阈值判断法和同时选择两个通道的双阈值判
断法是目前有效地区别积雪区和裸地的常用方法.
另外 ,由于电磁波段的差异 ,可见光和近红外光谱通
道对积雪的敏感性不同. 当积雪开始消融时 ,近红外
光谱波段的反射率强烈减小 ,因而 AV HRR 波段 1
和波段 2 反射率的差值 (D12 = ch1 - ch2)增大. 在植
被分布稀疏的地区 ,D12 明显高于零 ;在林区 ,这种
效应因植被的影响而减弱. 在降雪不久 ,积雪开始消
融的湿雪期 ,D12 较高 ;此后 ,因裸露地表增加 ,ch1
反射率降低 ,ch2 反射率由于植被的出现而逐渐增
大 ,因而 D12 不断降低. 在雪层厚度 < 20 cm 的干雪
期 ,ch1 和 ch2 的反射率较高 ,D12 值与积雪厚度具
有比较明显的正相关关系. 因此 ,在无云或相对云量
较少的情况下 ,可以利用 ch1 和 ch2 数据来研究积
雪深度及其空间分布状况[3 ] .
对北疆地区积雪资料统计分析的结果表明 ,干
雪期的雪深与经度、纬度、海拔高度、NOAA 卫星可
见光波段 ch1、近红外波段 ch2 的灰度值及波段组
合指数 ch12ch2 和 ch1ch2 之间具有明显的正相关关
系 ,与中红外波段 ch3、热红外波段 ch4、远红外波段
ch5的亮温值之间具有显著的负相关关系. 利用
NOAA 卫星资料反演雪深较理想的遥感模型有 :
S = 31356 + 11747 (c1 ×c2/ c4)
( r = 01616 , n = 80 ,α= 0105) (1)
S = - 1210295 + 01699c2 + 010613 (c1 - c2)
( r = 01544 , n = 80 ,α= 0105) (2)
逐步回归分析模型 :
S = 51736 + 01597 (c1 - c2) 　0 < S ≤20 (3)
S = 411711 - 01362 (c1 - c2) 　S > 20 (4)
式中 , S、c1、c2 和 c4 分别代表雪深 (cm) 、NOAA 卫
星通道 1 和通道 2 的反照率 ,以及通道 4 的亮温值 ;
逐步回归模型 (3)～ (4) 的样本数为 80 ,回归系数为
01879 ,显著水平为 0105.
对上述公式的计算效率和误差分析的结果表
明 ,逐步回归模型 (3) ～ (4) 能够更好地反演积雪的
厚度 ,其次分别为模型 (1) 和模型 (2) . 当雪深介于 0
～20 cm 时 ,逐步回归模型 (3) ～ (4) 、模型 (1) 和模
型 (2)的精度较高 ,44 个样点绝对误差的均值分别
为 419、813 和 814 cm ;当雪深 > 20 cm 时 ,以上模型
的误差都比较大 ,28 个样点绝对误差的均值分别达
917、1414 和 1419 cm. 雪深在 40 cm 以上时 ,统计模
型的雪深指数 (c1 - c2) 趋于极值 ,模型模拟值接近
饱和 ,模拟误差更大. 例如 1997 年 2 月 27 日阿勒泰
地区实测积雪厚度介于 8～59 cm ,模型 (1) 的模拟
值介于 314～4611 cm ,模型 (2) 的模拟值介于 - 918
～4311 cm.
利用 NOAA 资料和上述 3 种统计模型 ,对积雪
厚度进行逐像元模拟时 ,在无雪区的模拟结果会出
372212 期 　　　　　　　　　　　　梁天刚等 :阿勒泰地区雪灾遥感监测模型与评价方法 　　　　　　　　　　　
现异常数值 ,如利用逐步回归模型和模型 (2)在无雪
区会出现负值 ,利用模型 (1)则会在无雪区出现比较
小的正数. 但是将积雪分类图像作为判断条件 ,可以
排除无雪区的干扰.
312 　积雪空间分布的判别
积雪空间分布动态变化监测与制图是牧区雪灾
综合评价的重要内容之一. 传统的积雪制图方法大
多采用二值分类方案 ,分类结果仅为积雪和非积雪
两类 ,不考虑积雪和非积雪类之间的过渡类型 ,或者
在考虑过渡类型的情况下 ,将过渡类型区的积雪覆
盖率赋值为 50 % ,从而在积雪监测及雪水当量的计
算中产生较大的误差[2 ,10 ,22 ] .
本研究采用 Landesa[12 ]提出使用 AV HRR 数据
进行像元混合光谱分析的方法 ,对北疆地区的图像
进行了分类研究. 依据线性混合像元光谱分解模型
Im = a1 C1 +α2 C2 ,利用 NOAA 卫星 1、2 通道的数
字图像可以确定组合图像的数值 ,从而实现图像分
类的目的.α1 和α2 为组合图像计算模型的系数 ,其
值由下式确定.
a1 = 255
G2
S1 G2 - S 2 G1
, a2 = 255
G1
S 1 G2 - S 2 G1
(5)
将 a1 和 a2 系数代入混合像元光谱分解基本模
型 ,可得 :
Im = a1 C1 + a2 C2 = 255
C1 G2 - C2 G1
S1 G2 - S 2 G1
(6)
将式 (6) 进行归一化处理后 ,可写为 :
Im = Im / 255 =
C1 G2 - C2 G1
S1 G2 - S 2 G1
(7)
式中 , Im 是组合图像的像元值 ; C1 和 C2 分别是相
应 1 波段和 2 波段的像元值 ; S 1 和 S 2 分别是两个
波段中积雪覆盖率为 100 %的区域内最小的像元
值 ; G1 和 G2 是无雪覆盖的裸地内最大的像元值.
利用式 (7) 可逐像元计算组合图像 Im 中每个
像元的分值. 组合图像的像元值的分布范围为 0～
1. 数值 1 代表积雪覆盖率为 100 %的像元 ,0 为无积
雪覆盖的像元 ,介于 0～1 之间的像元代表有积雪覆
盖的混合像元 ,其数值直接表示了混合像元中积雪
所占面积的比率. 对组合图像中 3 种类型的像元进
行空间合并处理 ,即可制作积雪空间分布地图.
由于积雪在可见光波段的反射率大于近红外波
段的反射率 ,而且积雪越厚 ,其差值 (ch1 - ch2) 越
大 ;在 ch1 > = 30 且 ch1 - ch2 > 0 的情况下 ,一般
认为是积雪区. 根据这一特点 ,在使用混合像元分析
的方法之前 ,首先对 1 通道及 1、2 通道的差值数字
图像进行逐像元分析判断 ,并粗分为无雪区 (0 ≤ch1
≤15) 、积雪过度带 (15 < ch1 ≤30) 和积雪区 (ch1 >
30) 3 个类型的数字图像 ;其次是分别确定 AV HRR
数据 1 波段和 2 波段中积雪覆盖率为 100 %的区域
内最小的像元值 S 1 和 S 2 ,以及无积雪覆盖的裸地
内最大的像元值 G1 和 G2 . 根据组合图像的计算方
程 ,即可逐像元计算并生成一个经归一化处理的组
合数字图像 Im . 利用该组合图像 Im 、NOAA 卫星
ch1 和 ch2 数字图像、积雪密度及雪深遥感监测模
型 ,可分析计算任意地域范围内的积雪水当量 ,绘制
积雪空间分布范围、积雪厚度和积雪覆盖率地图.
对阿勒泰地区 4 景 NOAA 资料的研究表明 ,线
性混合光谱模型可以较好地对积雪图像进行分类 ,
但该模型的灵敏度极高 ,受积雪覆盖率为 100 %的
区域内最小的像元值 S 1 和 S 2 ,以及无积雪覆盖的
裸地内最大的像元值 G1 和 G2 的影响. 这 4 个参数
目前只是通过目视判读的方式提取 ,尚需要研究新
的方法. 如对 1997 年 2 月 27 日 NOAA 资料研究的
结果表明 ,线性混合光谱分解模型 4 个参数的取值
应为 G1 = 17 , S 1 = 68 , G2 = 20 , S 2 = 59 . 但不同的研
究人员所提取的参数值会有一定的变化.
313 　积雪危害综合评价指数的确定
积雪对草地畜牧业的危害程度取决于雪情状况
(空间分布、厚度) 、草地状况 (草群高度、盖度、产量、
载畜力、季节放牧利用地的空间分布等) 、畜情状况
(种类、结构、死亡率) 和气象因子 (温度、风力) 等多
项指标[5 ,16 ,17 ] . 建立上述指标基础空间数据库 ,研
究空间分布式积雪危害评价指数 ,对综合评价雪灾
的地域分布状况具有重要意义[24～26 ,30 ,31 ] .
本研究提出了评价积雪对草地畜牧业危害程度
的两种基于格网数据结构的定量化指数 ,即积雪危
害指数 K 和积雪危害综合评价指数 E.
K = k1 ×k2 ×k3 , E = K ×S ×D/ Dmax (8)
其中 , k1 = S C , k2 = S D/ ( S D + GH) , k3 = GS ×
G Y ×GC ×GU ; S 、D 和Dmax 分别代表家畜死亡率
( %) ,低温持续天数和最大低温持续时间 ; S D 和
S C 代表积雪遥感监测的深度 (cm) 和积雪覆盖率
( %) ; G Y 、GH、GC、GU 和 GS 分别代表鲜草产量
(kg·hm - 2) 、草群高度 (cm) 、草地载畜力 (km2/ 标准
羊单位) 、可利用草地面积系数 ( %)及草地季节放牧
利用权重系数 ; k1 为积雪覆盖率 ,反映积雪在地表
水平方向的变化 ; k2 为草地掩埋指数 ,反映积雪在
垂直方向的变化 ; k3 为草地利用价值指数 ,反映积
雪期可放牧利用草场及其贡献率.
4722　　　　　　　　　　　　　　　　　　　　应 　用 　生 　态 　学 　报 　　　　　　　　　　　　　　　　　　15 卷
表 1 　阿勒泰地区草场类型及其贡献率
Table 1 Grassland types and their contribution rate in the Aletai region
草场类型
Grassland
type
草地利
用系数
Coefficient
草群高度
Height
(cm)
鲜草产量
Yield
(kg·hm - 2)
载畜力
Capacity
(hm2/ SU)
草地贡献率
Contribution
rate
高寒草原草场
Alpine steppe 01896 16～24 133510 0138 01215
高寒草甸草场
Alpine meadow 01874 10～35 269410 0129 01327
山地草甸草场
Mountain meadow 01970 20～100 590515 0115 01398
山地草甸草原草场
Mountain meadow steppe 01892 20～45 327415 0134 01471
山地草原草场
Mountain steppe 01814 20～35 141610 0179 01430
山地荒漠草原草场
Mountain desert steppe 01813 10～35 90010 1129 01446
山地草原化荒漠草场
Mountain steppe desert 01776 10～35 86710 1176 01562
平原荒漠草原草场
Plain desert steppe 01799 5～20 90010 0165 01223
平原荒漠草场
Plain desert 01677 4～45 139510 1175 01785
低地草甸草场
Flat meadow 01811 9～150 792610 0112 01366
高寒沼泽草场
Alpine swamp 01733 9～45 324610 0126 01293
平原沼泽草场
Plain swamp 01492 23～150 988210 0112 01276
　　利用式 (8)进行分析时应注意 :1) S C 为 NOAA
组合图像 Im 中每个像元的分值 ,可反映逐格网单
元被积雪覆盖的程度 ,用 0 表示无积雪 ,1 表示积雪
覆盖率为 100 % ,0～1 之间的数值表示积雪过度带
的覆盖率. 2) k2 反映草场被积雪掩埋的程度 ,其值
介于 0～1. 当 k2 ≥015 时 ,草场被积雪完全掩埋 ;当
k2 < 015 时 ,仅有部分高度的草场被积雪掩埋. 3)
GS 表示在积雪期间各格网单元所在草场对家畜放
牧的重要程度 ,可根据具体的降雪时间、积雪覆盖时
期和季节放牧利用数字地图用权重因子进行数量
化. 例如 ,将阿勒泰地区季节放牧利用草场分为夏
场、春秋场、冬场和冬春秋场 4 种类型. 当成灾时间
为冬季时 ,各场的权重因子依次可定为 0 ,015 ,110
和 018. 另外 ,草地产量 ( G Y) 、利用系数 ( GU ) 和载
畜力 ( GC) 同草地类型密切相关 ,可以草地类型或组
为基本单元进行量化 ,这 3 个指标乘积的归一化数
值可反映草地类型的贡献率 CR (表 1) . 由此可见 ,
k3 指数可综合反映积雪时期可放牧利用草地的空
间分布位置及其本身所具有的放牧利用价值. 4) 积
雪危害指数 K 可反映草情和雪情的空间变化特征 ,
在难以获取气象和畜牧资料的情况下 ,可对雪灾的
危害性进行初步分析. 利用该指数可逐格网单元确
定是否有雪 ,根据季节放牧利用草场的权重确定是
否可进行放牧利用 ,排除无雪或积雪期没有放牧利
用意义的区域 ,限定雪灾评价的地域分布范围. 在有
雪且有放牧利用意义的情况下 ,计算各格网单元所
在草场被积雪覆盖的程度及其放牧利用的重要程度
和放牧利用价值的大小. 5) 雪灾危害综合评价指数
E 可系统地表达雪情、草情、畜情和气象因素的空
间分布及其对草地畜牧业的危害程度. E 值愈大 ,
表示积雪对草地畜牧业的危害性愈高.
　　利用上述模型 ,对阿勒泰地区 1996 年 11 月～
1997 年 2 月和 1997 年 12 月 2 次雪灾进行了研究.
在此基础上 ,总结出该地区冬季雪灾对草地畜牧业
危害程度的评价指标体系 (表 2、表 3) . 研究结果表
明 ,利用空间分布式积雪危害综合评价指数 E 值 ,
可以更加详细地分析雪灾的空间分布特征 ,确定重
灾区域的具体位置 ,避免仅按行政分区笼统地将一
个区域划为某一等级雪灾的弊端.
表 2 　阿勒泰地区冬季草场积雪危害评价指标体系
Table 2 Evaluation index system for snow hazard of grassland in winter
in the Aletai region
雪灾等级
Grade
雪灾危害指数 Snow hazard index K ( %)
夏场
Summer
春秋场
Spring ,Autumn
冬场
Winter
冬春秋场
Winter ,Spring ,
Autumn
无雪灾 No disaster 0 < 0159 < 1118 < 0194
轻度雪灾 Minor 0 0159～2136 1118～4171 0194～3177
中度雪灾 Moderate 0 2136～5190 4171～11178 3177～9142
严重雪灾 Serious 0 5190～15172 11178～31140 9142～25112
特大雪灾 Extremely serious 0 > 15172 > 31140 > 25112
表 3 　阿勒泰地区冬季草场积雪危害综合评价指标体系
Table 3 Integrated evaluation index system for snow hazard of grassland in winter in the Aletai region
雪灾等级
Grade
积雪危害综合评价指数 Integrated evaluation index of snow hazard ( %)
夏场
Summer
春秋场
Spring ,Autumn
冬场
Winter
冬春秋场
Winter ,Spring ,
Autumn
低温持续天数
Days of low
temperature
(d)
家畜死亡率
Animal mortality
( %)
无雪灾 No disaster 0 < 01002 < 01005 < 01004 < 2 < 3
轻度雪灾 Minor 0 01002～01079 01005～01157 01004～01126 2～5 3～10
中度雪灾 Intermediate 0 01079～01471 01157～01942 01126～01754 5～8 10～15
严重雪灾 Serious 0 01471～31925 01942～71850 01754～61280 8～15 15～25
特大雪灾 Extremely serious 0 > 31925 > 71850 > 61280 > 15 > 25
4 　结 　　论
　　线性混合光谱分解方法在 NOAA 卫星积雪动
态监测与制图中具有重要的应用价值. 使用该种方
法可逐像元进行分析计算 ,建立组合图像 ,将图像分
为积雪覆盖率 100 %的积雪区、积雪覆盖率为 0 的
572212 期 　　　　　　　　　　　　梁天刚等 :阿勒泰地区雪灾遥感监测模型与评价方法 　　　　　　　　　　　
无雪区和积雪覆盖率介于 0～100 %的积雪过渡区 3
个类型. 该方法够有效地提取混合像元中的积雪信
息 ,提高积雪制图的精度 ,也可作为雪灾危害评价指
数模型中一个重要的变量.
利用空间分布式的雪灾危害综合评价指数 ,可
充分利用现有的遥感和 GIS 技术及相关的草地畜
牧业调查资料 ,逐格网单元确定有否雪 ,可否进行放
牧利用 ,排除无雪或特定时间范围内没有放牧利用
意义的区域 ,限定雪灾评价的地域分布范围. 在有雪
且有放牧利用意义的区域 ,计算各格网单元所在草
场被积雪覆盖的程度及其放牧利用的重要程度和放
牧利用价值的大小 ,从而系统地表现雪情、草情、畜
情和气象因素的空间分布状况 ,综合反映积雪对草
地畜牧业的危害程度.
积雪深度是雪灾监测与评价的重要指标. 利用
NOAA 卫星数字图像反演积雪深度 ,建立遥感监测
模型 ,时间分辨率高、覆盖范围广、对牧区雪灾进行
快速监测 ,为雪灾综合评价和防灾救灾工作提供基
础信息. 但是 NOAA 资料受天气状况的严重影响 ,
当地表积雪厚度超过 20 cm 以上时 ,雪深指数 (ch1
×ch2/ ch3)会发生饱和现象. 这已得到改进[26 ] . 今后
积雪遥感监测应结合地理信息系统技术 ,重点研究
MODIS 资料的去云处理、积雪覆盖率和雪深算法等
方面 ,进一步改善积雪监测的精度.
参考文献
1 　Chen Q2G(陈全功) . 1996. The snow disaster and its defence strat2
egy in Yushu Tibetan prefecture of Qinhai Province. Practacul Sci
(草业科学) ,13 (6) :60～63 (in Chinese)
2 　Dozier J , Marks D. 1987. Snow mapping and classification from
Landsat Thematic Mapper data. A nn Glaciol ,9 :97～103
3 　Feng X2Z (冯学智) , Zeng Q2Z (曾群柱) . 1995. Study on Snow
Disaster Monitoring Using Remote Sensing in Naqu Area of
Xizang. Memories of Lanzhou Institute of Glaciology and Geocryol2
ogy ,CAS(No. 8) . Beijing :Science Press. 14～22 (in Chinese)
4 　Fily M ,Dedieu J P ,Durand Y. 1999. Comparison between the re2
sults of a snow metamorphism model and remote sensing derived
snow parameters in the Alps. Remote Sens Envi ron ,68 :254～263
5 　Goodchild MF ,Haining RP ,Wise S. 1992. Integration GIS and spa2
tial date analysis : Problems and possibilities. Int J Geogr Inf orm
Syst ,6 (5) :407～423
6 　Huang C2Y (黄朝迎) . 1998. Snow disaster and harm of pastoral
area in China. J Catast rophol (灾害学) , 13 ( 4) : 45～48 (in Chi2
nese)
7 　He J2B(何建帮) , Tian G2L (田国良) . 1996. Monitoring and evalu2
ation information system of major natural disaster in China. J Nat
Disast (自然灾害学报) ,5 (3) :1～7 (in Chinese)
8 　Hao L (郝　璐) , Wang J2A (王静爱) ,Man S2E (满苏尔) , et al .
2002. Spatio2temporal change of snow disaster and analysis of vul2
nerability of animal husbandry in China. J Nat Disast (自然灾害学
报) ,11 (4) :43～48 (in Chinese)
9 　Hao L (郝 　璐) , Wang J2A (王静爱) , Shi P2J (史培军) , et al .
2003. Vulnerability assessment of regional snow disaster of animal
husbandry : Taking pasture of Inner Mongolia as an example. J Nat
Disast (自然灾害学报) ,12 (2) :51～57 (in Chinese)
10 　Jarkko K , Sari M ,Jochen G , et al . 1999. Snow monitoring using
radar and optical satellite data. Remote Sens Envi ron ,69 :16～29
11 　Krishna AP. 1996. Satellite remote sensing applications for snow
cover characterization in the morphogenetic regions of upper Tista
river basin ,Sikkim Himalaya. Int J Remote Sens ,17 (4) :651～656
12 　Landesa EG. 1997. Estimation of snow water resources using re2
mote sensing with NOAA satellite. Ph. D. Thesis. Madrid , Spain :
Suffolk University Madrid Campus.
13 　Liang T2G(梁天刚) , Meng Y2S (孟延山) , Wu C2X (吴彩霞) .
2002. Progress in monitoring and estimate of snow disaster in graz2
ing areas. J L anz hou U niv ( Nat Sci) (兰州大学学报·自然科学
版) ,38 (supp . ) :39～44 (in Chinese)
14 　Liang T2G(梁天刚) , Wu C2X(吴彩霞) ,Chen Q2G(陈全功) , et
al . 2004. Snow classification and monitoring models in the pastoral
areas of the northern Xinjiang. J Glaciol Geocryol (冰川冻土) ,26
(2) :160～165 (in Chinese)
15 　Liu X2Y(刘兴元) ,Liang T2G(梁天刚) , Guo Z2G(郭正刚) ,et al .
2003. Assessment and monitoring of snow disaster effect on grass2
land animal husbandry using remote sensing technology in Aletai re2
gion. Acta Pratacul S in (草业学报) , 12 (6) : 115～119 (in Chi2
nese)
16 　Lu A2X(鲁安新) ,Feng X2Z(冯学智) ,Zeng Q2Z(曾群柱) . 1996.
Study on the application of GIS in the research of pastoral snow dis2
aster. J Catast rophol (灾害学) ,11 (1) :25～29 (in Chinese)
17 　Lu A2X(鲁安新) ,Feng X2Z(冯学智) ,Zeng Q2Z(曾群柱) , et al .
1997. Principal component analysis of the snow disaster factors in
the pastoral Nagqu Prefecture , Tibet Region. J Glaciol Geocryol
(冰川冻土) ,19 (2) :180～185 (in Chinese)
18 　Michael FB ,Albert R. 1995. A microcomputer2based alpine snow2
cover analysis system (ASCAS) . Photogram Eng Remote Sens ,61
(12) :1475～1486
19 　Saraf A K , Foster JL . 1999 Passive microwave for snow2depth and
snow extent estimations in the Himalayan mountains. Int J Remote
Sens ,20 (1) :83～95
20 　Shi G2H (史光华) , Sun Z2J (孙振钧) , Gao J2X (高吉喜) . 2004.
Comprehensive assessment on sustainable development of livestock
production. Chin J A ppl Ecol (应用生态学报) ,15 (5) :909～912
(in Chinese)
21 　Shi P2J (史培军) , Chen J (陈 　晋) . 1996. Study on monitoring
snow disaster in large areas supported by GIS and RS. Acta Geogr
Sin ,16 (3) :296～304 (in Chinese)
22 　Stroeve J , Nolin A , Steffen K. 1997. Comparison of AVHRR2de2
rived and in situ surface albodo over the Greenland ice sheet . Re2
mote Sens Envi ron ,62 :262～276
23 　The Husbandry of Xinjiang Uygur Autonomous Region (新疆维吾
尔自治区畜牧厅) . 1993. Xinjiang Grassland Resources and Its Ap2
plication. Urumqi :Xinjiang Hygienic Science & Technology Press.
1～25 (in Chinese)
24 　Tong C(仝 　川) , Yong S2P (雍世鹏) , Yong W2Y(雍伟义) , et
al . 1996. Remote sensing analysis on grade evaluation of accumulat2
ed snow disaster in temperate rangeland. Acta Inner Mongolia U2
niv (Nat Sci) (内蒙古大学学报·自然科学版) ,27 (4) :531～537
(in Chinese)
25 　Wang C2M (王春梅) , Wang J2D (王金达) ,Liu J2S (刘景双) , et
al . 2003. Ecological risk assessment of forest resource in northeast
China. Chin J A ppl Ecol (应用生态学报) , 14 (6) : 867～870 (in
Chinese)
26　Wang Z2X (王正兴 ) , Liu C (刘 　创 ) , Huete A. 2003. From
AVHRR2NDVI to MODIS2EVI :Advances in vegetation index re2
search. Acta Ecol S in (生态学报) ,23 (5) :979～987 (in Chinese)
27 　Xiao X , Moore B , Qin X , et al . 2002. Large2scale observation of
alpine snow and ice cover in Asia :Using multi2temporal VEGETA2
TION sensor data. Int J Remote Sens ,23 (11) :2213～2228
28 　Yong S2P(雍世鹏) , Tong C (仝 　川) , Yong W2Y(雍伟义) , et
al . 1994. A study on the spatial overlaying relationship between
winter snow cover and vegetation cover in Xilin Gole steppe of In2
ner Mongolia by using remote sensing data. J Glaciol Geocryol (冰
川冻土) ,16 (3) :238～244 (in Chinese)
29 　Zeng Q2Z (曾群柱) , Yong S2P (雍世鹏) , Gun Z2W (顾钟炜) .
1993. Evaluation on the Risk Potential of Snow. Beijing :China Sci2
ence and Technology Press. 1～15 (in Chinese)
30 　Zhou L2S(周陆生) ,Li H2H(李海红) ,Wang Q2C(汪青春) . 2000.
The basic characteristics of heavy snowstorm process and snow dis2
aster distribution in eastern pastoral areas of Qinghai2Xizang
Plateau. Plat Meteorol (高原气象) ,19 (4) :450～458 (in Chinese)
31 　Zhou L2S(周陆生) ,Li H2H(李海红) ,Wang Q2C(汪青春) , et al .
2001. Study on real2time predictive assessment of snowstorm disas2
ter in eastern pastoral area of Qinghai2Tibet Plateau. J Nat Disast
(自然灾害学报) ,10 (2) :58～65 (in Chinese)
作者简介 　梁天刚 ,男 ,1967 年生 ,博士 ,副研究员 ,主要从
事草地农业遥感与地理信息系统等方面的研究 ,发表论文
30 余篇. Tel :093128913084 ; E2mail :tgliang @lzu. edu. cn
6722　　　　　　　　　　　　　　　　　　　　应 　用 　生 　态 　学 　报 　　　　　　　　　　　　　　　　　　15 卷