Google Earth Engine（GEE）——中分辨率成像影像 (MODIS) 是积雪分析的重要数据支撑

我们星球经历的最深刻的变化之一是积雪的季节性积累和消融。这种季节性循环不仅对生物圈具有深远影响，而且在我们星球的能量平衡、气候和水文循环中也起着不可或缺的作用。与其他类型的土地覆盖相比，积雪具有更高的反照率，并且在全球能量平衡中发挥着重要作用（美国宇航局，2015 年）。随着雪的融化，它为多达六分之一的世界人口提供了饮用水源，大大减少了对替代淡水资源的需求（Barnett 等，2005）。融雪在维持接收融雪的流域的基流水平方面也发挥着重要作用（Viviroli 等，2007）。          此外，仅在美国，冬季旅游就是一个价值 122 亿美元的产业，为 38 个州提供经济利益（Protect Our Winters (POW) 和 Natural Resources Defense Council (NRDC), 2012）。由于积雪在生态和社会方面都发挥着如此重要的作用，因此需要绘制积雪的当前状态及其相关趋势图。 

积雪在全球的水和能源预算中起着关键作用，并且可能是经济利益或损害的重要来源，具体取决于它所在的位置。为了了解冰冻圈的性质，遥感为大规模研究提供了最实用的方法。在可用的遥感平台中，中分辨率成像光谱仪 (MODIS) 是当今使用的最强大和最流行的传感器之一，部分原因是其具有 500 m 的相当高的空间分辨率、全球覆盖和大约 1 的高时间分辨率日。然而，MODIS 积雪产品的缺点之一是系统无法通过云覆盖感知土地覆盖状态，云在任何给定时间占全球土地覆盖状态的 70% 以上（Wylie 等人，2005 年） ）。结合影响积雪检测的其他条件（例如夜间和探测器故障），给定像素的积雪时间序列可能有许多遗漏的观察结果或“间隙”，在某些情况下，这可能会非常多产。许多研究采用云去除技术来填补空白。最常用的方法包括不同 MODIS 传感器的组合和使用最近的清晰观测。事实上，对间隙填充数据集的需求是如此普遍，以至于 MOD10A2（8 天积雪复合）和 MOD10A1（集合 6）数据产品提供了至少部分依赖于时间自相关的间隙填充数据集（Riggs 和 Hall，2011）。给定像素的积雪时间序列可能有许多遗漏的观察结果或“间隙”，在某些情况下可能会非常多产。许多研究采用了云去除技术来填补空白。最常用的方法包括不同 MODIS 传感器的组合和使用最近的清晰观测。事实上，对间隙填充数据集的需求是如此普遍，以至于 MOD10A2（8 天积雪复合）和 MOD10A1（集合 6）数据产品提供了至少部分依赖于时间自相关的间隙填充数据集（Riggs 和 Hall，2011）。给定像素的积雪时间序列可能有许多遗漏的观察结果或“间隙”，在某些情况下可能会非常多产。许多研究采用了云去除技术来填补空白。最常用的方法包括不同 MODIS 传感器的组合和使用最近的清晰观测。事实上，对间隙填充数据集的需求是如此普遍，以至于 MOD10A2（8 天积雪复合）和 MOD10A1（集合 6）数据产品提供了至少部分依赖于时间自相关的间隙填充数据集（Riggs 和 Hall，2011）。

标签：Engine,MODIS,Google,积雪,填充,间隙,填补空白,数据
来源： https://blog.csdn.net/qq_31988139/article/details/121118541