2008年初，中国南方大部分地区遭遇历史罕见的雨雪冰冻灾害，给国民经济和人民生命财产安全造成极大的损失。开展南方冰雪灾害监测及其评估技术研究已成为热点问题，对提升气象防灾减灾能力具有重要意义。地理纬度、气候及地貌特征导致可供分析的南方冰雪灾害样本及相关资料较少，利用常规气象资料难以对其进行客观全面的分析研究，而遥感技术可对其进行实时有效的监测评估。基于NOAA系列卫星资料的冰雪研究已取得多项研究成果(曾群柱，1984；王绍武，1983；Hall et al., 1995; 郭铌等，2003)，但受其空间分辨率较低的限制，在实际应用中仍存在较多问题。

MODIS(中分辨率成像光谱仪)是美国对地观测系统EOS(earth observation systems)最主要的传感器之一，有36个通道，光谱响应范围为0.4~14.5 μm，空间分辨率分为250，500和1 000 m，时间分辨率为0.5天，与NOAA/AVHRR相比，MODIS数据在空间分辨率、光谱分辨率和数据质量上都有较大改进。该数据可以全球免费获取，在森林火灾监测、森林资源宏观调查、生态环境动态监测等方面得到广泛运用(刘玉洁等，2003；郑照军等，2004；韩庆红等，2007；甘淑等，2001；王晓慧等，2007)。本文以2008年初广西东北部遭受的持续性大范围冰雪灾害为例，基于EOS/MODIS数据，在分析地物光谱特征的基础上改进归一化差分冰雪指数模型(MNDSI)，综合应用监督分类方法，对受灾林区进行遥感监测与灾情分级评估技术研究，为及时应对此类灾害性气候事件和防灾减灾提供科学依据。

1 研究区概况和数据预处理 1.1 研究区概况

2008年1月14日至2月12日，广西全区平均气温连续30天低于8 ℃，是1949年以来持续时间最长的低温雨雪天气过程。桂北地区气象站点记录共有226站次出现冰冻，101站次出现冻雨，冰冻、冻雨最长连续日数分别为22和21天。由2008年2月3日和2月15日气象台站冰冻实况监测结果表明：冰雪覆盖区集中分布在桂东北部的桂林、柳州、贺州、来宾、梧州，将这5个市作为遥感冰雪灾害监测区。

试验区位于22.5—26.4° N，108.4—112.1° E，地处广西、贵州和湖南接壤处，是南岭山系的西南部，为中、低山地形，有喀斯特山地、丘陵、台地，分布有猫儿山、越城岭、海洋山、都庞岭、八十里大南山、天平山、九万大山、萌渚岭、大瑶山等各大山系，海拔100~2100 m，其中猫儿山主峰海拔2 141 m，为广西的最高峰，自然植被以马尾松(Pinus massoniana)为主，林木以杉木(Cunninghamia lanceolata)和毛竹(Phyllostachys edulis)为主。

1.2 调查数据预处理 1.2.1 冰雪遥感监测数据预处理

选择2008年2月2，12，15日3天的MODIS影像对试验区进行冰雪监测。对MODIS遥感影像1~7波段进行辐射定标、临边变暗订正、几何精定位等预处理，配准误差控制在1个像元以内。生成的全广西局地文件采用经纬度投影，中心经纬度为23.8° N，108.3° E，投影范围为800 pix×600 pix，利用1:25万全省矢量边界数据生成试验区MODIS 250 m遥感影像。

1.2.2 受灾林区遥感数据预处理

遥感影像对由植被干枯、变黄所引起的绿度变化响应存在一定的滞后性。在进行林区灾情评价时，分别选择2008年1月4日和3月23日晴空MODIS遥感影像作为灾前、灾后林区植被生长状况分析数据源。计算试验区归一化差值植被指数(NDVI)图像，生成林区受灾前后的ΔNDVI图像。

2 原理和方法 2.1 MODIS冰雪遥感监测模型

冰雪遥感监测方法是基于冰雪与其他物体的光谱辐射特性差异，构建冰雪指数模型，剔除其他地物信息，获取冰雪覆盖的时空分布信息。其基本原理是运用冰雪在可见光波段表现为强反射，在近红外波段表现为强吸收的光谱特性，实现冰雪与植被、土壤、水体等其他物体的区分，难点在于区分云和冰雪(赵英时，2003)。

在MODIS遥感影像上对云和冰雪的光谱分析可知，云在可见光和近红外波段均表现为高反射率，冰雪在可见光波段为高反射率，而在近红外波段较之于云明显降低。一般采用归一化差分冰雪指数(NDSI，normalized difference snow index)对冰雪进行识别。利用MODIS可见光波段(波段4)、近红外波段(波段6)反射率，采用多波段比值和阈值法，计算NDSI，可剔除大量积云和地形阴影：

(1)

式中：R_i为像元在第i波段的反射率，C1和C2为平移系数和放大系数，模式计算时C1，C2分别取为2和100。

2.2 模型改进

在试验区上按照纯冰雪、混合冰雪、冰雪区阴影、厚云、薄云、裸地、林地和作物8个类型进行采样，统计分析其光谱特征(图 1)。

由图 1可知：在可见光波段(B1，B3，B4)和近红外波段(B2)云和冰雪均表现为强反射，其中云的反射率明显高于冰雪，薄云的反射率低于纯雪，但高于混合冰雪和冰雪的阴影; 在B1，B3和B4波段云和冰雪反射率的走势基本一致。由于在波段1(B1)中云与冰雪的反射率差异大于波段3，4(B3，B4)，并考虑波段1，2(B1，B2)的空间分辨率优势，将其作为可见光计算波段。

分析近红外波段5，6(B5，B6)和中红外波段(B7)，冰雪的高吸收特性使其反射率明显低于云，二者差异显著。B5探测器性能不稳定，易出现条带误码现象，且较之于波段7(B7)，波段6(B6)中云与冰雪的反射率差异更明显，将其作为近红外计算波段。

将选定波段(B1，B2，B6)进行加彩色合成，RGB分别为B6，B2，B1，合成影像中冰雪特征明显，色彩层次分明，纹理清晰，云雪和其他地物易于区分。选用波段1(B1)替代模型中波段4(B4)，构建改进的归一化差分冰雪指数，计算公式如下：

(2)

MNDSI为改进的归一化差分冰雪指数(modified NDSI)，其中R_i为像元在第i波段的反照率，C1和C2为平移系数和放大系数，C1, C2取值同式(1)。

为比较NDSI和MNDSI对冰雪与云的识别效果，定义差异度指数DVI(dividing degree index)为：

(3)

(4)

式中：NDSI为各类物体NDSI的均值，DVI_{NDSI, i}为i类物体的NDSI差异度指数，同样可求得MNDSI的差异度指数DVI_{MNDSI, i}，DVI反映了各类物体与对应指数均值的距离，各物体之间的DVI越大，表示物体之间易于区分; 反之亦然。

分析统计各类地物NDSI和MNDSI的DVI指数(表 1)，冰雪的DVI值位于正值区，而云和其他物体的DVI位于负值区，冰雪的DVI与其他物体差异明显。较之于NDSI，MNDSI指数在各类冰雪、山体阴影、云阴影、林地的DVI值差异更大，因此，选用MNDSI可更有效地提取冰雪信息。

本文采用监督分类中的最大似然法对遥感影像分类，通过训练试验区水体、城镇、植被、裸地、交通用地等地物样本，排除非云雪信息。利用改进后的归一化差分冰雪模型MNDSI对云雪信息进行进一步区分，最后提取试验区冰雪覆盖信息。

2.3 基于NDVI的受灾林区分级评估技术

归一化差异植被指数(NDVI，norma1ized difference vegetation index)广泛应用于植被长势监测中。NDVI利用绿色植物在可见光和近红外波段的光谱特性增强植被信息，提高对土壤背景的识别能力，同时削弱大气层和地形阴影的影响。其缺点是对高植被区的灵敏度较低，但对于受灾林区而言，植被绿度值下降，不会出现绿度值饱和现象，因此NDVI的这一缺陷不影响林区灾情监测和评估。

NDVI定义为：

(5)

式中：CH1，CH2分别为MODIS第1，2波段(可见光和近红外波段)的反射率。

当植被叶绿素含量增高时，其在可见光波段的反射值减小，而在近红外波段的反射值增大，NDVI值也相应增大; 当植被受冰雪灾害时，林木受到冻死、冻伤、折断、枯萎等损害，林木的叶绿素含量明显减小，其在可见光波段的反射值增大，而在近红外波段的反射值减小，NDVI的值相应减小。因此，通过计算受灾前后NDVI值的变化可反映林区受灾情况，计算公式为：

(6)

式中：ΔNDVI为监测区灾前与灾后NDVI的差值。

根据灾情调查结果，划分ΔNDVI分级阈值，确定试验区灾情评估等级指标。其中，45＜ΔNDVI≤55，为轻度受害区; 55＜ΔNDVI≤65，为中度受害区; ΔNDVI＞65，为重度受害区，并按市、县2级评价单元进行统计和评估。

2.4 数据处理流程

利用ENVI图像处理软件遥感图像处理和分析进行，数据处理技术流程见图 2。

3 结果与分析 3.1 广西冰雪灾害时空分布特征

根据气象台站逐日冰冻监测资料，2008年1月14日—2月20日广西冰冻出现有3个高峰期，分别是1月27—28日，2月3日和2月15日，受云覆盖影响，MODIS晴空数据有2月2日，2月12日和2月15日，可以观测到后2个冰冻高峰期的冰雪覆盖情况。根据前述冰雪监测模型，将MODIS数据进行冰雪、云和其他地物信息分离处理，结合1:5万的DEM数据，进行林区内冰雪覆盖的面积统计，其中2月2日冰雪区受部分云层遮挡影响，不参与统计分析。统计结果见图 3。

对比分析监测结果可知：试验区冰雪的生消态势明显，在2月2日，冰雪覆盖范围最广，主要集中在桂北的山区及其周围的地区；2月12日，低海拔地区的冰雪已经开始消融；2月15日，低海拔地区的冰雪基本消融，较高海波的山区积雪依然存在。

2月2日是此次广西冰冻灾害最严重的时期，尽管部分地区受云覆盖的影响，但仍可监测到位于桂林市北部的龙胜、资源、全州、兴安、灌阳、灵川、永福等县和柳州市北部的融水、三江等县被大范围冰雪覆盖，桂林市冰雪覆盖面积最大，受灾最严重，其次为柳州市，资源、全州、兴安和灌阳是受灾最重的县，无论海拔较高的山区和海拔较低的平原，均被大面积连片冰雪覆盖。

2月12日试验区冰雪开始消融，面积有所减少，主要在海拔较高的山区仍有成片大面积冰雪覆盖，平原地区的冰雪大部分已经融化。冰雪覆盖面积最大的县排名前6位依次为全州、资源、灌阳、龙胜、兴安和融水，约占该县国土面积的20%，37%，27%，19%，17%和8%。

2月15日，冰雪面积进一步减少，200 m以下地区的冰雪基本消融，海拔600 m以上的部分山区仍存在成片冰雪覆盖，主要位于猫儿山、越城岭、海洋山、都庞岭、九万大山的山区。桂林、柳州、贺州、来宾、梧州市冰雪覆盖面积分别为占监测区冰雪覆盖总面积的60.1%，17.8%，12%，9.2%，0.9%，桂林市的灾情最严重，柳州市次之。冰雪覆盖面积排前15位的县见图 4，其中全州、资源、灌阳、融水、贺州、兴安6县的覆盖面积占总冰雪覆盖面积的65.9%。

3.2 冰雪灾害对林业影响遥感监测与评价分析

根据2008年3月23日(灾后)与2008年1月4日(灾前)的NDVI对比分析(图 5)，林区受灾区域主要分布在桂林市的西部、西南部和东部以及与梧州、贺州2市交界地区、柳州市的东北部和西北部、来宾市的东北部、贺州市的北部、中部的少量地区、梧州市北部的少量地区，重灾区位于柳州与桂林2市交界处的龙胜、永福、临桂县，5市林区受灾面积由大到小排名为桂林、柳州、来宾、贺州、梧州市，分别占林区受灾总面积的51.3%，20.2%，13.6%，8.9%和6%。以县为评价单元，根据按重度和中度受害林区面积总和排名：金秀最大，依次为融水、龙胜、永福、临桂、恭城、灵山、兴安和融安。

监测结果反映以下特征：冰雪覆盖面积最广、持续时间最长的地区不一定是林区受害最重的地区，如全州和资源，但是部分区域冰雪覆盖面积不是最大且持续时间不是最长的，但林区受灾是最重的，如金秀县和融水县2县，这主要与当地林区种植的林木品种及其耐寒程度有关。

4 结论

南方冰雪覆盖持续时间一般不长，MODIS的时间分辨率较高，每日至少重复观测1次，且空间观测范围宽，光谱分辨率较高，比较适合南方冰雪灾害遥感监测的快速反应。本文在充分考虑冰雪光谱特征基础上，结合监督分类方法，运用改进的归一化冰雪指数模型(MNDSI)进行南方冰雪遥感监测，效果优于常规积雪指数模型，冰雪识别能力增强，开展南方冰雪灾害遥感监测和评估技术方法可行，可以客观、全面反映冰雪灾害空间分布状况和受灾程度。

2008年初，广西冰雪灾害主要分布在桂东北地区，冰雪覆盖面积最大的是桂林市，占总冰雪覆盖面积60%，其次为柳州和贺州市，冰雪覆盖范围最大的6个县分别是全州、资源、灌阳、龙胜、兴安和融水; 冰雪灾害对广西林业造成重创，影响最严重的6个县分别金秀、融水、龙胜、永福、临桂、恭城，对该区域的生态环境影响大。

基于EOS/MODIS数据的冰雪灾害实时动态监测，可提高冰雪灾害监测能力，但云覆盖有时会影响监测时效，随着我国环境与灾害监测预报小卫星以及其他雷达卫星等新型遥感技术的出现，监测时效可以大大提高。另外，补充详细的土地利用信息等地理信息，将有效提高灾情评估的针对性和精度。