改進(jìn)積雪密度的估計是目前雪研究的一個(gè)關(guān)鍵問(wèn)題。表征密度時(shí)空變異性對于水當量的估算、水力發(fā)電和自然災害（雪崩洪水等）的評估至關(guān)重要。高光譜成像是一種監測和估計其物理特性的有前途且可靠的工具。事實(shí)上，雪的光譜反射率在一定程度上受其物理特性變化的控制，尤其是在光譜的近紅外（NIR）部分。為此，已經(jīng)設計了幾種模型根據光譜信息估算積雪密度。然而，還沒(méi)有一個(gè)實(shí)現滿(mǎn)意的結果。主要困難之一是積雪密度和光譜反射率之間的關(guān)系是非雙射的（滿(mǎn)射的）。事實(shí)上，幾個(gè)反射振幅與相同的密度相關(guān)，反之亦然，所以密度和光譜反射率之間的相關(guān)性可能非常弱。
基于此，為了解決該問(wèn)題，本研究中提出了基于光譜數據的積雪密度估計混合模型。主要研究目標是利用高光譜NIR成像（PIKA NIR，RESONON Company）（900-1700 nm）以5.5 nm的光譜分辨率測試混合模型（HM）估計季節性積雪密度的性能?；旌夏Ｐ徒Y合了一個(gè)分類(lèi)器和3個(gè)與密度類(lèi)別相關(guān)聯(lián)的特定估算量（弱到中度變質(zhì)雪（WMM），中度到高度變質(zhì)雪（MHM）和高度到極高度變質(zhì)雪（HVM））。利用2018（1.19-3.27）、2019（1.10-4.3）和2020（1.29-3.10）年冬季在加拿大魁北克國立科學(xué)研究院（INRS）的科技園內（46°47′43.22″北緯，-71°18′10″西經(jīng)）收集的數據集校準和驗證了HM?；旌夏Ｐ驮趦蓚€(gè)水平進(jìn)行評估：利用留一法交叉驗證（LOOCV）算法和系統劃分驗證技術(shù)（SSV）。LOOCV技術(shù)用于評估3個(gè)特定估算量，SSV數據用于評估HM性能。4個(gè)統計評估指標（決定系數（R2），均方根誤差（RMSE），偏差（BIAS）和納什系數（NASH））用于評估模型的性能。
?
加拿大魁北克采樣區地理位置。
高光譜成像系統。
（a）雪樣垂直剖面的高光譜采集；（b）積雪垂直地層空間轉換的假彩色RGB圖像。
【結果】
?
3種積雪類(lèi)別的NIR光譜反射率。
?
混合模型估計特定估算量的結果；（a）WMM，（b）MHM，（c）HVM。
混合模型特定估算量的LOOCV結果；（a）WMM，（b）MHM，（c）HVM。
利用SSV數據估計區域混合模型。
【結論】
基于多元逐步回歸的校準步驟結果表明，3種類(lèi)型積雪均對不同NIR光譜區域敏感，局限于短波長(cháng)和長(cháng)波長(cháng)。WMM對1265 nm和941 nm的波長(cháng)敏感，MJM對1617 nm和941 nm的波長(cháng)敏感，HVN對1424 nm和1188 nm的波長(cháng)敏感。LOOCV技術(shù)強調了所有類(lèi)別的特定估算量都趨向于略微高估積雪密度（BIAS＜0.1 kg·m-3）。當用SSV數據挑戰HM時(shí)，模型結果令人滿(mǎn)意，R2=Nash=0.93，積雪密度略有低估（BIAS=1.03 kg·m-3）。
本研究的目的是開(kāi)發(fā)一種基于積雪光學(xué)特性地方法，結合傳統密度測量方法以減輕野外作業(yè)。利用HM估算積雪密度的關(guān)鍵步驟是最終特定估算量的選擇。事實(shí)上，分類(lèi)算法（如CART）是局部且不穩定的。這種不穩定性會(huì )顯著(zhù)影響利用HM的特定估算量的密度的準確性。換句話(huà)說(shuō)，對于利用HM的理想建模過(guò)程，要建模的樣品必須很好地分類(lèi)，以便使用與該類(lèi)對應的特定估算量來(lái)進(jìn)行最優(yōu)密度估計。否則，一個(gè)錯誤的特定估算量將會(huì )被選擇，從而影響估算精度。例如，對于一個(gè)581 kg·m-3的測量密度（分類(lèi)為HVM），當分別利用HVM，MHM和WMM特定估算量估算時(shí)，相對誤差變化了5%、39%和75%。另一方面，該方法的另一阻礙是野外和恢復的高光譜圖像上均勻積雪層的正確選擇。因此，需要進(jìn)行額外的野外工作來(lái)收集更多的數據以克服這一弱點(diǎn)并允許適當的野外實(shí)施。HM提供了一種改進(jìn)工具來(lái)監測季節性積雪的演變，即使對于低到中等的積雪密度，其性能也令人滿(mǎn)意。該研究結果是開(kāi)發(fā)一種在野外連續監測積雪密度剖面的有效方法的重要一步。
?
請點(diǎn)擊如下鏈接，閱讀原文：
PIKA NIR高光譜成像在估算積雪密度上的應用