A Merging Algorithm for Regional Snow Mapping over Eastern Canada from AVHRR and SSM/I Data

Chokmani, Karem; Bernier, Monique; Royer, A.

doi:10.3390/rs5115463

Cited by 9 publications

(6 citation statements)

References 27 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The ability of multispectral satellite observations to distinguish snow cover from bare land and clouds during the daytime has led to important advances in the capacity of snow field monitoring [16][17][18][19][20][21]. However, challenges exist at night.…”

Section: Mid-latitude Snow Fieldsmentioning

confidence: 99%

Illuminating the Capabilities of the Suomi National Polar-Orbiting Partnership (NPP) Visible Infrared Imaging Radiometer Suite (VIIRS) Day/Night Band

Miller

Straka

Mills³

et al. 2013

Remote Sensing

298

207

View full text Add to dashboard Cite

Daytime measurements of reflected sunlight in the visible spectrum have been a staple of Earth-viewing radiometers since the advent of the environmental satellite platform. At night, these same optical-spectrum sensors have traditionally been limited to thermal infrared emission, which contains relatively poor information content for many OPEN ACCESSRemote Sens. 2013, 5 6718 important weather and climate parameters. These deficiencies have limited our ability to characterize the full diurnal behavior and processes of parameters relevant to improved monitoring, understanding and modeling of weather and climate processes. Visible-spectrum light information does exist during the nighttime hours, originating from a wide variety of sources, but its detection requires specialized technology. Such measurements have existed, in a limited way, on USA Department of Defense satellites, but the Suomi National Polar-orbiting Partnership (NPP) satellite, which carries a new Day/Night Band (DNB) radiometer, offers the first quantitative measurements of nocturnal visible and near-infrared light. Here, we demonstrate the expanded potential for nocturnal low-light visible applications enabled by the DNB. Via a combination of terrestrial and extraterrestrial light sources, such observations are always available-expanding many current existing applications while enabling entirely new capabilities. These novel low-light measurements open doors to a wealth of new interdisciplinary research topics while lighting a pathway toward the optimized design of follow-on satellite based low light visible sensors.

show abstract

Section: Mid-latitude Snow Fieldsmentioning

confidence: 99%

Illuminating the Capabilities of the Suomi National Polar-Orbiting Partnership (NPP) Visible Infrared Imaging Radiometer Suite (VIIRS) Day/Night Band

Miller

Straka

Mills³

et al. 2013

Remote Sensing

298

207

View full text Add to dashboard Cite

show abstract

“…Основа распознавания снега и облачности на фоне других типов подстилающей поверхностиспектральные свойства этих объектов. Для снега и облаков характерны высокие значения коэффициента спектральной яркости (КСЯ) в видимом и ближнем ИК-диапазонах [4][5][6][7], существенное уменьшение КСЯ в коротковолновом ИК-диапазоне (SWIR-Short-Wave Infra-Red) и низкие значения радиационной температуры в дальнем ИК-диапазоне (LWIR -Long-Wave Infra-Red). У МСУ-МР в видимом диапазоне работает канал 1 (зеленый 0,6 мкм), в ближнем ИК-диапазоне -канал 2 (0,8 мкм), в диапазоне SWIR-1 -канал 3 (1,7 мкм), в диапазоне SWIR-2 -канал 4 (3,8 мкм) и в дальнем ИК-диапазоне два канала: 5 (11 мкм) и 6 (12 мкм).…”

Section: Introductionunclassified

“…Окончательное решение о типе подстилающей поверхности принимается после сопоставления значений радиационной температуры в канале 11 мкм с модельными среднеклиматическими значениями: если разность температур существенно отлична от 0 К, то объект считается снежным облаком. В работе [6] представлен пороговый алгоритм выделения снега по данным AVHRR. Блок-схема алгоритма приведена на рис.…”

Section: Introductionunclassified

“…1. Алгоритм выделения снежного покрова по данным AVHRR [6] В алгоритме применяются следующие константные пороговые значения: радиационная температура в канале 4 T 4, разность радиационных температур в каналах 4 и 5 T 45, NDVI [9], разность радиационных температур в каналах 3 и 4 T 34, альбедо (КСЯ) в канале 1 A1. Значения порогов определены эмпирически, только для одного региона (Восточной Канады) и для времени годаранняя весна.…”

Section: Introductionunclassified

See 1 more Smart Citation

Algorithm to Analyze Spectral Characteristics of Snow and Cloud Cover Based on MSU-MR/Meteor-M No. 2 Data

Zubkova¹,

Grishantseva²,

Kurevleva³

et al. 2019

Rocket-space device engineering and information systems

View full text Add to dashboard Cite

Аннотация. Одной из составляющих информационного обеспечения процессов целевого применения орбитальной группировки космических аппаратов дистанционного зондирования Земли является оперативное получение актуальной метеорологической информации, в частности в виде карт снежного покрова и карт облачности. В настоящее время комплекс планирования в дополнение к средствам, обеспечивающим расчет метеопрогноза, оснащен информационной базой данных, включающей снимки МСУ-МР/«Метеор-М» № 2 [1] в виде композитов изображений в трех коротковолновых каналах (без какой-либо тематической обработки). Если этих данных недостаточно для принятия решения, то оператор дополнительно анализирует данные зарубежных спутников, не включенные в комплекс планирования. Для оптимизации работы необходимо автоматизировать процессы метеообеспечения. В настоящей работе предложен алгоритм формирования маски снежного покрова и маски облачности, по данным отечественной аппаратуры МСУ-МР/«Метеор-М» № 2, основанный на анализе спектральных характеристик различных видов подстилающей поверхности-земли, облаков и снега. В алгоритме использованы значения коэффициентов спектральной яркости в канале 1 МСУ-МР (зеленый, 0,63 мкм) и в канале 3 МСУ-МР (SWIR-1, 1,7 мкм). Предлагаемый алгоритм отличается от зарубежных аналогов: вместо константных порогов в алгоритме применяются пороговые значения, которые зависят от значений яркостей в каналах 1 и 3. Алгоритм верифицирован на 459 маршрутах съемки. Тестирование подтвердило, что предлагаемый алгоритм является универсальным: пороги не зависят ни от географического положения, ни от времени года. Учитывая непрерывность съемки, выполняемой аппаратурой МСУ-МР, настоящий алгоритм может обеспечивать создание обновляемых с периодичностью 2-3 дня карт снежного покрова и облачности в автоматическом режиме, что позволит снабжать комплекс планирования актуальной информацией. В ближайшее время планируется создание программного модуля, реализующего данный алгоритм, и отработка возможности его практического использования на средствах моделирующего стенда, созданного в рамках НИР «Оператор ДЗЗ».

show abstract

“…Since the availability of daily optical satellite data at the global scale (NOAA-AVHRR) at end of the 1980s, and at the regional scale (MODIS) since the year 2000, different methods have been developed to compute changes in terms of snow cover area (SCA) expressed in km 2 and snow cover duration (SCD) expressed in days (Chokmani et al, 2005(Chokmani et al, , 2013Parajka and Blösch, 2006;Flueraru et al, 2007;Foppa et al, 2007;Ertürk et al, 2008;Sirguey et al, 2009;Notarnicola et al, 2013aNotarnicola et al, , 2013bZhang et al, 2012;Hüsler et al, 2012Hüsler et al, , 2013. The main parameters analyzed are the timing and duration of the melting season under current and future climate conditions.…”

Section: Remote Sensingmentioning

confidence: 99%

Shifting mountain snow patterns in a changing climate from remote sensing retrieval

Dedieu

Lessard-Fontaine

Ravazzani

et al. 2014

Science of The Total Environment

View full text Add to dashboard Cite

• MODIS satellite images analysis for snow cover dynamics over 2000-2010 time period.• Application to river basins at medium and large scale (Europe, Central Asia).• Statistical bias as standard deviation values express sensitivity to climate change.• Below 1200 m, a winter time continuous snow-pack is becoming increasingly rare. Observed climate change has already led to a wide range of impacts on environmental systems and society. In this context, many mountain regions seem to be particularly sensitive to a changing climate, through increases in temperature coupled with changes in precipitation regimes that are often larger than the global average (EEA, 2012). In mid-latitude mountains, these driving factors strongly influence the variability of the mountain snow-pack, through a decrease in seasonal reserves and earlier melting of the snow pack. These in turn impact on hydrological systems in different watersheds and, ultimately, have consequences for water management. Snow monitoring from remote sensing provides a unique opportunity to address the question of snow cover regime changes at the regional scale. This study outlines the results retrieved from the MODIS satellite images over a time period of 10 hydrological years (2000)(2001)(2002)(2003)(2004)(2005)(2006)(2007)(2008)(2009)(2010) and applied to two case studies of the EU FP7 ACQWA project, namely the upper Rhone and Po in Europe and the headwaters of the Syr Darya in Kyrgyzstan (Central Asia). The satellite data were provided by the MODIS Terra MOD-09 reflectance images (NASA) and MOD-10 snow products (NSIDC). Daily snow maps were retrieved over that decade and the results presented here focus on the temporal and spatial changes in snow cover. This paper highlights the statistical bias observed in some specific regions, expressed by the standard deviation values (STD) of annual snow duration. This bias is linked to the response of snow cover to changes in elevation and can be used as a signal of strong instability in regions sensitive to climate change: with alternations of heavy snowfalls and rapid snow melting processes. The interest of the study is to compare the methodology between the medium scales (Europe) and the large scales (Central Asia) in order to overcome the limits of the applied methodologies and to improve their performances. Results show that the yearly snow cover duration increases by 4-5 days per 100 m elevation during the accumulation period, depending of the watershed, while during the melting season the snow depletion rate is 0.3% per day of surface loss for the upper Rhone catchment, 0.4%/day for the Syr Darya headwater basins, and 0.6%/day for the upper Po, respectively. Then, the annual STD maps of snow cover indicate higher values (more than 45 days difference compared to the mean values) for (i) the Po foothill region at medium elevation (SE orientation) and (ii) the Kyrgyzstan high plateaux (permafrost areas). These observations cover only a timeperiod of 10 years, but exhibit a signal under current climate that is alread...

show abstract

A Merging Algorithm for Regional Snow Mapping over Eastern Canada from AVHRR and SSM/I Data

Cited by 9 publications

References 27 publications

Illuminating the Capabilities of the Suomi National Polar-Orbiting Partnership (NPP) Visible Infrared Imaging Radiometer Suite (VIIRS) Day/Night Band

Illuminating the Capabilities of the Suomi National Polar-Orbiting Partnership (NPP) Visible Infrared Imaging Radiometer Suite (VIIRS) Day/Night Band

Algorithm to Analyze Spectral Characteristics of Snow and Cloud Cover Based on MSU-MR/Meteor-M No. 2 Data

Shifting mountain snow patterns in a changing climate from remote sensing retrieval

Contact Info

Product

Resources

About