河冰遥感判别对冰情监测提供了重要的支持。河冰指数判别方法是河冰遥感判别的核心工具。然而,目前仍缺乏对常用指数判别模型在不同河道类型的综合性对比研究。针对此问题,本研究采用了5种遥感指数模型(RDRI、NDSI、MNDSI、NDWI、反射率阈值法),选择黄河上游河道不同特征的6个研究区3种河道类型,对不同研究区中河冰指数模型的阈值稳定性、精度和适用性进行了分析讨论。结果表明:5种遥感指数模型的构建方式共同反映出河冰在可见光、近红外和短波红外波段的光谱特性是河冰判别最为重要的基础。RDRI指数在多个方面表现最佳,平均Kappa系数为0.914 4,推荐其作为河冰指数判别方法的最优选择。NDSI和MNDSI指数可以通过调整阈值有效排除浅雪的干扰。NDSI、MNDSI和NDWI指数在河源段研究区的精度表现良好,而反射率阈值法在性能上稍逊于RDRI指数,但其算法简单仍然具有一定的应用价值。对于不同河道类型的研究区,5种遥感指数模型的在顺直河道的精度最高,弯曲河道次之,分叉河道最低。

河冰遥感判别对冰情监测提供了重要的支持。河冰指数判别方法是河冰遥感判别的核心工具。然而,目前仍缺乏对常用指数判别模型在不同河道类型的综合性对比研究。针对此问题,本研究采用了5种遥感指数模型(RDRI、NDSI、MNDSI、NDWI、反射率阈值法),选择黄河上游河道不同特征的6个研究区3种河道类型,对不同研究区中河冰指数模型的阈值稳定性、精度和适用性进行了分析讨论。结果表明:5种遥感指数模型的构建方式共同反映出河冰在可见光、近红外和短波红外波段的光谱特性是河冰判别最为重要的基础。RDRI指数在多个方面表现最佳,平均Kappa系数为0.914 4,推荐其作为河冰指数判别方法的最优选择。NDSI和MNDSI指数可以通过调整阈值有效排除浅雪的干扰。NDSI、MNDSI和NDWI指数在河源段研究区的精度表现良好,而反射率阈值法在性能上稍逊于RDRI指数,但其算法简单仍然具有一定的应用价值。对于不同河道类型的研究区,5种遥感指数模型的在顺直河道的精度最高,弯曲河道次之,分叉河道最低。

河冰遥感判别对冰情监测提供了重要的支持。河冰指数判别方法是河冰遥感判别的核心工具。然而,目前仍缺乏对常用指数判别模型在不同河道类型的综合性对比研究。针对此问题,本研究采用了5种遥感指数模型(RDRI、NDSI、MNDSI、NDWI、反射率阈值法),选择黄河上游河道不同特征的6个研究区3种河道类型,对不同研究区中河冰指数模型的阈值稳定性、精度和适用性进行了分析讨论。结果表明:5种遥感指数模型的构建方式共同反映出河冰在可见光、近红外和短波红外波段的光谱特性是河冰判别最为重要的基础。RDRI指数在多个方面表现最佳,平均Kappa系数为0.914 4,推荐其作为河冰指数判别方法的最优选择。NDSI和MNDSI指数可以通过调整阈值有效排除浅雪的干扰。NDSI、MNDSI和NDWI指数在河源段研究区的精度表现良好,而反射率阈值法在性能上稍逊于RDRI指数,但其算法简单仍然具有一定的应用价值。对于不同河道类型的研究区,5种遥感指数模型的在顺直河道的精度最高,弯曲河道次之,分叉河道最低。

河冰遥感判别对冰情监测提供了重要的支持。河冰指数判别方法是河冰遥感判别的核心工具。然而,目前仍缺乏对常用指数判别模型在不同河道类型的综合性对比研究。针对此问题,本研究采用了5种遥感指数模型(RDRI、NDSI、MNDSI、NDWI、反射率阈值法),选择黄河上游河道不同特征的6个研究区3种河道类型,对不同研究区中河冰指数模型的阈值稳定性、精度和适用性进行了分析讨论。结果表明:5种遥感指数模型的构建方式共同反映出河冰在可见光、近红外和短波红外波段的光谱特性是河冰判别最为重要的基础。RDRI指数在多个方面表现最佳,平均Kappa系数为0.914 4,推荐其作为河冰指数判别方法的最优选择。NDSI和MNDSI指数可以通过调整阈值有效排除浅雪的干扰。NDSI、MNDSI和NDWI指数在河源段研究区的精度表现良好,而反射率阈值法在性能上稍逊于RDRI指数,但其算法简单仍然具有一定的应用价值。对于不同河道类型的研究区,5种遥感指数模型的在顺直河道的精度最高,弯曲河道次之,分叉河道最低。

Global warming, increasing population, and parched soils are escalating the frequency and intensity of forest fires. Global warming raises temperatures and extends droughts, making forests more susceptible to fires. A growing population pressures forest areas for settlement and agriculture, increasing fire risk. Dry soils and vegetation ignite easily, accelerating fire spread. After fires, damage assessment and reforestation are crucial. This study examines the impact of the July 18, 2023, forest fire on Rhodes Island's vegetation. Using spectral analyses of Landsat 8 images, the fire's damage to vegetation was assessed. The NBR (Normalized Burn Ratio) index determined pre- and post-fire vegetation changes. The burned area was calculated using dNDVI and dNBR. While dNDVI measures vegetation health, dNBR detects burned areas before and after a fire. The burned area was 16.037 ha using dNDVI and 17.678 ha using dNBR, showing consistent results. The burned area signals significant ecological consequences like habitat loss, negative impacts on biodiversity, and increased soil erosion. These analyses are essential for planning ecosystem recovery and developing appropriate restoration strategies after a fire.

Red snow algal blooms reduce albedo and increase snowmelt, but little is known of their extent, duration, and radiative forcing. We calibrated an established index by comparing snow algal field spectroradiometer measurements with direct counts of algal cell abundance in British Columbia, Canada. We applied the field calibrated index to Sentinel-2, Landsat-8, and MODIS/Terra images to monitor snow algae on the Vowell and Catamount Glaciers (Purcells, British Columbia) in summer 2020. The maximum extent of snow algal bloom cover was 1.4 and 2.0 km2 respectively, about one third of the total surface area of the two glaciers, making these among the largest contiguous bloom areas yet reported. Blooms were first detected following the onset of above-freezing temperatures in early July and persisted for about two months. Algal abundance increased through July, after which the red snow algal bloom area decreased due to snow cover loss. At their peak in late July the blooms reduced albedo by 0.04 +/- 0.01 on average. Snow algae caused an additional 5.25 & PLUSMN; 1.0 x 10(7) J/m2 of solar energy to be absorbed by the snowpack in July-August, which is enough energy to melt 31.5 cm of snow. This is equivalent to an average snow algal radiative forcing of 8.25 +/- 1.6 W/m2 through July and August. Our results suggest that the extent, duration, and radiative forcing of snow algal blooms are sufficient to enhance glacial melt rates.

音苏盖提冰川是中国面积最大的山谷冰川，且该冰川为跃动冰川，研究跃动冰川运动特征对预警冰川跃动导致的冰川灾害具有重要意义。本文选取20对2018—2021年Landsat-8影像，运用光学影像特征追踪方法提取音苏盖提冰川表面流速，评估流速不确定性，并分析该冰川流速时空变化特征。结果表明：音苏盖提冰川表面流速存在明显的空间差异，在2018年1月—2019年6月期间，音苏盖提南支流流速远大于其北支流（西）流速，而在2019年6月—2021年11月期间，呈现与之前完全相反的空间特征，这主要是北支流（西）流速在2019年6月突增导致。根据2018—2021流速变化结果发现，北支流（西）在2019年6月发生跃动，至2021年11月仍处于跃动期，该支流冰川末端在2020年8月—2021年9月期间，约向主冰川推进320m；南支流在研究时间段内流速一直很大，最大流速达到441m·a-1；音苏盖提冰川北支流（东）流速在2021年7月突增，该支流可能发生跃动；音苏盖提冰川主冰川流速在南支流汇入和两条北支流发生跃动后明显增大。此外，该区域主冰川及各支流冰川流速最大值的高程分布存在时空差异...

音苏盖提冰川是中国面积最大的山谷冰川，且该冰川为跃动冰川，研究跃动冰川运动特征对预警冰川跃动导致的冰川灾害具有重要意义。本文选取20对2018—2021年Landsat-8影像，运用光学影像特征追踪方法提取音苏盖提冰川表面流速，评估流速不确定性，并分析该冰川流速时空变化特征。结果表明：音苏盖提冰川表面流速存在明显的空间差异，在2018年1月—2019年6月期间，音苏盖提南支流流速远大于其北支流（西）流速，而在2019年6月—2021年11月期间，呈现与之前完全相反的空间特征，这主要是北支流（西）流速在2019年6月突增导致。根据2018—2021流速变化结果发现，北支流（西）在2019年6月发生跃动，至2021年11月仍处于跃动期，该支流冰川末端在2020年8月—2021年9月期间，约向主冰川推进320m；南支流在研究时间段内流速一直很大，最大流速达到441m·a-1；音苏盖提冰川北支流（东）流速在2021年7月突增，该支流可能发生跃动；音苏盖提冰川主冰川流速在南支流汇入和两条北支流发生跃动后明显增大。此外，该区域主冰川及各支流冰川流速最大值的高程分布存在时空差异...

音苏盖提冰川是中国面积最大的山谷冰川，且该冰川为跃动冰川，研究跃动冰川运动特征对预警冰川跃动导致的冰川灾害具有重要意义。本文选取20对2018—2021年Landsat-8影像，运用光学影像特征追踪方法提取音苏盖提冰川表面流速，评估流速不确定性，并分析该冰川流速时空变化特征。结果表明：音苏盖提冰川表面流速存在明显的空间差异，在2018年1月—2019年6月期间，音苏盖提南支流流速远大于其北支流（西）流速，而在2019年6月—2021年11月期间，呈现与之前完全相反的空间特征，这主要是北支流（西）流速在2019年6月突增导致。根据2018—2021流速变化结果发现，北支流（西）在2019年6月发生跃动，至2021年11月仍处于跃动期，该支流冰川末端在2020年8月—2021年9月期间，约向主冰川推进320m；南支流在研究时间段内流速一直很大，最大流速达到441m·a-1；音苏盖提冰川北支流（东）流速在2021年7月突增，该支流可能发生跃动；音苏盖提冰川主冰川流速在南支流汇入和两条北支流发生跃动后明显增大。此外，该区域主冰川及各支流冰川流速最大值的高程分布存在时空差异...

IMS雪冰产品是多源数据的融合产品,提供北半球逐日无云的雪冰覆盖范围,在青藏高原积雪遥感监测和研究中具有广阔的应用前景。利用Landsat-8 OLI积雪覆盖数据对IMS 4km分辨率雪冰产品在青藏高原积雪监测中的精度进行了评估验证。研究结果表明:(1)IMS 4km雪冰产品的平均总精度为76.0%,平均制图和无雪分类精度分别是88.3%和84.9%,利用IMS 4km雪冰产品监测青藏高原积雪具有较好的精度,可以用于青藏高原大尺度积雪覆盖监测;(2)平均多测率为45.4%,漏测率11.7%,IMS 4km雪冰产品高估了实际积雪面积,且积雪面积比例越高,IMS的积雪判识能力越强,同时出现误判几率越高,而漏判几率越低;(3)IMS 4km积雪监测精度在青藏高原总体上呈现海拔较高地段积雪的制图精度较高,随着海拔的降低,积雪监测的漏测和多测呈增加趋势;(4)相比地面观测数据的区域代表性不足问题,基于高分辨率遥感数据的地面积雪分布特征更为详细,得到更为准确可靠的验证结果。