科研進(jìn)展
我國(guó)AI-Ready積雪覆蓋率樣本數(shù)據(jù)集構(gòu)建研究獲新進(jìn)展
積雪覆蓋率（FSC）是冰凍圈與陸氣界面能量、水分交換的關(guān)鍵變量，在水文預(yù)報(bào)、水資源管理、氣候變化監(jiān)測(cè)等領(lǐng)域發(fā)揮著重要作用。傳統(tǒng)FSC反演方法在復(fù)雜地形、高植被覆蓋區(qū)域精度受限，而新興的機(jī)器學(xué)習(xí)與深度學(xué)習(xí)FSC估算方法雖能捕捉高維非線性關(guān)系，但因缺乏大規(guī)模、標(biāo)準(zhǔn)化、跨區(qū)域的人工智能就緒（AI-Ready）FSC數(shù)據(jù)集，且無統(tǒng)一的數(shù)據(jù)集構(gòu)建標(biāo)準(zhǔn)流程和評(píng)估規(guī)范，難以在大尺度、長(zhǎng)時(shí)序FSC監(jiān)測(cè)中充分發(fā)揮效能。因此，構(gòu)建符合AI-Ready標(biāo)準(zhǔn)的FSC數(shù)據(jù)集，已成為推動(dòng)人工智能驅(qū)動(dòng)積雪監(jiān)測(cè)研究取得突破的關(guān)鍵。
中國(guó)科學(xué)院西北生態(tài)環(huán)境資源研究院黃春林研究員團(tuán)隊(duì)，利用多源衛(wèi)星遙感數(shù)據(jù)（Landsat-5/7/8/9、Sentinel-2及中分辨率成像光譜儀（MODIS））與多維度環(huán)境要素，構(gòu)建了大規(guī)模、標(biāo)準(zhǔn)化、面向人工智能應(yīng)用的積雪覆蓋度樣本數(shù)據(jù)集——ChinaAI-FSC。該數(shù)據(jù)集建立了系統(tǒng)的數(shù)據(jù)集構(gòu)建標(biāo)準(zhǔn)流程與科學(xué)的評(píng)估規(guī)范，通過多源數(shù)據(jù)融合、嚴(yán)格質(zhì)量控制、標(biāo)準(zhǔn)化組織，形成了高質(zhì)量、可復(fù)用的AI-Ready樣本庫(kù)。
ChinaAI-FSC包含47,728個(gè)高質(zhì)量樣本，每個(gè)樣本為128×128 MODIS像元瓦片，參考真值由Landsat-5/7/8/9和Sentinel-2高分辨率影像生成，覆蓋中國(guó)全部陸地范圍及三大穩(wěn)定積雪區(qū)。數(shù)據(jù)集提取了20個(gè)特征變量，包括MODIS地表反射率（波段1–7）、地形屬性、森林與土地覆蓋信息及地理位置因子，可同時(shí)支持基于“點(diǎn)”和“面”兩種人工智能建模范式。
在質(zhì)量控制方面，研究建立了像素和瓦片兩級(jí)綜合質(zhì)量控制體系，從光譜—積雪物理一致性、溫度—積雪能量平衡一致性等多維度進(jìn)行嚴(yán)格篩選。提出了“四層—四域—十五屬性（4L-4D-15A）”人工智能就緒性評(píng)估協(xié)議，從數(shù)據(jù)、信息、系統(tǒng)、應(yīng)用四個(gè)維度全面評(píng)估數(shù)據(jù)集。
該評(píng)估體系也可推廣應(yīng)用于土壤濕度、植被、地表溫度等其他地球物理變量研究中。ChinaAI-FSC的構(gòu)建，為人工智能驅(qū)動(dòng)的大尺度、長(zhǎng)時(shí)序積雪覆蓋監(jiān)測(cè)提供了高質(zhì)量數(shù)據(jù)基礎(chǔ)，推動(dòng)了相關(guān)算法的可復(fù)現(xiàn)與互操作，有望顯著提升復(fù)雜地表?xiàng)l件下積雪覆蓋度反演的精度與泛化能力。
研究成果以ChinaAI-FSC: A Comprehensive AI-Ready MODIS Fractional Snow Cover Dataset for China (2000-2022)為題發(fā)表在國(guó)際期刊Earth System Science Data上。數(shù)據(jù)集發(fā)布在國(guó)家冰川凍土沙漠科學(xué)數(shù)據(jù)中心，用戶可開放獲取。西北研究院侯金亮副研究員為論文第一作者，張瑩副研究員、黃春林研究員為共同通訊作者。該研究得到國(guó)家自然科學(xué)基金等項(xiàng)目資助。
論文鏈接：https://doi.org/10.5194/essd-18-1995-2026
數(shù)據(jù)集鏈接：https://www.ncdc.ac.cn/portal/metadata/e44b23cc-0aad-43ec-90c5-9eb1882c696f
