本数据集为基于 Sentinel-3 OLCI 传感器的时间序列积雪参数栅格产品（.img 格式）。支持 ENVI、ArcGIS、QGIS 等主流遥感与地理信息软件直接读取。原始处理生成积雪像元点云表格后，通过空间插值将离散点数据转换为连续的面状栅格影像，使数据能够反映积雪参数的空间连续分布特征，满足区域积雪时空分析的需求。按年度-月份-日期对每日栅格文件命名，月度合成 NDSI 文件按年度-月份-合成序号命名。包含以下数据：\n1）NDSI（归一化积雪指数）：无单位（范围 -1~1，是积雪覆盖监测的经典指标，可有效区分积雪与非积雪地表，反映区域积雪覆盖范围与覆盖度）\n2）雪粒径有效半径（Snow Grain Size / Snowgrain）：μm（微米）反映积雪物理结构的关键参数，其大小与积雪的融化、反射特性密切相关，可支撑积雪物理过程研究；\n3）污染物相对质量浓度（Pollution Amount）：ppm（百万分之一）表征积雪中粉尘、气溶胶等污染物的相对含量，可反映积雪的污染程度，为积雪生态环境评估提供数据支撑。\n其中雪粒径有效半径，污染物相对质量浓度参数生成每日栅格影像，NDSI参数进一步进行月度最大值无云合成（每月约 4 景）。栅格采用等经纬度投影，重采样分辨率 200 米，支持积雪动态监测、粒径与污染量时空分析等应用。
", "ds_source": "原始数据选取欧洲空间局（ESA）/ EUMETSAT Sentinel-3A/B 卫星搭载的 Ocean and Land Colour Instrument（OLCI）传感器 L1B 级 Earth Observation Full Resolution (EFR) 产品，原因在于 Sentinel-3 系列卫星是欧洲哥白尼计划的核心卫星，其搭载的 OLCI 传感器专为海陆观测设计，具备高光谱、高空间分辨率、高覆盖频率的优势，适合开展大尺度积雪长期动态监测。OLCI 传感器拥有 21 个光谱波段，覆盖 400-1020nm 光谱范围，其中第 21 波段的中心波长为 1.02 微米，该波段对积雪粒径的散射特性变化高度敏感，是反演雪粒径的核心波段，为积雪物理参数的定量反演提供了关键光谱基础。该传感器原始空间分辨率约 300 米，幅宽达 1270km，且 Sentinel-3A、3B 两颗卫星协同工作，可实现全球范围内 1 天一次的全覆盖观测，能够保障数据的空间覆盖范围与时间观测密度，满足 2016-2025 年长时间序列、中亚与中国北方大区域的积雪参数监测需求。
", "ds_process_way": "使用 iCOR 插件（支持 SNAP 模块可视化操作或批量调用 icor.bat 脚本）对 L1B 级数据进行大气校正处理。原因在于 L1B 级数据为传感器原始辐射定标数据，包含大气散射、吸收、反射等多种干扰，无法直接用于地表参数反演，大气校正是定量遥感的基础前提，可将传感器接收到的辐射值转换为地表真实反射率，为后续积雪参数反演提供准确的光谱数据。选择 iCOR 插件而非传统大气校正模型，是因为 iCOR 插件专为 Sentinel-3 OLCI 等中等空间分辨率、大覆盖面积的遥感数据设计，能够有效处理异质性较高的大气模式，校正精度更高、适配性更强。处理过程中去除受大气强吸收影响的 Oa13、Oa14、Oa15、Oa19、Oa20 五个波段，仅输出 16 个可靠的地表反射率波段（Oa01–Oa12、Oa16–Oa18、Oa21）及经纬度信息，原因在于上述五个波段处于大气水汽、二氧化碳的强吸收波段，受大气干扰严重，光谱数据可靠性低，去除后可提升后续数据处理的准确性，同时保留的 16 个波段覆盖了积雪监测的核心光谱范围，能够满足积雪分类与参数反演的需求。\n采用 SNAP IdePix OLCI 处理器识别影像中的云、云影及积雪像元，并仅保留 1216、1232、1248、1264、3264 五类积雪相关编码像元。遥感影像中云、云影会与积雪产生光谱混淆，成为积雪识别与参数反演的主要干扰源，必须通过专业分类算法剔除云、云影及其他非积雪像元，才能精准提取积雪像元。SNAP IdePix OLCI 处理器是针对 OLCI 传感器开发的专用像素分类算法，能够基于光谱特征与纹理特征实现云、云影、积雪、陆地等下垫面类型的精准区分，分类精度高于通用分类算法；而 1216、1232 等五类编码为该算法中积雪像元的专属编码，仅保留此类像元可有效剔除非积雪干扰，确保后续处理仅针对积雪像元，提升积雪参数反演的针对性与准确性。\n参数反演：基于 Kokhanovsky 等积雪反射率物理模型（球形反照率、几何光学模型、外部混合模式），使用 400 nm、560 nm、865 nm、1020 nm 等关键波段，反演雪粒径（考虑形状参数 3.62、4.53、5.8）和污染物量。该模型是针对积雪反射率特性开发的经典定量模型，能够综合考虑积雪的散射、吸收特性及污染物的混合效应，相比经验模型，物理模型的机理性更强、反演精度更高，适用于不同区域、不同积雪状况的参数反演；融合球形反照率、几何光学模型、外部混合模式，可分别模拟积雪的球形散射特征、几何光学散射特性及冰与污染物的外部混合状态，更贴合实际的积雪物理与光学特征。在进行粒径的算法过程中，还需要计算冰的负折射指数的虚部，这里用Spline插值即可。同时需要计算相当方位角，直接采用使用传感器的观测方位角与太阳的方位角进行计算，如果它们的绝对值大于180°时，用360°减去其绝对值。\n栅格化与插值：将离散的积雪像元点云数据进行克里金空间插值，生成 200 米分辨率的等经纬度投影栅格影像。点云数据为离散的点特征，无法直观反映积雪参数的空间分布特征，也难以进行区域尺度的空间分析与可视化表达，通过栅格化与插值将离散点数据转换为连续的面状栅格数据，能够实现积雪参数的空间连续表达，满足区域积雪时空分布分析的需求。将栅格分辨率设置为 200 米提升数据空间精细度；采用等经纬度投影，该投影方式可保持地理坐标的唯一性与一致性，便于数据的空间拼接、叠加分析及与其他地理数据的融合使用。\n月度合成：仅对 NDSI 参数采用最大值合成方法，生成每月约 4 景无云栅格产品，雪粒径和污染物参数则保留每日单景产品，不进行合成，最终所有数据均输出为 ENVI .img 栅格文件。对 NDSI 进行月度最大值合成的原因在于，NDSI 主要用于积雪覆盖范围监测，受云、云影干扰较大，每日影像中存在大量云覆盖缺失区域，而最大值合成法可选取月度内同一像元的最大 NDSI 值，有效剔除云、云影干扰，提升数据的无云覆盖率与空间连续性，满足积雪覆盖宏观监测的需求；雪粒径与污染物参数对积雪短期变化响应敏感，且云覆盖对其反演结果的影响可通过前期积雪分类有效剔除，因此保留每日单景产品，保障数据的时间精细度，满足积雪短期动态变化研究的需求。将数据输出为 ENVI .img 格式，该格式是遥感领域的标准栅格数据格式，支持 ENVI、ArcGIS、QGIS 等主流遥感与地理信息软件直接读取与处理，无需额外的格式转换，降低数据使用门槛，同时该格式可完整保留栅格数据的空间参考、波段信息等元数据，保障数据的完整性。
", "ds_quality": "大气校正质量：iCOR 在 Sentinel-3 OLCI 陆地应用中表现良好，校正后的地表反射率数据能够真实反映地表的实际光谱特征，为后续积雪参数反演提供了准确的基础数据；蓝光和近红外个别波段差异略高，主要与 OLCI 传感器的 “excess of brightness” 现象相关，该现象为传感器自身系统特性导致，属于可控误差范围，对整体积雪参数反演的影响较小。\n反演不确定性：受观测几何角度、大气残留误差、云污染及地形影响。月度 NDSI 最大值合成可显著提高数据连续性和无云覆盖率。 \n整体适用性：数据质量适合中高纬度积雪区的定量遥感分析，但建议在使用时结合具体应用场景进行进一步验证。
", "ds_acq_start_time": null, "ds_acq_end_time": null, "ds_acq_place": "", "ds_acq_lon_east": null, "ds_acq_lat_south": null, "ds_acq_lon_west": null, "ds_acq_lat_north": null, "ds_acq_alt_low": null, "ds_acq_alt_high": null, "ds_share_type": "在线下载", "ds_total_size": 1418620240255, "ds_files_count": 3900, "ds_format": "", "ds_space_res": "200m", "ds_time_res": "雪粒径、污染量：每日； NDSI：月度最大值合成（每月约 4 景无云影像）", "ds_coordinate": "WGS84", "ds_projection": "WGS84", "ds_thumbnail": "5917f373-60fa-41c5-9ced-6002b6bce9d3.png", "ds_thumb_from": 2, "ds_ref_way": "", "paper_ref_way": "", "ds_ref_instruction": "", "ds_from_station": null, "organization_id": "a5877b42-96ea-4f13-af7e-246f355413d6", "doi_value": "", "subject_codes": [ "170.45" ], "quality_level": 1, "publish_time": "2026-03-26 13:05:47", "first_publish_time": null, "last_updated": "2026-04-22 16:40:19", "protected": false, "protected_to": null, "lang": "zh", "cstr": "33110.11.ariddc.01421", "license": null, "extra": null, "files_shape": [ { "name": "数据加工方法.docx", "size": 171931, "is_dir": false }, { "name": "DATA-FOR-UPLOAD", "size": null, "is_dir": true } ], "features": null, "data_level": 0, "ds_topic_tags": [ "雪粒径", "污染量", "Sentinel-3" ], "ds_subject_tags": [ "地理学" ], "ds_class_tags": [], "ds_locus_tags": [], "ds_time_tags": [], "ds_contributors": [ "陆科儒", "杨辽", "杨海平", "王杰" ], "ds_meta_authors": [ "王杰" ], "ds_managers": [ "杨辽" ], "category": "哨兵" }