东北典型林区雪深反演算法的验证与分析

积雪对自然环境和人类活动都有极其重要的影响。积雪参数（雪面积、雪深和雪水当量）反演对水文模型和气候变化研究有着实际的意义。然而，目前森林区的雪深遥感反演精度一直有待于进一步提高。东北地区是我国最大的天然林区和重要的季节性积雪区之一，本文利用FY3B卫星微波成像仪（MWRI）L1级亮温数据和L2级雪水当量数据，以及东北典型林区野外实测雪深数据，对Chang算法、NASA 96算法和FY3B雪深业务化反演算法进行了验证与分析。结果表明：在东北典型林区的雪深反演中，Chang算法和NASA 96算法反演的雪深波动都比较大，当森林覆盖度f≤0.6时，NASA 96算法表现比较好，均方根误差值在3种算法中较小，但当f>0.6时，NASA 96算法失真严重。当考虑纯森林像元（f=1）时，Chang算法低估了雪深47%。当f≤0.3时，FY3B业务化算法始终优于Chang算法。整体上，FY3B业务化算法相对稳定，具有较高的精度。