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。

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。 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。 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。 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。 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。

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。 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。 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。