期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于GRACE卫星的都思兔河流域水储量变化
1
作者 尹文杰 陈华杰 +4 位作者 王雪蕾 黄莉 王琦 查苏娜 杨小鹏 《长江科学院院报》 北大核心 2026年第2期37-44,共8页
GRACE卫星为监测全球及流域尺度的水储量变化提供了有效手段,但不同机构公布的数据产品间存在一定的差异。为了探究都思兔河流域2003—2021年间水储量的时空变化特征,通过融合贝叶斯三角帽法和3种GRACE数据,并利用2018—2021年的地下水... GRACE卫星为监测全球及流域尺度的水储量变化提供了有效手段,但不同机构公布的数据产品间存在一定的差异。为了探究都思兔河流域2003—2021年间水储量的时空变化特征,通过融合贝叶斯三角帽法和3种GRACE数据,并利用2018—2021年的地下水位实测数据对地下水储量进行验证,进一步分析了流域内布龙湖水体面积的变化趋势。最后,利用交叉小波变换方法分析气象因素与地下水储量变化间的响应关系。结果表明:2003—2021年间,都思兔河流域陆地和地下水储量均呈明显的下降趋势,相比于2003—2017年,2018年之后的地下水储量变化下降斜率由-7.37 mm/a提高至-9.52 mm/a,地下水位实测数据与GRACE结果呈相似的下降趋势和季节性特征;近20 a间由于水储量的减少,布龙湖水体面积以-2698 m 2/a的速率减少;交叉小波变换结果显示,地下水储量与降雨呈正相关,而与温度和蒸散发呈负相关。研究成果可为多源卫星数据融合和流域尺度的地下水储量变化评估提供有效数据支撑和技术保障。 展开更多
关键词 贝叶斯三角帽 GRACE重力卫星 地下水储量变化 交叉小波变换 都思兔河流域
在线阅读 下载PDF
一种改进的尺度因子算法用于GRACE/GRACE-FO时变重力信号恢复
2
作者 陈威 钟敏 +2 位作者 C.K.Shum 李权国 段淑娟 《地球物理学报》 北大核心 2025年第5期1633-1646,共14页
准确恢复GRACE(Gravity Recovery and Climate Experiment)及其后续任务GRACE-FO(GRACE Follow-On)卫星观测的时变重力信号,对于揭示全球陆地海洋水量交换过程、监测区域水量收支平衡及预测局部旱涝灾害等具有重要科学意义.尺度因子法... 准确恢复GRACE(Gravity Recovery and Climate Experiment)及其后续任务GRACE-FO(GRACE Follow-On)卫星观测的时变重力信号,对于揭示全球陆地海洋水量交换过程、监测区域水量收支平衡及预测局部旱涝灾害等具有重要科学意义.尺度因子法作为恢复GRACE/GRACE-FO卫星观测信号中真实陆地水储量变化的一种常用手段,存在以下缺陷:不同水文模型推导出的尺度因子存在较大差异,缺乏一致性;即便在统一滤波处理条件下,传统方法往往未充分考虑GRACE/GRACE-FO数据中“条带”误差和高频信号的影响;滤波强度的选择具有主观性,难以保证恢复结果的最优性与稳定性.针对这些问题,我们提出了改进的尺度因子算法,主要包括:(1)引入贝叶斯三角帽方法,对多套水文模型加权融合,构建统一的融合后水文数据集,增强尺度因子的鲁棒性;(2)在水文模型滤波过程中考虑“条带”误差和高频信号的影响,提升滤波后信号的保真度;(3)引入评价性指标体系,从DDK1—DDK7滤波范围中确定了DDK4为最佳滤波方案,并基于迭代思想构建了改进尺度因子.改进尺度因子恢复的陆地水储量变化与CSR Mascon、JPL Mascon的结果吻合较好,相关系数分别为0.984和0.970,均方根误差分别为2.13 mm和3.54 mm.在线性趋势、周年振幅及相位值的时空分布上,改进尺度因子恢复的陆地水储量变化与CSR Mascon、JPL Mascon的结果基本一致. 展开更多
关键词 尺度因子 GRACE/GRACE-FO 陆地水储量 贝叶斯三角帽方法(BTCH)
在线阅读 下载PDF
基于贝叶斯三角帽法的多源降水数据融合分析及应用 被引量:6
3
作者 赵君 刘雨 +3 位作者 徐进超 王国庆 邵月红 杨林 《水科学进展》 EI CAS CSCD 北大核心 2023年第5期685-696,共12页
目前的降水产品依然存在较大的不确定性,采用多源降水数据融合可以更准确地估计降水量和空间分布情况。为实现无资料地区的数据融合,本文在不使用任何先验信息的前提下,通过整合站点插值、卫星遥感和再分析的降水产品,基于贝叶斯三角帽(... 目前的降水产品依然存在较大的不确定性,采用多源降水数据融合可以更准确地估计降水量和空间分布情况。为实现无资料地区的数据融合,本文在不使用任何先验信息的前提下,通过整合站点插值、卫星遥感和再分析的降水产品,基于贝叶斯三角帽(Bayesian-Three Cornered Hat, BTCH)法,融合多源降水数据,探究不同输入数量的降水产品对于融合数据精度的影响以及每个降水产品对于融合数据精度的贡献率,并在黄河源区进行应用。结果表明:在月尺度上,融合数据性能优于原始降水产品;在日尺度上,融合数据性能明显高于卫星遥感和再分析降水产品,但低于基于站点的降水产品CHM_PRE;2套基于站点的降水产品CN05.1和CHM_PRE对于融合数据有最大的贡献率。在黄河源区的应用表明,该数据融合方法确实能够更准确地估计降水量,可应用于无实测降水资料地区,为数据融合分析及应用提供参考。 展开更多
关键词 多源降水 数据融合 不确定性分析 贝叶斯三角帽
在线阅读 下载PDF
GRACE反演格陵兰冰盖质量变化的不确定性分析与数据融合 被引量:2
4
作者 贺玉麟 姚宜斌 张豹 《测绘地理信息》 CSCD 2023年第3期25-29,共5页
重力恢复与气候实验(gravity recovery and climate experiment,GRACE)卫星已成为观测冰盖质量变化的主要手段之一,但不同机构发布的GRACE数据在估计格陵兰冰盖质量变化上存在较大差异,在研究长期变化趋势时会产生很大不一致性。针对此... 重力恢复与气候实验(gravity recovery and climate experiment,GRACE)卫星已成为观测冰盖质量变化的主要手段之一,但不同机构发布的GRACE数据在估计格陵兰冰盖质量变化上存在较大差异,在研究长期变化趋势时会产生很大不一致性。针对此问题,先分析了用不同GRACE数据估算的格陵兰冰盖质量变化数据之间的差异,再用三角帽(three-cornered hat,TCH)方法对其进行不确定性分析,并通过数据融合消除了不同数据间的不一致性。 展开更多
关键词 重力恢复与气候实验(gravity recovery and climate experiment GRACE)卫星 格陵兰 三角帽(three-cornered hat TCH)方法
原文传递
贝叶斯三角帽法的GRACE/GRACE-FO组合模型及其不确定性 被引量:1
5
作者 黄飞龙 谷延超 +3 位作者 何祖建 黄俊 袁洪波 高崇钦 《大地测量与地球动力学》 CSCD 北大核心 2024年第4期417-422,共6页
利用贝叶斯三角帽法将多个GRACE/GRACE-FO重构模型进行融合,提升基于深度学习的地表质量变化重构模型的精度,为高精度填补及重构GRACE/GRACE-FO数据提供参考。实验表明,组合模型估算的全球陆地水储量变化的不确定性最低,其结果在多数流... 利用贝叶斯三角帽法将多个GRACE/GRACE-FO重构模型进行融合,提升基于深度学习的地表质量变化重构模型的精度,为高精度填补及重构GRACE/GRACE-FO数据提供参考。实验表明,组合模型估算的全球陆地水储量变化的不确定性最低,其结果在多数流域与参考模型的一致性更佳;较最优的重构模型,组合模型全球及流域的不确定性降低约15%,纳什效率系数(NSE)提升约5%,尤其在半干旱、半湿润及湿润区域,其精度提升更明显。 展开更多
关键词 GRACE/GRACE-FO 地表质量变化模型 模型组合 贝叶斯三角帽法
在线阅读 下载PDF
A Thorough Evaluation of the Passive Microwave Radiometer Measurements onboard Three Fengyun-3 Satellites 被引量:3
6
作者 Xinran XIA Wenying HE +4 位作者 Shengli WU Disong FU Wei SHAO Peng ZHANG Xiangao XIA 《Journal of Meteorological Research》 SCIE CSCD 2023年第4期573-588,共16页
Microwave Radiometer Imager(MWRI) is a key payload of China’s second generation polar meteorological satellite, i.e., Fengyun-3 series(FY-3). Up to now, 5 satellites including FY-3A(2008), FY-3B(2010), FY-3C(2013), F... Microwave Radiometer Imager(MWRI) is a key payload of China’s second generation polar meteorological satellite, i.e., Fengyun-3 series(FY-3). Up to now, 5 satellites including FY-3A(2008), FY-3B(2010), FY-3C(2013), FY-3D(2018), and FY-3E(2021) have been launched successfully to provide multiwavelength, all-weather, and global data for decades. Much progress has been made on the calibration of MWRI and a recalibrated MWRI brightness temperature(BT) product(V2) was recently released. This study thoroughly evaluates the accuracy of this new product from FY-3B, 3C, and 3D by using the simultaneous collocated Global Precipitation Measurement(GPM)Microwave Imager(GMI) measurements as a reference. The results show that the mean biases(MBEs) of the BT between MWRI and GMI are generally less than 0.5 K and the root mean squares(RMSs) between them are less than1.5 K. The previous notable ascending and descending difference of the MWRI has disappeared. This indicates that the new MWRI recalibration procedure is very effective in removing potential errors associated with the emission of the hot-load reflector. Analysis of the dependence of MBE on the latitude and earth scene temperature shows that MBE decreases with decreasing latitude over ocean. Furthermore, MBE over ocean decreases linearly with increasing scene temperature for almost all channels, whereas this does not occur over land. A linear regression fitting is then used to modify MWRI, which can reduce the MBE over ocean to be within 0.2 K. The standard deviation of error of GMI, FY-3B, and FY-3D MWRI BT data derived by using the three-cornered hat method(TCH) shows that GMI has the best overall performance over ocean except at 10.65 GHz where its standard deviation of error is slightly larger than that of FY-3D. Over land, the standard deviation of error of FY-3D is the lowest at almost all channels except at 89V. MWRI onboard FY-3 series satellites would serve as an important passive microwave radiometer member of the constellation to monitor key surface and atmospheric properties. 展开更多
关键词 Microwave Radiometer Imager(MWRI) Global Precipitation Measurement(GPM)Microwave Imager(GMI) brightness temperature(BT) the three-cornered hat method(TCH)
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部