期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到6篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于FY3B-MWRI数据新疆区域积雪深度反演 被引量：6
1
作者 李长春 徐轩 +2 位作者 包安明 刘雪峰 杨文攀 《遥感技术与应用》 CSCD 北大核心 2018年第6期1030-1036,共7页
积雪深度不仅用于研究地表辐射平衡,还可以研究积雪的水文效应,是天气和水文模型运行的必要参数,同时,积雪深度监测在融雪径流预报、水资源管理以及洪水控制方面都具有重要作用。我国现有积雪深度反演算法所依据的站点数据主要分布在我... 积雪深度不仅用于研究地表辐射平衡,还可以研究积雪的水文效应,是天气和水文模型运行的必要参数,同时,积雪深度监测在融雪径流预报、水资源管理以及洪水控制方面都具有重要作用。我国现有积雪深度反演算法所依据的站点数据主要分布在我国中部、东部、南部,而在西北的新疆地区站点数据相对较少,因此造成了现有算法在新疆地区的雪深反演精度较差。选择新疆地区作为研究区,以FY3B-MWRI为数据源,根据该地区的地形特征和地面土地覆盖类型特征,利用回归分析方法,研究了该区域内林地、农田和草地3种土地覆盖类型的积雪深度反演算法,并结合地面实测积雪深度数据,对算法精度进行验证。结果显示,林地、农田和草地3种土地覆盖类型的雪深反演结果的R2与RMSE分别为0.758,2.58、0.729,3.21、0.854,5.70,表明该算法对新疆地区积雪深度反演得到了较高的反演精度。 展开更多
关键词 新疆 积雪深度反演 fy3b-mwri 林地 耕地 草地
原文传递
基于FY-3B被动微波数据的青藏高原降尺度机器学习雪深反演 被引量：1
2
作者 周舟 朱灵龙 +4 位作者 张永宏 阚希 刘旭 曹海啸 王剑庚 《冰川冻土》 CSCD 2024年第2期539-554,共16页
作为中国三大积雪区之一,青藏高原的积雪变化在气候系统、水文地质以及生态环境方面发挥着关键作用。已有的被动微波积雪深度反演方法存在数据分辨率低、不确定性高等问题,不适用于青藏高原复杂的山区地形。因此,本文基于FY-3B被动微波... 作为中国三大积雪区之一,青藏高原的积雪变化在气候系统、水文地质以及生态环境方面发挥着关键作用。已有的被动微波积雪深度反演方法存在数据分辨率低、不确定性高等问题,不适用于青藏高原复杂的山区地形。因此,本文基于FY-3B被动微波数据开发了青藏高原降尺度雪深反演模型,利用机器学习算法,将筛选后的亮温差作为参数输入,同时引入了高程、经纬度、植被覆盖度、积雪覆盖度和积雪天数等特征,最终进行了500 m分辨率的青藏高原雪深制图。结果显示,极端梯度提升XGBoost算法的决定系数(R^(2))和均方根误差(root mean square error,RMSE)分别为0.762和5.732 cm,明显优于支持向量回归和随机森林算法。从积雪天数、积雪覆盖度和植被覆盖度三个方面探讨了模型精度的变化,结果表明,在积雪天数为30~60 d时,模型表现良好,平均相对误差(mean relative error,MRE)最低为36.79%,RMSE为2.78 cm;随着积雪覆盖度的增加,模型的RMSE逐渐增大,在积雪覆盖度为0.25~0.50时,MRE和RMSE分别达到39.97%和3.12 cm;植被覆盖度对模型精度的影响较为复杂,可能与具体的土地覆盖类型相关,在0.25~0.50范围内模型表现出较高的精度,MRE和RMSE分别为32.77%和2.94 cm。 展开更多
关键词 青藏高原 降尺度 雪深反演 fy3b-mwri 机器学习
原文传递
光学与微波遥感协同反演藏北表层土壤水分研究 被引量：3
3
作者 王梅霞 冯文兰 +2 位作者 扎西央宗 王永前 牛晓俊 《土壤》 CAS CSCD 北大核心 2019年第5期1020-1029,共10页
表层土壤水分是定量干旱监测的重要参量,对干旱区生态环境具有十分重要的意义。在采用归一化植被指数阈值法划分地表覆盖类型的基础上,利用MODIS数据选择适用的光学遥感算法估算土壤水分基准值,以及利用风云三号B星搭载的微波成像仪(Fen... 表层土壤水分是定量干旱监测的重要参量,对干旱区生态环境具有十分重要的意义。在采用归一化植被指数阈值法划分地表覆盖类型的基础上,利用MODIS数据选择适用的光学遥感算法估算土壤水分基准值,以及利用风云三号B星搭载的微波成像仪(Fengyun-3B/Microware Radiation Imagery,FY3B/MWRI)数据采用微波遥感算法反演土壤水分日变化量,最后构建藏北表层土壤水分协同反演的遥感模型并应用于区域土壤水分的估算。结果表明:光学遥感与微波遥感协同反演的土壤水分含量与实测数据呈显著相关,决定系数达到0.89,均方根误差为0.97,协同反演模型具有较高的反演精度,并且协同反演的结果优于单一遥感源的反演结果。该模型可以较好地适用于藏北地区表层土壤水分的动态监测。 展开更多
关键词 土壤水分 fy3b/mwri MODIS 协同反演 藏北地区
在线阅读 下载PDF
基于风云气象卫星的土壤湿度数据降尺度方法研究 被引量：8
4
作者 盛佳慧 饶鹏 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2021年第1期74-88,共15页
针对被动微波土壤湿度数据空间分辨率较低的问题,分别基于随机森林、多项式拟合及DISPATCH等统计学和物理模型,融合可见光、热红外和地表高程参量对风云三号B星(FY3B)微波土壤湿度数据进行降尺度,使其空间分辨率从25 km提高至1 km。同时... 针对被动微波土壤湿度数据空间分辨率较低的问题,分别基于随机森林、多项式拟合及DISPATCH等统计学和物理模型,融合可见光、热红外和地表高程参量对风云三号B星(FY3B)微波土壤湿度数据进行降尺度,使其空间分辨率从25 km提高至1 km。同时,考虑FY3B、与相关输入数据源过境时间不匹配现象,设置升降轨共计四组对照实验,对比分析FY3B降尺度的最优化数据组合。采用2015年4月1日至2016年12月31日的REMEDHUS土壤湿度原位站点及ECA&D气象站点数据验证,结果显示随机森林方法综合降尺度精度最高,模型拟合效果最好。此外,采用FY3B升轨数据降尺度效果更优。 展开更多
关键词 土壤湿度 fy3b/mwri MODIS 降尺度 随机森林 DISPATCH 多项式拟合 REMEDHUS
在线阅读 下载PDF
东北典型林区雪深反演算法的验证与分析 被引量：9
5
作者 武黎黎 李晓峰 +2 位作者 赵凯 郑兴明 戴礼云 《地球信息科学学报》 CSCD 北大核心 2014年第2期320-327,共8页
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... 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。 展开更多
关键词 积雪 微波遥感 雪深反演
原文传递
天山雪深反演算法验证与分析 被引量：4
6
作者 岳继博 李长春 +1 位作者 齐修东 袁换欢 《遥感信息》 CSCD 北大核心 2016年第4期56-61,共6页
针对被动微波遥感雪深反演算法在特殊地形条件下精度较差的问题,分析了两种雪深反演算法在新疆天山地区山地和平地在不同雪深条件下的误差。利用2014年12月15日到24日同步获得的46个山地和52个平地雪深数据、FY3B-MWRI亮温数据以及2008... 针对被动微波遥感雪深反演算法在特殊地形条件下精度较差的问题,分析了两种雪深反演算法在新疆天山地区山地和平地在不同雪深条件下的误差。利用2014年12月15日到24日同步获得的46个山地和52个平地雪深数据、FY3B-MWRI亮温数据以及2008年MCD12Q1地面分类数据,对FY3B-MWRI业务化算法和Chang算法在新疆天山地区进行了对比分析。采用实测的不同地形和雪深数据进行了多组雪深反演,并分析山地和平地不同雪深反演误差。结果表明：1）所有样点参与反演时,Chang算法的雪深反演均方根误差为14.18cm,FY3B-MWRI业务化算法均方根误差为8.66cm,FY3B-MWRI业务化算法雪深反演效果优于Chang算法;2）对比山地和平地雪深反演结果,Chang算法的山地雪深反演均方根误差为18.31cm,平地雪深反演均方根误差为9.3cm;对于FY3B-MWRI业务化算法,山地雪深反演均方根误差为10.73cm,平地的雪深反演均方根误差为4.36cm,Chang算法和FY3B-MWRI业务化算法山地反演均方根误差是平地均方根误差的两倍左右;3）当雪深在20-30cm和大于30cm两组时,FY3B-MWRI业务化算法和Chang算法精度普遍都不高。 展开更多
关键词 天山 雪深反演 微波遥感 fy3b-mwri Chang算法
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部