排序方式: 共有27条查询结果,搜索用时 234 毫秒
1.
由NOAA卫星AVHRR短波通道1、2反射率反演地表反照率需要3个反演模式,分别是窄-宽波段反射率转换模式、大气顶双向反射模式、大气订正模式.基于模式和国家卫星气象中心接收处理的NOAA-18 AVHRR1B数据,处理了2006年1月至2010年12月的中国区域地表反照率,由于云的影响,15天合成技术用来形成周期为15天的地表反照率数据文件.2006年、2010年2年的处理结果与MODIS同类产品对比,RMS为0.028~0.074、相关系数为0.76~0.93,误差较大出现在冬季,原因是两者15天合成方法不同;5年的日平均地表反照率与21个中国地面气象一级辐射站的观测测值作对比,结果是:RMS为0.053、相关系数为0.88.反演模式系统误差以及云和气溶胶影响是卫星反演地表反照率的主要误差来源. 相似文献
2.
北京沙尘天气与源地积雪变化的关系 总被引:2,自引:0,他引:2
主要分析了北京沙尘天气变化规律及沙尘源区积雪变化与北京沙尘日数的关系,并探讨源区积雪变化影响北京沙尘天气的机制.研究表明55年来北京沙尘日数基本呈减少趋势,但1998~2000年又有所增加,沙尘暴日数也在减少,近10年北京没有出现强沙尘暴天气.而沙尘源区积雪深度和积雪面积与北京沙尘存在明显的负相关关系.冬季源区积雪减少(增加),很可能导致春季沙尘日数增加(减少),作者认为冬季积雪变化引起的土壤含水量变化是影响春季北京沙尘天气的原因之一. 相似文献
3.
青藏高原积雪对高亚洲地区水和能量循环起着重要的反馈和调节作用,其变化影响着融雪性河流流量,对下游水资源和经济活动具有重要影响。中分辨率成像光谱仪(MODIS)具有较高的时空分辨率,被广泛应用于积雪遥感动态监测,然而光学遥感积雪受云层影响严重,且青藏高原地区水汽分布不均,局地对流活跃,积雪的赋存时间变化快,这给高原地区逐日积雪监测及其气候学制图带来挑战。在考虑青藏高原地形和积雪分布特征情况下,结合现有的云覆盖下积雪判别算法,采用8个不同方法的组合,逐步实现MODIS逐日无云积雪算法。选取2009年10月1日-2011年4月30日两个积雪季为研究期,并采用145个地面台站观测雪深数据对去云算法各步骤过程开展精度验证,结果表明:当积雪深度>3 cm时,逐日无云积雪产品总分类精度达到96.6%,积雪分类精度达83%,积雪判对概率(召回率)达到89.0%,算法可实现青藏高原地区逐日无云积雪动态监测和积雪覆盖气候学数据重建,对高亚洲地区的水、生态和灾害等全球环境变化影响研究具有重要的意义。 相似文献
4.
机载LiDAR和高光谱数据融合提取冰川雪线 总被引:1,自引:0,他引:1
以西藏那曲县境内的“中习一号”冰川为研究区,对2011年8月获取的机载激光雷达点云进行预处理和滤波分类,提取研究区数字高程模型(digital elevation model,DEM);将DEM数据分别与同期获取的机载高光谱栅格数据和提取出的冰川矢量数据进行三维地形模拟,利用DEM数据对高光谱最大似然法分类结果进行正射纠正,从而获取研究区的数字正射影像(digital orthophoto map,DOM);最后结合研究区DOM和机载点云数据提取“中习一号”冰川的雪线.结果表明:融合机载高光谱和机载激光雷达2种数据的优势,能更方便地提取出冰川雪线,而且能很好地显示雪线的高度. 相似文献
5.
采用NOAA/AVHRR资料, 利用水体与地物光谱特性的差异, 结合通道2方案和通道2/通道1方案, 对4月博斯腾湖水体进行判识, 而利用通道2、通道2/通道1并结合通道4的方案判识了10月博斯腾湖水体, 在此基础上利用线性混合模式对混合像元做了处理, 定量估算了1990—1998年4月和10月博斯腾湖的面积, 调研了9年来博斯腾湖面积变化情况, 表明9年间博斯腾湖面积呈增加趋势。进一步采用主成分分析方法对博斯腾湖面积增大原因做了初步的气候分析, 表明1988年以来博斯腾湖地区气温升高、蒸发量减少、降水有所增加, 而人类活动用水和出流稳定并有减少是博斯腾湖面积增加的主要原因。而博斯腾湖及上游地区季节性积雪的特征, 使冬季积雪水资源注入博斯腾湖, 导致春季博斯腾湖面积较秋季大。 相似文献
6.
积雪参数是气候学和水文学研究中所需的重要物理量, 确保积雪参数测定的准确性与及时性对于气候学研究、水文应用以及防灾减灾都非常重要。利用微波数据可获取有云存在时的积雪覆盖图, 遥感雪深和雪水当量信息。采用微波数据判识雪盖并得到积雪状态 (干、湿) 信息, 不仅可以弥补利用光学遥感数据判识雪盖的不足之处, 而且也是利用微波数据反演雪深和雪水当量参数必需的先期工作。该文介绍利用SSM/I的多频双极化微波数据开展我国及周边地区积雪判识方法研究的结果。分析国外全球判识方法的雪盖判识结果指出, 国外算法易在青藏高原等地区将冻土误判为积雪, 造成雪盖面积的偏高估计。研究给出了在我国及周边地区 (17°~57°N, 65°~145°E) 利用SSM/I数据判识积雪的改进方法, 在完成积雪判识的同时还给出了雪深和积雪状态的定性信息, 与已有全球雪盖判识方法相比有较大改进, 大大减小了青藏高原等地区冻土对积雪判识的影响。 相似文献
7.
北京2008奥运赛场环境特征的GIS系统分析 总被引:1,自引:0,他引:1
本文针对不同环境特征参数的空间和时间变化特征,利用2006年不同空间分辨率和时间分辨率的多源遥感数据和产品,对31个奥运场馆、公路自行车赛场和奥林匹克公园的建筑指数、水体指数、白天/夜间陆表温度以及植被指数特征进行了GIS系统分析,其结果:(1)31个奥运场馆的建筑时间、地理位置以及露天情况对其环境特征有着重要的影响,建筑指数、水体指数、白天/夜间的陆表温度以及植被指数均表现出不同的变化特征,故奥运场馆的绿化和赛事安排应对这些因素进行综合考虑。(2)公路自行车赛场和奥林匹克公园均表现出建筑指数较高,水体指数为负值的特征,而且夏季和秋季白天/夜间陆表温度较高。建议在奥林匹克公园适当增加一些水体以提高其环境质量。 相似文献
8.
基于多源数据的西藏地区积雪变化趋势分析 总被引:3,自引:1,他引:2
利用1980—2009年气象台站的观测数据、 北半球NOAA周积雪产品和2001—2010年500 m分辨率的EOS/MODIS积雪产品等多源资料, 从不同角度对近30 a来西藏区域积雪变化趋势进行了分析. 结果表明: 不同资料分析均显示, 近30 a来西藏地区积雪不断减少, 尤其以近些年较为明显. 近30 a积雪日数、 最大积雪深度总体上呈现下降趋势, 尤其是进入21世纪以来, 下降趋势非常明显. 从秋冬春季节的积雪变化趋势来看, 冬、 春两季的积雪在减少, 而秋季在增多, 这些变化趋势都与各季节的气温和降水密切相关. NOAA资料显示, 近30 a来西藏地区的积雪覆盖面积正在逐步减少; 季节变化略有不同, 春、 秋两季略呈上升趋势, 冬、 夏两季在减少, 且夏季减少趋势较明显. MODIS资料分析表明, 近10 a来西藏地区的积雪总体呈下降趋势, 尤其是2007年下半年开始下降明显. 秋季的积雪在增加, 冬、 春、 夏三季的积雪趋于减少, 且春季的下降趋势最明显, 其次为冬季, 夏季的减少幅度最小. 不同海拔的积雪都有减少趋势, 最明显的是海拔4 000~5 000 m的积雪, 其次是海拔5 000~6 000 m段. 按地理区域分析, 近10 a来西藏东、 西、 中3个区域的积雪都呈减少趋势, 其中西部的下降趋势最明显, 其次为中部, 东部相对较稳定. 相似文献
9.
基于MODIS的青藏高原季节性积雪去云方法可行性比较研究 总被引:3,自引:2,他引:1
青藏高原地处中纬度地区,季节性积雪分布破碎,地面观测站点稀少,中分辨率成像光谱仪(MODIS)可为该地区提供每日积雪监测数据,然而云是光学遥感最大的影响因素,为研究MODIS每日积雪产品去云方法在青藏高原的适用性,根据原理将去云方法归纳总结为五大类,并对每种方法的“潜在假设”开展分析讨论。结果显示:基于时间连续性的方法适用性强,去云效果明显,上下午积雪连续的平均概率为72.5%,而2~5d的连续积雪的概率为5.6%~43%不等,可靠性差;临近像元法可去除零散分布的云,平均正确率达到95.5%,但去除云量较少;基于高程的去云算法在山区适用性好,而在高原腹地由于坡度较小而错判概率较大;采用被动微波遥感数据进行去云则依赖于微波对云的识别率,往往误差较大;采用数学方法拟合积雪边界在积雪破碎、降雪融雪较快的青藏高原地区,物理意义较弱。通过分析研究表明,青藏高原地区MODIS日积雪产品的去云,需综合多种算法的区域适用性,充分考虑青藏高原地形及积雪本身的特征,逐步完善每日积雪去云工作。 相似文献
10.
以昆仑山区为研究区域,利用2001-2015年MOY10A1/MOD10A1以及气温、降水等数据,通过统计学的方法得出了研究区的研究日期,积雪持续时间比率法提取了研究区近15年雪线高程,线性趋势法分析了近15年研究区雪线高程的动态变化,相关分析法研究了雪线高程变化的影响因素。经分析得出:研究日期确定为每年的7月22日-8月24日(第203~236天),共计34天,积雪持续时间比率法提取的雪线阈值为76.5%。2001-2015年昆仑山区及各区域雪线高程呈波浪式上升的趋势,昆仑山东、中、西段雪线高程变化的倾向率分别为80 m·(10a)-1、131 m·(10a)-1和155 m·(10a)-1,昆仑山东段雪线高程变化最为稳定,其次是昆仑山中段,最不稳定的则是昆仑山西段。近15年昆仑山东、中、西段雪线高程的平均值分别为4 990 m、5 271 m和4 936 m,并且昆仑山中段雪线高程的最小值要高于其它两区域的最大值,因此,昆仑山区域雪线高程分布特征为:中间高,两边低。从年的时间尺度分析,影响昆仑山区及各区域雪线高程变化的主控因素为气温;从季节的时间尺度分析,气温对雪线高程影响最大的季节为夏秋季,降水对其影响最大的季节则在夏冬季;从月的时间尺度分析,昆仑山区夏月气温对雪线高程影响最大,而降水对其影响最大的月份则在冬月。 相似文献