排序方式: 共有18条查询结果,搜索用时 15 毫秒
11.
基于SMMR和SSM/I海冰索引数据集,建立并分析了1978-11至2014-12月36 a的南极海冰边缘线长度时间序列。南极冰缘线长度增长速度为19.54±16.31 km/a(p < 0.05)。每年海冰范围从3月开始增长,9月达到峰值然后下降;冰缘线长度也呈现稳定的周期性变化,在3~8月缓慢增长,继而略微下降,11月开始迅速增长,12月到达峰值后迅速下降。通常冰缘线长度最大值出现在12月,最小值在3月。冰缘线长度的变化与海冰范围和海冰形状FRAC指数相关,在3月、11月、12月,冰缘线长度的变化趋势与海冰形状FRAC指数一致,与海冰范围相反。在其他月份冰缘线长度的变化趋势则与海冰范围相同,与海冰形状FRAC指数相反。在5个地理分区中,印度洋区、罗斯海区冰缘线长度呈正增长趋势,别林斯高晋海区呈明显负增长趋势,西太平洋区、威德尔海区变化趋势不明显。5个地理分区的冰缘线长度都只在个别月份呈现明显的趋势变化,大部分时间没有明显趋势。 相似文献
12.
围绕国内外机构发布的南极被动微波海冰密集度产品(PM-SIC)的差异和精度问题,应用MODIS和Sentinel-1反演的海冰密集度,对德国不莱梅大学(产品UB-AMSR2/ASI)、美国冰雪数据中心(产品NSIDC-SSMIS/NT、NSIDC-SSMIS/CDR、NSIDC-AMSR2/NT2)、欧洲气象卫星应用组织海洋与海冰卫星应用中心(产品OSI-SAF/BR-BST)、国家卫星海洋应用中心(产品NSOAS-SMR/NT)和国家卫星气象中心(产品NSMC-MWRI/NT2)发布的7种南极海冰密集度产品进行比较与评估。结果表明:(1)NSIDC-SSMIS/NT与NSIDC-SSMIS/CDR海冰密集度具有较高的一致性(平均偏差为−0.08%,相关系数为0.99),NSOAS-SMR/NT与NSIDC-AMSR2/NT2间的差异最大(平均偏差为−14.41%,相关系数为0.81);(2)7种PM-SIC的变化趋势一致,NSOAS-SMR/NT和NSMC-MWRI/NT2与其他PM-SIC的偏差具有明显的季节性差异;(3)NSOAS-SMR/NT和NSMC-MWRI/NT2与其他PM-SIC均在印度洋扇区、别林斯高晋海和阿蒙森海扇区绝对偏差较大,在罗斯海扇区差异最小。偏差较大的区域主要分布在海冰边缘区及近陆地海域,在高密集度区域差异较小;(4)应用MODIS与Sentinel-1反演的海冰密集度对7种PM-SIC验证表明,NSMC-MWRI/NT2与验证数据的一致性最高。NSOAS-SMR/NT、UB-AMSR2/ASI和OSI-SAF/BR-BST海冰密集度偏低,而NSMC-MWRI/NT2、NSIDC-AMSR2/NT2、NSIDC-SSMIS/CDR和NSIDC-SSMIS/NT海冰密集度偏高。不同海冰密集度产品的比较与评估可为发展遥感反演算法、研制和应用高质量的海冰密集度产品,更好地监测南极海冰动态变化提供依据和参考。 相似文献
13.
基于MODIS数据的城市热岛动态监测及时空变化分析 总被引:6,自引:1,他引:6
以人口密集、经济快速发展的福建省沿海地区为研究区,在遥感和地理信息系统技术支持下,采用经优选的MODIS遥感数据反演的地表温度,提取城市热岛和植被覆盖信息,对研究区城市热岛进行动态监测和时空变化分析,并对地表温度与植被覆盖的互动关系进行定性与定量分析。结果表明:福建沿海城市热岛面积整体上呈逐年增长趋势,福州和莆田更为明显;城市热岛主要集中在人口密集、工商业发达的区域,同时沿海平原的热岛效应比内陆山区更为显著;地表温度与植被覆盖呈负相关,并且相关系数逐年增长。 相似文献
14.
15.
海冰密度是海冰和气候模型的重要物理变量,也是利用卫星测高数据估算海冰厚度的关键参数。目前各国北极科学考察虽开展了海冰物理观测,但对近期北极海冰密度现场观测资料的综合分析和挖掘应用不足。在此背景下,收集了近15年来北极海冰密度现场观测资料,分析北极海冰密度的变化特征;对海冰密度实测数据进行克里金插值,将插值结果输入静力平衡方程模型计算海冰厚度,探讨海冰密度对海冰厚度卫星测高反演的影响。结果表明,2000—2015年北极海冰密度变化范围为750—950 kg·m^–3,1—9月海冰密度总体上随月份变化呈减小的趋势;6—9月北极海冰密度随着纬度的增加而减少(75°N—90°N);通过对比分析表明,相较于使用海冰密度固定值参与估算海冰厚度,采用经现场观测数据空间插值后的海冰密度估算海冰厚度的结果更为准确。北极海冰密度现场观测资料的整理分析可为海冰与气候变化等进一步研究提供参考。 相似文献
17.
冰川是冰冻圈的重要部分,对局地乃至全球气候变化响应敏感。冰裂隙作为冰川表面上显著的特征,对于认识冰川的状态、稳定性以及内部应力有着重要的作用。针对冰川冰裂隙高精度快速识别提取问题,本文以玉龙雪山白水河1号冰川为研究对象,使用无人机航拍获取的0.12 m分辨率的正射影像,应用U-Net深度学习网络开展白水河1号冰川的冰裂隙的智能提取研究。使用U-Net网络提取冰裂隙的精度高于传统的Canny算子以及SVM算法,总体精度可高达93%,且U-Net网络泛化能力强。提取结果表明,白水河1号冰川冰裂隙主要为横向裂隙,伸展裂隙以及雁行裂隙,呈现随海拔降低,冰裂隙逐渐由横向裂隙变化为伸展裂隙的趋势,通过不同时期提取结果对比,发现冰裂隙数量和平均长度均有增加。基于无人机影像和深度学习方法的冰裂隙智能提取研究,可为监测冰川变化及其与气候变化的关系提供技术支撑。 相似文献
18.
采用美国冰雪数据中心(NSIDC)的日尺度与月尺度海冰密集度数据,将海冰密集度为15%作为阈值确定海冰外缘线位置,提取波弗特海海域的海冰外缘线,计算波弗特海的海冰密集度、海冰范围与海冰面积,然后通过海冰范围与海冰外缘线的年际变化与季节变化来分析波弗特海海冰外缘线退缩的时空变化特征与趋势。实验结果表明,1978—2015年波弗特海的海冰密集度、海冰范围与海冰面积整体变化趋势一致,减少趋势显著。37年来,海冰密集度平均每年减少约0.3%,海冰范围平均每年减少3 235 km2,海冰面积平均每年减少5 084 km2。海冰密集度在1979—1996年无明显减少趋势,1996—2015年减少趋势明显。波弗特海海冰范围一般在9月达到最小值,在11月至次年5月维持在最大值(全冰覆盖状态);海冰面积一般在9月达到最小值,在12月或者1月达到最大值。海冰范围最小值出现时间有延迟的趋势,全冰覆盖状态具有起始时间越来越晚、终止时间越来越早、持续时间越来越短的趋势,平均持续天数为212 d。 相似文献