排序方式: 共有14条查询结果,搜索用时 0 毫秒
11.
为分析并评价海冰边缘区海冰密集度数据产品,选取北冰洋区域8种公开发布的产品,基于平均偏差和标准差(Standard Deviation, SD)展开分析,结果表明:Bremen/ASI(ARCTIC Sea Ice)、Bremen/BT (Bootstrap)、NSIDC(National Snow and Ice Data Center)/BT和NSIDC/CDR(Climate Data Record)四种数据全年平均偏差整体高于平均值,在夏季偏差高于冬季; Hamburger/ASI全年平均偏差低于平均值,冬春季偏差为负,夏季梢高于均值; NSIDC/NT(NASA Team)、NOAA OI SIC(National Oceanic and Atmospheric Administration Optimum Interpolation Sea Ice Concentration)和OSISAF(The Ocean and Sea Ice Satellite Application Facility)三种数据全年平均偏差为负,夏季负向增加;夏季和秋季标准差较大区域主要分布在东北航道薄冰区,东西伯利亚、拉普捷夫海和喀拉海区域标准差变化较大,从3%增加到10%~15%。围绕航道区,以MODIS(Moderate Resolution Imaging Spectroradiometer)影像作为参考,对8种数据的对比评估结果表明:在25km空间分辨率下,Bremen发布的两种数据相关性较高,均为0.80;NOAAOISIC数据相关性最低,为0.63; Bremen/BT平均偏差较小,为7.11%;基于ASI算法的Bremen/ASI数据和Hamburger/ASI数据平均偏差较大,分别为14.38%和14.99%,且在夏季和秋季偏差波动较大,对应标准差分别为12.16%和11.01%。该项研究对于提升遥感数据产品在海冰边缘或航道区的应用及进一步的算法研发具有指导意义。 相似文献
12.
基于MODIS积雪产品的多种去云方法过程在西藏高原开展对比验证,并以漏测误差L(%)、多测误差M(%)、总体精度O(%)、积雪分类精度S(%)及kappa系数(Khat)作为验证精度评价指标;主要研究方法有上下午星结合去云法(方法Ⅰ)、连续三天结合去云法(方法Ⅱ)以及基于数字高程模型的Snowl去云法(方法Ⅲ).并采用高分辨率Landsat遥感数据对所得结果开展验证对比工作,为了使验证结果更具有代表性,选取了西藏高原典型的5个区域用于其验证范围.结果表明:方法Ⅰ和方法Ⅱ有较好的去云效果,适合于在西藏高原开展利用;方法Ⅲ在西藏高原没有起到特殊的去云作用,该方法的前提假设是在西藏高原需要考虑山地和高原作分析;通过三种方法去云之后在5个区域效果总体上表现为漏测误差和多测误差都有减少,总体精度和积雪分类精度分别在60%~98%及60%~95%之间,kappa系数在0.10~0.56间,一致性精度表现一般. 相似文献
13.
微波植被指数在干旱监测中的应用 总被引:3,自引:0,他引:3
在植被覆盖区域,归一化植被指数(NDVI)被广泛地应用于干旱遥感监测。和基于光学遥感的植被指数相比,Shi等提出的微波植被指数MVI(Microwave Vegetation Index)被证实能够反映更多的植被生长信息。本文以MVI为基础,利用MVI代替目前比较成熟的温度植被指数TVDI(Temperature Vegetation Index)中的NDVI,构建温度微波植被干旱指数TMVDI(Temperature Microwave Vegetation Index),发展了一种新的干旱监测方法。本文以2006年夏季四川省发生的百年难遇的干旱为研究对象,将基于TMVDI与TVDI的干旱监测结果进行了对比分析。最后,为评估监测结果的准确性,将遥感监测的结果与基于气象站点降雨观测数据构建的标准降雨指数SPI(Standardized Precipitation Index)的计算结果进行了对比分析。结果表明,利用低频降轨微波辐射计数据计算的T MVDI最适合于进行植被覆盖区域的干旱监测。 相似文献
14.