排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
青藏高原近地表土壤的日冻融循环极大地影响着土壤和大气之间的水分与能量交换,研究其时空变化模式对深入理解青藏高原生态环境的气候变化响应具有重要意义。本文基于MODIS、AMSR-E、AMSR-2遥感数据等资料,获取AMSR系列传感器在青藏高原的昼夜校准系数,利用Fourier非线性模型实现AMSR微波辐射产品与MODIS热红外地表温度产品的融合,生成每日1 km分辨率近地表土壤日冻融状态结果,开展2002—2020年青藏高原近地表土壤日冻融循环时空变化模式研究。结果表明:(1)相比于面向全球的校准方法,本文改进的AMSR系列传感器校准方法更适合于青藏高原地区。利用Fourier非线性模型融合后获得的土壤冻融产品在提升分辨率的同时日冻融判别精度达80.96%,相较于未融合结果准确性提高3.95%。(2)青藏高原近地表土壤季节性冻融过程中的日冻融循环发生天数空间上存在显著差异性,其中藏南区域与青海高原发生天数最高,时间上存在周期性,呈升温时向西北转移,降温时向东南转移。(3) 2002—2020年青藏高原不同区域年内日冻融循环发生天数变化趋势不同,藏北高原、藏南高山及藏东区域呈增加状态,青海... 相似文献
2.
针对合成孔径雷达(SAR)图像不同类型建筑物的区分问题,该文提出了一种基于U-Net的极化SAR图像建筑物分类方法。该方法将极化SAR数据的Pauli分解参数、规范化圆极化相关系数和G0统计纹理参数作为U-Net的输入,建立建筑物分类U-Net模型,同时考虑建筑物的高度和单体面积的情况下,将建筑物分为高层、中层、低层小面积、低层厂房类大面积建筑物4类。对武汉市城区GF-3极化SAR数据的各类建筑物分类精度均在80%以上,最高达94.2%。该方法与仅使用单类别特征的U-Net网络方法以及卷积神经网络方法相比,分类结果更完整、建筑边界更准确,也更适合于复杂中心城区的不同类型建筑物的分类。 相似文献
1