基于浮标数据的卫星雷达高度计海浪波高数据评价与校正

卫星雷达高度计是海浪有效波高（significant wave height,SWH）观测的重要手段之一,本文利用时空匹配方法对T/P、Jason-1、Envisat、Jason-2、Cryosat-2和HY-2A共6颗卫星雷达高度计SWH数据与NDBC（National Data Buoy Center,NDBC）浮标SWH数据进行对比验证,并对雷达高度计SWH数据进行校正。全部卫星雷达高度计SWH数据时间跨度为1992年9月25日到2015年9月1日,对比验证NDBC浮标共53个,包括7个大洋浮标。精度评价发现除T/P外,各卫星雷达高度计SWH的RMSE都在0.4~0.5 m之间,经过校正后,RMSE都有显著下降,下降程度最大为13.82%;对于大洋浮标,评价结果RMSE在0.20~0.28 m之间,结果明显优于全部NDBC浮标的精度评价结果;HY-2A卫星雷达高度计SWH在经过校正后数据质量与国外其他5颗卫星雷达高度计SWH数据质量差异较小。     

基于多源遥感数据和GEE平台的博斯腾湖面积变化及影响因素分析

作为典型的干旱区内陆湖泊,博斯腾湖的面积变化趋势与当地自然和人文环境的变迁密不可分.本文结合GIS与RS技术,利用Landsat影像和MODIS数据共2289景及JRC GSW水体掩膜产品,基于Google Earth Engine (GEE)平台采用指数法得出2000-2019年博斯腾湖面积年际和年内变化趋势,并采用...     

深度学习融合遥感大数据的陆地水文数据同化：进展与关键科学问题

以深度学习为核心的数据驱动方法逐步应用于地球科学领域,但这类方法在模型的可解释性和物理一致性等方面还存在挑战。在遥感大数据背景下,如何结合深度学习和数据同化方法,发展陆地水循环过程模拟与预报的新技术和新方法成为地球科学领域的重要研究方向。重点梳理了近年来深度学习在改善陆地水循环要素观测数据质量以及深度学习如何减少物理模型不确定性方面的最新进展,从观测、模型和系统集成3个方面凝练出深度学习融合遥感大数据的陆地水文数据同化研究的关键科学问题：(1)深度学习反演遥感产品时,如何增强样本的时空代表性？(2)如何发展数据同化框架下物理导引的深度学习新方法？(3)如何通过“数据—模型”双驱动提升陆地水循环的可预报性？开展相关研究和探索将有助于推动“数据—模型”混合建模方法在水文领域的深入应用,提高陆地水循环过程的模拟和预测能力。     

基于长时序Landsat 5/8多波段遥感影像的青海湖面积变化研究

青海湖作为高海拔的内陆湖泊,其表面水体面积多年变化对寒旱区的气候变化和水循环至关重要。为了研究30年来青海湖湖泊面积变化规律,提取了1986—2017年(除去2012年)覆盖青海湖的459景Landsat5/8影像,采用6种常用的水体提取方法分别提取了青海湖表面水体面积,并分析了不同方法的差异,最终分别对Landsat 5 TM和Landsat 8 OLI遥感影像采用改进的归一化差异水体指数(MNDWI)和水体指数2015(WI2015)方法获得1986—2017年青海湖表面水体面积的年变化,并分析其变化趋势。结果表明:1989—2003年青海湖面积减小了175.34km^2,年平均减小率为12.52km^2/a,2003—2017年青海湖面积增加了183.43km^2,年平均增加率为13.10km^2/a,整体上,1986—2017年青海湖面积增加了104.46km^2,年平均增加率为3.37km^2/a。