共查询到17条相似文献，搜索用时 125 毫秒
1.
青藏高原作为中低纬度地区最大的高山冻土区,多年冻土和季节冻土广泛分布。高精度的地表冻融监测结果对研究该区域的水热交换、碳氮循环和土壤冻融侵蚀非常重要。本文基于4个青藏高原典型地区的土壤温湿度观测网数据,开展利用LightGBM算法和随机森林算法进行土壤冻融循环监测的研究。在构建土壤冻融监测模型的过程中,发现土壤湿度是影响冻融判别的一个关键因子。使用AMSR2亮温数据和ERA5-Land土壤湿度数据,基于两种机器学习算法判别地表冻融状态,将结果与传统冻融判别式算法进行对比分析。结果表明：相比冻融判别式算法,LightGBM算法在白天和夜间的总体判对率提高了12.09%;14.45%,随机森林算法在白天和夜间的总体判对率提高了13.23%和14.96%。近80%的错分样本分布在-4.0℃～4.0℃之间,说明2个机器学习算法能够识别出稳定的土壤冻结状态和融化状态。另外,LightGBM算法和随机森林算法得到的日冻融转换天数的平均RMSE降低了112.82和117.00;冻结天数的平均RMSE降低了47.87和53.96;融化天数的平均RMSE降低了37.10和39.80。同时,基于随机森林算... 相似文献
2.
青藏高原地形复杂,积雪时空分布异质性较强且大部分地区积雪较薄,而被动微波遥感因其空间分辨率低以及雪深反演中的不确定性,极大地限制了其反演青藏高原雪深的精度。本文尝试将多源遥感数据以及与积雪模型（SnowModel）相结合,来重建更高质量的青藏高原雪深数据。首先,利用MODIS积雪面积比例产品,根据构建的积雪衰减曲线以及经验的融合规则对低分辨率被动微波雪深进行了降尺度;然后,结合MODIS/被动微波融合雪深数据和SnowModel对研究区进行雪深数据同化实验;最后,利用地面站实测雪深数据对MODIS/被动微波融合雪深以及同化输出雪深的精度进行了分析和对比。结果表明,基于数据同化方法得到的雪深数据更接近地面观测雪深值,通过均方根误差以及相关系数的对比,同化雪深结果优于MODIS/被动微波融合雪深结果。 相似文献
3.
基于高度角、信噪比和伪距残差3个指标,采用K均值(Kmeans++)、迭代自组织数据分析法(ISODATA)和基于密度带有噪声的空间分类法(DBSCAN)对复杂城市观测环境下的GNSS数据进行分类,并采用伪距单点定位模型(SPP)评估不同算法的分类精度。结果表明,Kmeans++算法分类精度最优,在E、N、U 3个方向上的定位精度分别达2.56 m、3.25 m、9.73 m;相较于未采用Kmeans++算法的定位精度分别提升57.86%、47.64%、60.98%。为进一步验证算法性能,将Kmeans++算法与信噪比、高度角阈值法进行精度对比,结果表明,Kmeans++算法的平面和三维定位精度均有显著改善,分别提升24.87%、39.07%（信噪比阈值法）和41.36%、59.91%（高度角阈值法）。 相似文献
4.
基于特征空间优化的随机森林算法在GF-2影像湿地分类中的研究 总被引：1，自引：0，他引：1
由于季节性的植被动态和水文波动,湿地遥感影像分类常常比较困难。本文采用优化特征空间的随机森林算法（Random Forest）对吉林省白城市通榆县东部地区预处理后的GF-2影像进行湿地分类研究,具体分为2步：① 对研究区遥感影像进行多尺度分割和对象特征的提取。针对一些学者获取最佳分割尺度时仍受主观因素影响较大的情况,本文通过改进全局最优分割方法来获得最佳分割尺度。② 在最优分割的基础上,基于特征重要性对随机森林分类算法的特征空间进行优化,以得到最佳的随机森林分类结果,并与相同条件下（同数据、同分割尺度、同训练样本,同特征空间）的K-NN、SVM、CART 3种算法以及未优化特征空间的RF算法的分类结果进行了比较。结果表明,基于优化特征空间的RF算法的分类结果总精度和Kappa系数分别为93.038%和0.9177,而K-NN、SVM和CART 3种分类算法的分类结果的总精度分别为83.357%、78.068%、77.136%,未优化特征空间的RF算法分类结果总精度为90.937%。相较于K-NN、SVM、CART 3种分类算法,RF算法在GF-2湿地影像数据中具有更好的分类性能,同时优化特征空间的RF算法精度有所提高,在湿地资源管理中可以发挥非常重要的作用。 相似文献
5.
为了长时间、大范围获取水汽数值,利用2005~2008年光学遥感的MODIS近红外、红外水汽产品,以及微波遥感AMSR-E数据,2种方法反演水汽。微波AMSR-E亮温数据采用Merritt N.Deeter(2007)亮温极化差方法,选取18.7GHz和23.8GHz 2个波段,得到AMSR-E升轨、降轨大气水汽数值。以京津冀地区为研究区域,通过地统计相关性分析、时间序列分析、年际间变化分析,可知2种方法4种资料反演的大气水汽数值的R2都达到0.95,时间分布符合中国雨带移动规律,空间分布不均。MODIS数据反演值比AMSR-E值要低,得到2种方法反演水汽的各自优缺点。 相似文献
6.
土壤水分是一个重要生态参量,以被动微波反演土壤水分,不受天气影响,且其算法成熟.但是星载被动微波数据的空间分辨率较低,可适合大区域尺度研究.本文将1km分辨率光学数据MODIS和25km分辨率被动微波数据AMSR- E2级土壤湿度产品结合,利用NDVI-Ts特征空间,去除植被影响,结合前人提出的裸土蒸散模型,将研究区被... 相似文献
7.
在遥感图像分类过程中,进行合理的特征优选操作,将有助于提高分类器的分类效率及精度。本文以淮南地区资源三号卫星多光谱遥感影像数据为例,采用二值离散化、直方图法及F统计法3种计算方法实现mRMR（minimal-Redundancy-Maximal-Relevance）算法特征优选过程。根据3种方法所得到的特征优选结果及全部特征信息,分别采用C5.0决策树和K近邻2种分类器进行图像分类实验,并利用目视解译方法对不同方法组合的影像分类结果进行精度验证。实验结果表明,利用3种计算方法实现mRMR特征优选算法对不同分类器的影响程度不同：在分类效率方面,C5.0决策树分类器可提高36.84%,而K近邻分类器可提高72.05%;在分类精度方面,C5.0决策树分类器能保证分类精度大致不变,总体分类精度可提高0.60%,Kappa系数可提高0.80%,而K近邻分类器总体分类精度可提高4.34%,Kappa系数可提高7.90%。 相似文献
8.
多源遥感数据的综合应用是提高地表温度反演精度的有效途径.MODIS数据和Landsat TM数据在我国同一地区获取的时间相差不大,可以获取近似同步的MODIS数据和TM数据.本文将基于MODIS数据反演的大气参数应用于TM影像的地表温度反演,分别对单窗口算法和普适性单通道算法进行了实验研究,应用气象站实测的地表温度数据对反演结果进行了检验,并对比分析了不同土地覆盖条件下两种算法的精度差异.结果表明:两种算法反演精度均较高,单窗口算法反演精度为0.76K,普适性单通道算法反演精度为1.23K;在不同的土地覆盖条件下,两种算法表现出明显的差异性,水体区反演结果差异最小,均值差异仅为0.02K,植被区差异最大,均值差异为0.62K. 相似文献
9.
光学与微波遥感的新疆积雪覆盖变化分析 总被引：1，自引：0，他引：1
利用2002-2013年冬季的MODIS光学遥感数据,以及AMSR-E、AMSR2与MWRI被动微波遥感数据,建立了新疆地区冬季每日积雪分布遥感反演模型。首先,将Terra与Aqua双星MODIS的积雪产品融合,初步去云并最大化积雪信息;然后,利用AMSR-E/AMSR2和MWRI被动微波数据进行每日雪盖提取;最后,利用被动微波遥感数据反演得到的每日雪盖结果对双星融合后依然有云的像元进行替换,得到每日积雪分布情况。据此模型提取了11年间冬季的积雪天数信息,结合气象台站观测数据,分析了新疆冬季积雪的年内和年际变化规律。结果表明,新疆地区积雪主要分布在北部新疆,积雪天数与地形关系密切,山区积雪天数较多,盆地及城市区积雪天数较少;积雪天数年内变化是从11月到次年1月随温度降低逐渐增加,从1月到3月积雪天数则逐渐减少。新疆地区积雪天数在这11年中存在一定的波动,积雪天数与该年的平均气温,以及月低于0℃的天数存在显著相关性,与降雪量关系不明显。新疆地区近年来积雪天数重心有向西向南移动的趋势,这可能与全球气候变暖导致多年积雪融化有关。 相似文献
10.
国内生产总值（GDP）是衡量地区经济发展水平的重要指标,GDP的空间化可以为灾害风险分析等多学科交叉研究提供基础数据。空间化代用数据的选择是社会经济统计数据空间化的关键,本文以京津冀地区作为研究区,将夜间灯光、全球人口密度（LandScan）和亚洲人口密度（AsiaPop）空间分布信息作为代用数据,将市级GDP统计数据空间展布到栅格单元,以绝对误差、相对误差和均方根误差为指标,利用县级统计数据对展布结果进行误差分析,并对比3种数据对GDP空间模拟的表达效果。结果表明：相对于夜间灯光和LandScan数据,AsiaPop模拟得到的综合误差最小;基于夜间灯光和LandScan的GDP空间展布误差格局比较接近,即存在经济较发达的市辖区GDP值被低估、市郊区县GDP被高估的误差“两极区”倾向,而基于AsiaPop的GDP空间展布误差格局与经济发展水平关系不密切。因此,利用单一代用数据很难合理地反映经济活动的空间分布,综合夜间灯光、人口密度、道路和建筑物等多源空间数据是提高GDP空间展布精度的发展趋势。 相似文献
11.
Satellite SST(sea surface temperature) from the Advanced Microwave Scanning Radiometer for the Earth Observing System(AMSR-E) is compared with in situ temperature observations from Argo profiling floats over the global oceans to evaluate the advantages of Argo NST(near-surface temperature: water temperature less than 1 m from the surface). By comparing Argo nominal surface temperature(~5 m) with its NST, a diurnal cycle caused by daytime warming and nighttime cooling was found, along with a maximum warming of 0.08±0.36°C during 14:00–15:00 local time. Further comparisons between Argo 5-m temperature/Argo NST and AMSR-E SST retrievals related to wind speed, columnar water vapor, and columnar cloud water indicate warming biases at low wind speed(5 m/s) and columnar water vapor 28 mm during daytime. The warming tendency is more remarkable for AMSR-E SST/Argo 5-m temperature compared with AMSR-E SST/Argo NST, owing to the effect of diurnal warming. This effect of diurnal warming events should be excluded before validation for microwave SST retrievals. Both AMSR-E nighttime SST/Argo 5-m temperature and nighttime SST/Argo NST show generally good agreement, independent of wind speed and columnar water vapor. From our analysis, Argo NST data demonstrated their advantages for validation of satellite-retrieved SST. 相似文献
12.
Comparative analysis of microwave brightness temperature data in Northeast China using AMSR-E and MWRI products 总被引：1，自引：1，他引：0
With such significant advantages as all-day observation, penetrability and all-weather coverage, passive microwave remote
sensing technique has been widely applied in the research of global environmental change. As the satellite-based passive microwave
remote sensor, the Advanced Microwave Scanning Radiometer-Earth Observing System (AMSR-E) loaded on NASA’s (National Aeronautics
and Space Administration of USA) Aqua satellite has been popularly used in the field of microwave observation. The Microwave
Radiation Imager (MWRI) loaded on the Chinese FengYun-3A (FY-3A) satellite is an AMSR-E-like conical scanning microwave sensor,
but there are few reports about MWRI data. This paper firstly proposed an optimal spatial position matching algorithm from
rough to exact for the position matching between AMSR-E and MWRI data, then taking Northeast China as an example, comparatively
analyzed the microwave brightness temperature data derived from AMSR-E and MWRI. The results show that when the antenna footprints
of the two sensors are filled with either full water, or full land, or mixed land and water with approximate proportion, the
errors of brightness temperature between AMSR-E and MWRI are usually in the range from −10 K to +10 K. In general, the residual
values of brightness temperature between the two microwave sensors with the same spatial resolution are in the range of ±3
K. Because the spatial resolution of AMSR-E is three times as high as that of MWRI, the results indicate that the quality
of MWRI data is better. The research can provide useful information for the MWRI data application and microwave unmixing method
in the future. 相似文献
13.
It is more difficult to retrieve land surface temperature(LST) from passive microwave remote sensing data than from thermal remote sensing data, because the emissivities in the passive microwave band can change more easily than those in the thermal infrared band. Thus, it is very difficult to build a stable relationship. Passive microwave band emissivities are greatly influenced by the soil moisture, which varies with time. This makes it difficult to develop a general physical algorithm. This paper proposes a method to utilize multiple-satellite, sensors and resolution coupled with a deep dynamic learning neural network to retrieve the land surface temperature from images acquired by the Advanced Microwave Scanning Radiometer 2(AMSR2), a sensor that is similar to the Advanced Microwave Scanning Radiometer Earth Observing System(AMSR-E). The AMSR-E and MODIS sensors are located aboard the Aqua satellite. The MODIS LST product is used as the ground truth data to overcome the difficulties in obtaining large scale land surface temperature data. The mean and standard deviation of the retrieval error are approximately 1.4° and 1.9° when five frequencies(ten channels, 10.7, 18.7, 23.8, 36.5, 89 V/H GHz) are used. This method can effectively eliminate the influences of the soil moisture, roughness, atmosphere and various other factors. An analysis of the application of this method to the retrieval of land surface temperature from AMSR2 data indicates that the method is feasible. The accuracy is approximately 1.8° through a comparison between the retrieval results with ground measurement data from meteorological stations. 相似文献
14.
本文以2007年和2008年MODIS每日地表温度（LST）数据及AMSR-E地表亮温（BT）数据为研究对象,结合土地覆盖类型数据,统计分析MODIS_LST与AMSR-E_BT在不同土地覆盖类型、频率和极化方式条件下的相关性。结果表明,频率在18.7、23.8和36.5 GHz的AMSR-E-BT与MODIS_LST的相关性较大,且在垂直极化通道上的相关性较在水平极化上大;不同土地覆盖类型,与MODIS_LST相关性较大所对应的AMSR-E微波通道不同。同时,考虑混合像元问题对相关性的影响,对25种不同地物类型组合下MODIS_LST与AMSR-E-BT的相关性进行统计分析,发现混合像元中地物类型越多,则二者相关性越小。最后,采用多元线性回归分析法,根据不同土地覆盖类型建立反演回归模型,对部分研究区域MODIS-LST进行反演,误差平均在±3.15 K以内,与不考虑下垫面覆盖的模型比较,反演MODIS_LST精度平均提高了1.5 K。 相似文献
15.
西藏浅层地温气候特征分析及与降水的关系 总被引：1，自引：0，他引：1
选择了西藏地区建站早、有代表性的１５个站１９６１～１９９６年逐月１０ｃｍ、２０ｃｍ、４０ｃｍ三个层次的地温资料以及月降水量资料。运用ＥＯＦ方法分析了各层地温的时空特征,并对不同时段的地温场和降水场进行ＳＶＤ分解,并讨论了前期地温变化,尤其是１０ｃｍ地温变化与我区降水之间的关系。分析表明,浅层地温最高值雅鲁藏布江中游地区出现在６月,其它各地一般出现在７月,最低值全区均出现在１月。地温年较差雅鲁藏布江中游地区最小,林芝、昌都次之,阿里地区最大。雅鲁藏布江中游大部分地区近３６年浅层地温呈现上升趋势,且冬春季升温幅度较汛期要高。阿里、昌都及林芝变化则不明显。地温阿里地区最低,低值中心靠近改则,昌都的西北部和南部为两个次低值区;雅江一线、东南部地温较高,最高值中心在察隅,次高值在泽当～林芝的沿江地区。１０、２０、４０ｃｍ地温年变化和冬春季、汛期变化存在准３年或准６年的周期性规律。前期地温场变化,特别是１０ｃｍ地温变化与降水有着密切的联系。大部分地区,特别是雅江中游地区和阿里地区、冬春季地温偏高（低）,汛期降水偏少（多）,两者间存在明显的反位相关系 相似文献
16.
The radiative transfer is one of the significant theories that describe the processes of scattering, emission, and absorption of electromagnetic radiant intensity through scattering medium. It is the basis of the study on the quantitative remote sensing. In this paper, the radiative characteristics of soil, vegetation, and atmosphere were described respectively. The numerical solution of radiative transfer was accomplished by Successive Orders of Scattering （SOS）. A radiative transfer model for simulating microwave brightness temperature over land surfaces was constructed, designed, and implemented. Analyzing the database generated from soil-vegetation-atmosphere radiative transfer model under Advanced Microwave Scanning Radiometer-Earth Observing System （AMSR-E） configuration showed that the atmospheric effects on microwave brightness temperature should not be neglected, particularly for higher frequency, and can be parameterized. At the same time, the relationship between the emissivities of the different channels was developed. The study results will promote the development of algorithm to retrieve geophysical parameters from microwave remotely sensed data. 相似文献
17.
集成夜间灯光数据与Landsat TM影像的不透水面自动提取方法研究 总被引：1，自引：0，他引：1
利用多源遥感数据提取不透水面信息是一个重要的研究方向。针对以往研究中多需要人工选取不透水面样本进行模型训练的问题,本文通过整合夜间灯光遥感与Landsat TM影像中的空间和光谱信息实现了不透水面覆盖范围（Impervious Surface Area,ISA）的自动提取。首先根据夜间灯光的分布来定位ISA聚集的城市区域的位置,分别在城市区域内部和外部自动提取可靠性高的ISA及非ISA样本,然后通过迭代分类提取城市区域的ISA,再以此为样本对城市区域外部进行分类,最后将分类结果整合完成整幅影像的ISA提取流程。应用本方法对美国雪城地区的DMSP/OLS夜间灯光影像上提取了84个城市区域,提取精度大于95%。从中分别选择高ISA密度和低ISA密度的2个城市区域作为ISA提取的测试区,本文方法在城市区域内的ISA提取总体精度与kappa系数分别为88.23%和0.63;在城市区域外部为78.6%和0.54,均优于人工样本选取方法的提取精度,表明该方法能够实现精度稳定且高效的ISA自动提取。 相似文献