共查询到20条相似文献，搜索用时 156 毫秒
1.
2.
敦煌地区大气水汽和气溶胶对获取地表温度的影响 总被引：2，自引：0，他引：2
大气中的水汽和气溶胶含量是影响热红外波段数据的主要因素。针对敦煌地区,本文首先利用ＬＯＷＴＲＡＮ－７辐射传输模型对１９９２年９月２５日敦煌市西戈壁的一幅Ｌａｎｄｓａｔ－５ＴＭ６波段的热红外图像数据进行了大气订正,获取了地表辐射温度。进而利用ＬＯＷＴＲＡＮ－７通过模拟计算研究了该地区大气水汽和气溶胶含量的变化对ＴＭ６波段地面温度获取结果的影响,给出了对于热红外图像进行大气订正的主要判据。另外,文中还对热红外波段地面比辐射率的影响也进行了简单分析 相似文献
3.
大气中的水汽不仅是影响地球天气变化的重要因素,更是多项气象研究中的重要参数,正确确定大气中水汽的含量,对研究降水与气候、灾害性天气预报、全球气候变化等具有十分重要的作用。本文详细地介绍了基于地基GPS以及基于MODIS数据的大气水汽含量反演方法,并利用天津测区的GPS数据与MODIS数据反演的大气水汽含量进行对比分析,得到了两种方法都具有反演大气水汽含量的结论。 相似文献
4.
太阳光度计反演大气水汽总量的方法与结果对比分析 总被引：2，自引：0，他引：2
详述了使用太阳光度计反演大气水汽柱总量的反演方法—单通道法和双通道法,其中双通道法又可采用不同
的非水汽通道来实现。考虑到气溶胶光学厚度及瑞利散射的影响,分析了不同方法反演所得水汽总量相对探空数据的
误差。结果表明,这些方法的反演结果非常接近。在实际应用中,可使用任一种方法来反演水汽。 相似文献
5.
大气水汽含量对海陆水循环、气溶胶和云的形成等具有重要作用,对其时空变化特征及其影响因素的研究具有十分重要的意义,而下垫面因素对其影响还有待进一步研究。以黑龙江省为研究区,基于MODIS、数字高程模型和探空数据,利用两通道和三通道比值法反演出大气水汽含量并进行精度评价。在此基础上,分析大气水汽含量的时空分布特征及其与下垫面之间的关系。研究结果表明:①两通道比值法要稍优于三通道比值法(与实测数据相关系数分别为0. 795和0. 754);②在4—7月间,黑龙江省西北部和东南部水汽含量低,而东部、西部水汽含量较高;③全省平均水汽含量整体呈上升趋势;④不同土地覆盖和地貌类型上空的水汽含量有着明显的差异。 相似文献
6.
大气校正是高光谱图像定量反演地表参数的前提。为充分利用高光谱数据本身的光谱特点,提出了一种协同反演大气气溶胶光学厚度(aerosol optical thickness,AOT)与水汽含量(water vapor content,WV)的大气校正方法,在同时考虑了气溶胶模式、AOT和WV这3个因素的综合影响基础上,采用循环迭代的思想,基于6S辐射传输模型,反演大气参数及地表反射率,弥补了现有反演算法中没有同时考虑AOT与WV的不足;并以武汉市Hyperion高光谱图像为例,验证了该算法的有效性。从与FLAASH算法及MOIDS提供的AOT和WV产品对比来看,该算法能较好地校正气溶胶与水汽对高光谱图像的影响,且反演过程中所有的输入均来自图像数据本身或6S辐射传输模型,无需输入额外的参数。 相似文献
7.
8.
介绍了国际上InSAR观测值大气改正方法最新的研究进展，应用实例证明了由于大气（尤其是水汽）的影响，传统的InSAR形变量的监测精度往往只能限制在cm级；而利用GPS数据，通过基于地形的GPS扰动模型（GTTM），大幅度削弱了大气对干涉影像的影响，并成功地探测出了美国洛杉矾地区明显的季节性地表形变，形变量精度可提高到5mm左右。通过与GPS／MODIS集成大气改正模型的结果的比较表明，GTTM和GPS／MODIS两种大气改正模型在削弱InSAR观测值大气水汽影响方面具有很强的互补性。 相似文献
9.
利用太阳光度计测值估算北京上空水汽含量 总被引：4，自引：1，他引：4
基于CE318自动跟踪太阳光度计水汽通道（936nm）和一个窗区通道（870nm）的北京上空太阳直射辐射观测数据，利用修改的兰勒方法对大气柱水汽含量的估算方法，开展了太阳光度计的标定和北京上空水汽含量的计算等。利用探空观测结果对太阳光度计测量水汽量的标定显示，二者的线性相关性为0．986，定标不确定度为0．024g／cm^2。利用该方法对从2002至2004年观测的北京地区水汽含量进行了估算，结果表明在1，2，3，11，12月份，北京地区大气柱的水汽含量基本上小于0．5g／cm^2，三年中同月份水汽含量的平均值有较好的一致性。 相似文献
10.
利用氧气和水汽吸收波段暗像元假设的MERIS影像二类水体大气校正方法 总被引：1，自引：0，他引：1
摘 要:MERIS数据以其更为合理的水色波段设置和300m较高的空间分辨率,在内陆湖泊水环境遥感监测中有较大的应用潜力, 对其进行有效的大气校正则是水环境参数定量化反演的前提。以太湖为研究区, 研究基于氧气和水汽吸收波段的暗象元假设, 改进传统的近红外波段暗像元假设的大气校正方法。采用MERIS L2p数据辅助获取湖区气溶胶参数, 并利用2007年11月11日、2008年11月20日以及2009年4月25日三景MERIS影像进行方法验证。结果表明, 该方法能够快速、有效地完成MERIS影像的大气校正, 与地面准同步实测数据相比, 三次校正的RMSP都在25%以下; 与BEAM自带的二类水体大气校正算法、气溶胶厚度辅助的6S大气校正以及改进的暗象元算法进行精度比较, 表明该算法校正精度较高。由于该算法不需要同步实测气溶胶数据, 因此具有一定的适用性。 相似文献
11.
Trend analysis of the Pathfinder AVHRR Land (PAL) NDVI data for the deserts of central Asia 总被引：4，自引：0，他引：4
We analyzed spatially averaged normalized difference vegetation index (NDVI) time series from the Pathfinder Advanced Very High Resolution Radiometer (AVHRR) Land (PAL) dataset of 11 desert and semidesert ecoregions in central Asia using standard statistical tests for discontinuities and trends. Results from the test for discontinuities reveal that seven ecoregions display significant differences in the data acquired by the AVHRRs on the National Oceanic and Atmospheric Administration satellite 11 (NOAA-11) versus the data acquired by AVHRR on other NOAA satellites (NOAA-7, NOAA-9, and NOAA-14). Across the more than 2/spl times/10/sup 6/ km/sup 2/ of deserts and semideserts in the selected central Asian ecoregions, a significant upward trend in NDVI is evident during the tenure of NOAA-11 (1989-1994). This trend is not found during any other period. We argue that the data from the PAL NDVI dataset for NOAA-11 will pose problems for land surface change analyses, if these significant sensor-related artifacts are ignored. We do not find these artifacts in data from the other three satellites (NOAA-7, NOAA-9, and NOAA-14). We suggest that the comparison of data from any combination of these three AVHRRs can be used for land surface change analyses, but that the inclusion of NOAA-11 AVHRR NDVI data in trend analyses may result in the detection of spurious trends. 相似文献
12.
中国农情遥感速报系统对每日的NOAA AVHRR进行定量处理，其中用CLAVR方法进行云标识。本文选择三景不同地区的NOAA AVHRR影像，分析评价CLAVR方法云标识的效果和各个步骤的标识能力，以及空间上的差异，并根据运行经验，对CLAVR方法的部分参数进行了调整，使其更加适应中国大陆的情况。总体上，CLAVR方法标识干净像元和云污染像元的准确性较高，而在标识混合像元时稍差。其中RGCT、RUT、TUT和C3AT的检出率占总检出率89．2％以上，并在不同的地区，不同步骤的贡献度不一致，也说明了云相变化随区域不同而变化。 相似文献
13.
《地理信息系统科学与遥感》2013,50(3):371-393
This study uses a multiple linear regression method to composite standard Normalized Difference Vegetation Index (NDVI) time series (1982-2009) consisting of three kinds of satellite NDVI data (AVHRR, SPOT, and MODIS). This dataset was combined with climate data and land cover maps to analyze growing season (June to September) NDVI trends in northeast Asia. In combination with climate zones, NDVI changes that are influenced by climate factors and land cover changes were also evaluated. This study revealed that the vegetation cover in the arid, western regions of northeast Asia is strongly influenced by precipitation, and with increasing precipitation, NDVI values become less influenced by precipitation. Spatial changes in the NDVI as influenced by temperature in this region are less obvious. Land cover dynamics also influence NDVI changes in different climate zones, especially for bare ground, cropland, and grassland. Future research should also incorporate higher-spatial-resolution data as well as other data types (such as greenhouse gas data) to further evaluate the mechanisms through which these factors interact. 相似文献
14.
中国陆地区域陆表温度业务化遥感反演算法及产品运行系统 总被引：7，自引：0，他引：7
地表温度反演的裂窗算法已成功应用于NOAA系列卫星热红外遥感数据。目前，裂窗算法中应用较为广泛的一种是Becker等人于1990年提出的局地裂窗算法，主要是通过辐射传输模型模拟不同地表条件和大气状况下，地表温度和发射率对红外辐射亮温的影响，从而发展出一个利用AVHRR4，5通道亮温数据反演地表温度的线性模型。在晴空无云和地表比辐射率能精确估算的情况下，Becker算法反演地表温度的精度在1K以内。Becker算法用Lowtran程序模拟计算地表辐射量，且模型中参数主要针对NOAA-9传感器特性得到。本文在Becker算法的基础上，针对NOAA-16／17传感器热红外通道光谱响应函数特性，利用最新的、计算光谱分辨率更高的MODTRAN程序模拟不同大气状况下，不同地表温度和发射率对NOAAAVHRR4，5通道辐射亮温响应特性的影响，改进Becker算法中模型参数，使之能适用于NOAA-16／17热红外数据。同时，本文利用植被指数NDVI，在中国陆地区域lkm分辨率最新地表分类数据的基础上，得到模型中需要的地表比辐射率参数，将改进的模型应用于1km分辨率NOAA17数据，得到了旬合成中国陆地区域范围地表温度，通过地面气象台站实测数据对比验证．取得了较好的结果。 相似文献
15.
GIDS空间插值法估算云下地表温度 总被引：1，自引：2，他引：1
选用陆面区域温度最佳空间插值法—梯度距离平方反比法(GIDS),为近似估算云下地表温度提供了可能。实验选取暖季南京江宁地区ETM+影像和ASTERGDEMV1高程数据,探索分析GIDS估算云下地表温度的可行性和可信性。对14种空间大小云覆盖区实验研究表明:利用GIDS插值估算云下地表温度具有可行性,且估算误差随着云覆盖区范围增大而增加,其最大MAE<0.9℃,最大RMSE<1.2℃,并在云覆盖区小于100×100像元时,最大MAE<0.8℃、RMSE<1℃;插值精度与最近邻无云像元典型代表性、区域内空间复杂度和地表覆盖类型均有关,存在不稳定性和动态性;云下NDVI均方差与MAE、RMSE有着一致变化趋势,借助NDVI均方差指示云下地表空间异质性及NDVI–LST负相关性,可对插值结果进行可信性评判,以避免插值结果盲目应用,推进和提升地表温度产品应用价值。 相似文献
16.
区域作物生长过程的遥感提取方法 总被引：16，自引：3，他引：16
提出利用时序NDVI数据提取作物生长过程方法。遥感数据在采集过程中受云、大气因子的影响 ,以及混合像元问题 ,造成时序植被指数值变得没有规律 ,对比性不强。采用基于最小二次方拟合的谐函数分析方法 ,依据作物轮作规律和生长周期性特征 ,用主要频率的正弦、余弦谐函数重建时序图像 ,去除了影像中云污染的影响。以中国的旱地为例 ,考虑到像元内旱地对NDVI值的贡献率 ,计算区域内旱地像元加权平均值来反映其作物生长过程。同时与区域所有像元的平均值、旱地平均值等统计方法的结果进行对比分析 ,表明区域内旱地的加权平均值能够削弱旱地比例和地域间的差异 ,突出耕地上作物的生长过程特征。通过与地面实测数据分析 ,平滑前后的作物生长过程与叶面积指数相关性增加 5 %— 11% ,采用区域加权平均的方法得到的作物生长过程 ,比旱地平均和NDVI平均的结果与叶面积指数的相关性增加 14 %— 17%。 相似文献
17.
A multi‐temporal sequence of seven NOAA‐n, Advanced Very High Resolution Radiometer (AVHRR) satellite scenes (April 10, May 18, June 6, June 29, July 20, and August 18, 1987) were composited to derive cover‐type information in the heterogeneous landscape of University Lake Watershed, North Carolina, U.S.A. The Normalized Difference Vegetation Index (NDVI) was calculated for each scene and merged into a seven‐dimensional dataset, representing each time period sampled. An unsupervised classification was performed on the multi‐temporal composite to derive five cover‐type classes. Similar classifications were generated on single scene information. Ground control information was derived from an unsupervised classification of one kilometer grid compositional percentages initially derived from photo‐interpreted landcover information. The multi‐temporal NDVI classification more consistently characterized phenologic responses on a spatially dissected landscape than single scene clustering. Sub‐pixel information showed how the algorithm separated compositional information between classes. Temporal vectors were plotted to illustrate differentiation on the basis of NDVI profiles. 相似文献
18.
《ISPRS Journal of Photogrammetry and Remote Sensing》1999,54(5-6):305-316
This paper describes the development of a 1-km landcover dataset of China by using monthly NDVI data spanning April 1992 through March 1993. The method used combined unsupervised and supervised classification of NDVI data from AVHRR. It is composed of five steps: (a) unsupervised clustering of monthly AVHRR NDVI maximum value composites is performed using the ISOCLASS algorithm; (b) preliminary identification is carried out with the addition of digital elevation models, eco-region data and a collection of other landcover/vegetation reference data to identify the clusters with single landcover classes; (c) re-clustering is performed of clusters with size greater than a given threshold value and containing two or more disparate landcover classes; (d) cluster combining is performed to combine all clusters with a single landcover class in one cluster, and all other clusters into one mixed cluster; and (e) supervised classification is used to carry out post-classification of the mixed cluster generated in the previous step by using the maximum likelihood algorithm and the identified single landcover classes of the previous step as training data. The classification is based on extensive use of computer-assisted image processing and tools, as well as the skills of the human interpreter to take the final decisions regarding the relationship between spectral classes defined using unsupervised methods and landscape characteristics that are used to define landcover classes. 相似文献
19.
In this paper, we apply lagged correlation analysis to study the effects of vegetation cover on the summer climate in different zones of China, using NOAA/AVHRR normalized difference vegetation index (NDVI) data during the time period from 1982 to 2001 and climate data of 365 meteorological stations across China (precipitation from 1982 to 2001 and temperature from 1982 to 1998). The results show that there are positive correlations between spring NDVI and summer climate (temperature and precipitation) in m... 相似文献
20.
With the availability of high frequent satellite data, crop phenology could be accurately mapped using time-series remote sensing data. Vegetation index time-series data derived from AVHRR, MODIS, and SPOT-VEGETATION images usually have coarse spatial resolution. Mapping crop phenology parameters using higher spatial resolution images (e.g., Landsat TM-like) is unprecedented. Recently launched HJ-1 A/B CCD sensors boarded on China Environment Satellite provided a feasible and ideal data source for the construction of high spatio-temporal resolution vegetation index time-series. This paper presented a comprehensive method to construct NDVI time-series dataset derived from HJ-1 A/B CCD and demonstrated its application in cropland areas. The procedures of time-series data construction included image preprocessing, signal filtering, and interpolation for daily NDVI images then the NDVI time-series could present a smooth and complete phenological cycle. To demonstrate its application, TIMESAT program was employed to extract phenology parameters of crop lands located in Guanzhong Plain, China. The small-scale test showed that the crop season start/end derived from HJ-1 A/B NDVI time-series was comparable with local agro-metrological observation. The methodology for reconstructing time-series remote sensing data had been proved feasible, though forgoing researches will improve this a lot in mapping crop phenology. Last but not least, further studies should be focused on field-data collection, smoothing method and phenology definitions using time-series remote sensing data. 相似文献