共查询到10条相似文献，搜索用时 156 毫秒
1.
基于随机森林方法反演墨西哥湾海表盐度 总被引：1，自引：0，他引：1
盐度是表征物理和生物地球化学过程的重要参数之一,光学遥感可满足较高分辨率的监测需要并避免射频干扰问题,为沿海水域的海表盐度研究提供可行的途径。本文基于MODIS-Aqua的412 nm、443 nm、488 nm、555 nm和667 nm波段的遥感反射率(Rrs412、Rrs443、Rrs488、Rrs555、Rrs667)、海表温度以及实测的海表盐度数据构建随机森林模型,基于模型结果分析墨西哥湾海表盐度时空异质性及海表盐度与影响因子(海表温度和遥感反射率)之间的相关关系。研究结果表明:(1)随机森林模型能较准确地反演墨西哥湾海表盐度,其均方根误差为0.335,决定系数为0.931;(2)湾区海表盐度空间分布呈近岸?河口低、离岸高,环状向内增值的态势,其变化受河流流量、风力以及环流的影响;(3)海表温度与海表盐度存在较强的相关性,海表温度对海表盐度的反演影响显著;(4)海表温度、遥感反射率与海表盐度的相关性呈现空间异质性。 相似文献
2.
针对传统海表盐度遥感反演精度不高、影响因素较少等问题,本文基于SMAP（Soil Moisture Active Passive）卫星L2C（Level 2 C）数据、Argo（Array for Real-time Geostrophic Oceanography）数据和其他辅助数据,以太平洋部分海域（160°E～120°W,0°～30°N）为研究区域,综合考虑海面粗糙度以及白冠覆盖率等参量,利用径向基神经网络建立RBF亮温增量模型,并对平静海面亮温进行修正,然后基于Meissner-Wentz介电常数模型得到反演后的盐度值。验证结果表明：模型预测盐度和SMAP卫星盐度相对于Argo实测盐度的均方根误差分别为0.4和0.5,平均绝对误差分别为0.3和0.4。实验证明,利用RBF神经网络建立的亮温增量模型可以提高海表盐度反演的精度,对海表盐度反演具有实用意义。 相似文献
3.
Aquarius是NASA于2011年6月发射的基于主被动遥感技术的盐度观测卫星,其主要载荷是一个工作于L波段的微波辐射计。Aquarius天线三波束扫描刈幅可达390km,在7d内完成对全球海域的盐度观测。海面风浪导致海面粗糙度的变化,进而影响海面微波辐射特性。粗糙海面辐射亮温是盐度信息提取的重要误差源,需要发展相应的海面辐射模型进行修正。本文利用Aquarius观测的海表亮温数据,与扫描微波辐射计WindSat测量数据进行时空匹配,建立了一个描述粗糙海面L波段辐射特性的参数化模型,进而利用该模型进行了海表盐度反演,并将反演结果与Argo实测盐度数据进行了比较。结果表明,本文发天展的参数化模型可以准确描述中低风速条件下的粗糙海面辐射,在12m/s以上高风速条件下对粗糙海面亮温存在高估;采用此模型反演的盐度误差优于0.5,在高风速条件下盐度反演误差可超过1。 相似文献
4.
利用中国2008年9月发射的自主 HJ-1B 卫星热红外遥感影像数据,基于实测数据对已有海表温度反演的单窗算法进行了改进与简化,重新订正了大气透射率和大气平均作用温度估算方程,建立了基于实测数据验证的 HJ-1B 卫星海表温度定量反演业务化算法.将本算法与段四波等的改进算法用于实验海区海表温度的反演,反演结果与卫星同步实测海温数据的对比表明:本研究算法反演结果与现场同步实测海表温度平均误差约为0.76,℃段四波等改进算法反演结果平均误差约为1.09℃.本算法为 HJ-1B 卫星海表温度产品的业务化应用提供了便捷可行的方案 相似文献
5.
《海洋技术学报》2017,(6)
星载海洋盐度计依据海表面盐度在微波波段的辐射特性,通过构建海面微波辐射探测器,利用海面辐射亮温、海表面粗糙度以及海面温度等信息反演得到海表面盐度,是实现全球海洋盐度观测的有效手段。构建合理的星载L波段盐度计辐射传输正演模型是准确定量反演海表盐度的基础,卫星盐度计观测亮温不仅与卫星固有参数有关,还与海洋、大气及空间因素密切相关。为了研究外界环境因素(海表盐度、温度、海面风场、海面气压、海表气温、大气水汽含量、降雨以及法拉第旋转角等)对盐度计观测亮温的影响,文中基于L波段盐度计辐射传输正演模型以及MPM93大气毫米波传播模型,通过敏感性分析,研究星载盐度计在不同环境条件下的参数敏感性,为减小外界因素对海表盐度反演精度的不利影响提供理论依据。 相似文献
6.
海表盐度（Sea Surface Salinity,SSS）是研究海洋对全球气候影响的重要参量,欧洲航天局（European Space Agency,ESA）设计研发的SMOS（Soil Moisture and Ocean Salinity）是专用于探测海水盐度的卫星之一。受射频干扰（Radio Frequency Interference, RFI）等因素的影响,SMOS卫星盐度产品的精度难以达到预期效果。为了提高SMOS卫星海表盐度产品精度,本文提出一种基于深度神经网络的海表盐度反演算法。以太平洋中部海域（150°E～180°,5°～30°N）为研究区域,利用Argo浮标实测盐度数据为参考真值,将SMOS卫星L1C、L2级产品与Argo盐度数据进行时空匹配。并根据海洋遥感和辐射传输理论,选取亮温（Brightness Temperature,TB）、海表温度（Sea Surface Temperature,SST）、降雨率（Rain Rate,RR）、波高（Significant Wave Height,SWH）、纬向风速（Zonal Wind Speed,ZWS）、经向风速（Meridional Wind Speed,MWS）和蒸发量（Evaporation,Eva）七个影响盐度的重要参数,利用K折交叉验证法,构建了深度神经网络（Deep Neural Network, DNN）模型,对SMOS卫星L2级数据进行反演。实验结果表明,利用本文算法计算得到的海表盐度数据平均绝对误差为0.159,均方根误差为0.195,均明显优于SMOS盐度产品精度,本文提出的算法能够提供更精准的海表盐度产品。 相似文献
7.
SMOS卫星盐度数据在中国近岸海域的准确度评估 总被引：3，自引：3，他引：0
盐度是描述海洋的关键变量,对海表面盐度进行观测可以推进对全球水循环的理解。本文的主要目的是在中国近海海域对SMOS卫星盐度数据进行准确度评估。主要方法是将SMOS卫星L2海洋盐度数据产品(V317)与实测ARGO数据和走航数据进行匹配,并采用统计学的方法对SMOS卫星数据准确度进行评估。结果表明:匹配数据的线性关系不显著,SMOS卫星盐度数据(V317)在南海和东海的均方根误差分别约为1.2和0.7,应用海表面粗糙度修正模型得到的3组海表盐度数据准确度都相对较低,尤其在近岸强风场区域,海表盐度卫星数据相对于实测数据偏高,这可能是由于海表粗糙度和陆地射频干扰(RFI)作用影响的结果;SMOS卫星数据在东海的均方根误差比南海高0.5左右,这可能是由于东海海域为相对开阔海域,受陆地RFI影响相对南海较小;在中国近岸海域,应用SSS1和SSS3模型得到的盐度数据准确度相对较高,可以对模型进行地球物理参数修正,进行局地化改进,预计可以提高近岸海域盐度反演的准确度。 相似文献
8.
大洋海区海-气CO_2通量单参数遥感算法的适用性检验 总被引：1，自引：0，他引：1
利用卫星遥感技术的优势,基于LDEO数据库的全球海表二氧化碳分压（PCO2）及海表温度（SST）等实测数据,初步建立东太平洋海区PCO2与SST的单参数经验算法,并采用相同区域的独立实测数据检验.结果表明,单参数算法在寡营养大洋海区具有良好的适用性,反演值与实测值之间的均方根误差（RMS）为0.51 Pa（1 Pa=9.869μatm）,由此估算出2003年6月该海域CO2通量为-1.4 mmol/（m2.d）,与实测估算的碳通量基本相符,能够很好地反映出海区CO2源汇特征.将该遥感算法运用到西大西洋海域（15°~25°N,60°~75°W）,反演值与实测值之间均方根误差（RMS）为0.69 Pa.检验结果表明,在寡营养大洋海区,单参数遥感算法具有一定的适用性,在受相似因子调控的同纬度海区可以使用同一遥感算法. 相似文献