排序方式： 共有6条查询结果，搜索用时 125 毫秒
1
1.
基于VIC模型与集合卡尔曼滤波的土壤水分同化研究 总被引：2，自引：0，他引：2
基于可变下渗能力水文模型(Variable Infiltration Capacity,VIC)和集合卡尔曼滤波(Ensemble Kalman Filter,EnKF)算法发展了一种土壤表层水分的数据同化方案,并在新疆维吾尔自治区的森林、高盖草和低盖草3种植被覆盖类型地区进行试验。在同化过程中,有强降水存在时,3种植被覆盖类型的同化值均比实际测量值高;降水较少时,高盖草和低盖草两种类型的同化值比实际测量值略低,而在森林地区,同化值比实际测量值略高。总体上,该同化方案得到的结果比VIC模拟得到的结果更接近于实际测量值,取得较好同化效果。 相似文献
2.
3.
长时间序列DMSP/OLS夜间稳定灯光影像数据集存在饱和像元大量积聚在城市中心区域及影像之间缺少可比性的问题,导致数据集在进行空间分析及时间对比研究时会受到限制。为解决上述2个问题,本文在现有研究的基础上提出了一种基于不变目标区域的中国稳定灯光影像分类校正方法。该方法对数据集中每一期中国区域稳定灯光影像进行了饱和及非饱和像元的分类。对饱和像元,选择北京等5个城市作为不变目标区域,选择不存在饱和像元的辐射校准的灯光影像作为参考,基于不变目标区域的非饱和像元之间的相关关系也同样适用于饱和像元的假设,对饱和像元进行了校正;同时,基于多期辐射校准的灯光影像之间存在的相互校准关系,对饱和校正后的饱和像元进行了相互校准。对于非饱和像元,选择了长沙等13个城市作为不变目标区域;根据稳定灯光影像中非饱和像元DN值总和随时间变化的总体趋势,确定了13期稳定灯光影像作为参考,其他多期影像基于不变目标区域中非饱和像元之间的相关关系进行了相互校准。为验证校正结果的准确性,多种相互校准和饱和校正方法被引入进行比较。本文提出的分类校正方法与另外2种相互校准方法相比对F10、F12和F14卫星影像校准效果更好,另外2种方法对F15和F16卫星影像的校准结果更好,3种方法总体上都实现了对数据集影像的相互校准且使校正后的影像具有了可比性。与经过植被指数校准后的城市夜间灯光指数（The Vegetation Adjusted NTL Urban Index,VANUI）相比,分类校正方法解决了饱和像元聚集于城市中心区域的问题,减弱了像元饱和程度,校正结果更接近辐射校准的灯光影像。此外,在中国城市水平上,分类校正的稳定灯光影像与GDP和电力消耗值的相关关系与其他2种相互校准方法相比也是相对较好的,能更客观合理地反映区域经济发展的差异。 相似文献
4.
比辐射率是影响地表温度遥感反演精度的主要因素,是定量热红外遥感领域研究的核心内容,其与土壤质地、土壤成分、土壤水分和土壤粗糙度关系密切。首先通过试验方法初步研究了土壤水分和土壤粗糙度对土壤比辐射率的影响。其次采用傅里叶变换红外光谱仪观测不同水分条件下土壤比辐射率波谱。最后采用基于改变两次环境观测原理的一种主被动漫射式实时比辐射率测定装置观测不同粗糙度条件下8—14μm土壤比辐射率均值的变化。结果表明,土壤比辐射率随土壤水分的增加而增加,其中影响最显著波段范围是3.3—5.3μm,这个波段范围内波段平均比辐射率干土与湿土差异大于0.2;影响最小的波段范围是11—15μm,这个波段范围内波段平均比辐射率干土与湿土差异在0—0.015之间;在热红外波段,8—9.5μm是土壤水分对比辐射率影响最大的波段,干土与湿土比辐射率差异大于0.05;土壤比辐射率随着粗糙度的增加略有增加,干土和湿土都有此规律。 相似文献
5.
中巴02B卫星多光谱影像中LBV数据变换方法研究 总被引：1，自引：0，他引：1
通过对实际获得的多光谱影像的光谱特征分析,提出了可用于中巴02B卫星多光谱影像的LBV数据变换公式,使得LBV数据变换方法在国产中巴02B卫星数据上的应用成为可能;运用该变换公式处理得到的中巴LBV数据变换图像比中巴原始数据假彩色合成图像颜色更鲜艳,地物类别更易区分,具有更好的目视解译效果。将LBV变换图像与中巴数据假彩色图像分别用最大似然法进行分类,分类图像和精度检验结果表明:用LBV变换公式得到的LBV结果图像能很好地提高图像计算机分类的精度,该变换方法在中巴02B卫星数据的应用中具有很大潜力。 相似文献
6.
基于LBV数据变换方法的海岸带多光谱影像分类方法研究 总被引：1，自引：0，他引：1
在传统的海岸带多光谱影像分类方法的基础上,提出了运用LBV数据变换方法对海岸带多光谱影像进行地物分类识别的方法,通过图像数据变换能够分别提取出表示地物总辐射水平、可见光-近红外辐射平衡和表示波段辐射变化矢量(方向和速度)L、B、V的值.通过应用青岛海岸带TM多光谱影像,提取LBV变换图像并与原始假彩色合成图像比较,分别进行监督分类试验.运用LBV数据变换方法获得的图像信息量更丰富,地物类别更鲜明,有利于图像的目视解译,分类精度提高约3.12%. 相似文献
1