排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
为了理解行星反照率时空变化规律及成因,基于CERES数据对全球行星反照率的大气（主要为云与气溶胶等）和地表贡献进行了分解,通过Theil-Sen+Mann-Kendall方法得到了2001～2018年全球行星反照率及其大气和地表贡献的时空变化趋势,并基于回归分析方法对典型区域的变化趋势进行了初步解释。研究结果表明:1）在中低纬度区域行星反照率的大气贡献占主导地位,而在高纬度区域地表贡献相对升高,呈现纬向差异大于经向变化的模式;2）全球行星反照率呈现?0.0002/a（p<0.05）的变化趋势,地表贡献和大气贡献呈现?0.00015/a（p<0.05）与–0.00004/a（p<0.05）的变化趋势;3）大气贡献在火地岛西南洋面等区域呈现显著的增长趋势,而在南极洲东部等区域呈现显著的降低趋势;地表贡献在北冰洋等区域呈现显著的降低趋势,而在南极洲东部等区域呈现显著的升高趋势,并且可以基于云覆盖、积雪覆盖和NDVI等参量的变化有效解释典型区域的行星反照率变化。 相似文献
2.
遥感估算叶面积指数(LAI)时空动态变化对全球气候变化研究具有重要的意义,为了提高遥感估算时间序列叶面积指数的精度,需要耦合遥感观测数据与LAI动态过程模型。本文提出一种基于双集合卡尔曼滤波(Dual EnKF)的时间序列LAI反演方法,同时更新LAI估计值和LAI动态过程模型中的敏感性参数,得到LAI和动态过程模型敏感参数的最优估计值来优化动态过程模型。一方面使得动态过程模型可以更好地描述LAI随时间的变化过程,降低模型预测误差,从而提高LAI动态过程模型的预测能力;另一方面通过耦合动态过程模型和辐射传输模型,集成遥感观测数据与动态过程模型的预测值,进而得到优化的LAI估计值。为检验算法,分别选取作物、草地和林地等典型植被验证站点进行Dual EnKF LAI时间序列估算,并分别与MODIS LAI产品及其SG滤波曲线、集合卡尔曼滤波方法反演LAI、未优化的动态过程模型模拟LAI结果进行比较,并配以一些站点地面实测点数据作为参考。结果表明,采用Dual EnKF方法得到的LAI不但保持了时间上的连续性,而且通过改善动态过程模型的预测能力,即使在缺乏高质量遥感观测数据时,也能够获得符合LAI发展趋势的估算值,没有出现跳跃、波动现象,时间序列曲线较稳定,更符合植被LAI变化规律,表明基于Dual EnKF的时间序列LAI遥感估算方法是提取LAI时间廓线的一种有效途径。 相似文献
1