排序方式： 共有23条查询结果，搜索用时 125 毫秒
1.
基于深度学习的高分辨率光学影像云检测过程中,云和云阴影及其边缘细节丢失较为严重,主要原因在于不同尺度空间语义信息特征融合存在不足。针对该问题,本文构建一种基于深度学习的多尺度特征融合网络（Multi-scale Feature Fusion Network, MFFN）的云和云阴影检测方法,该算法结合防止网络退化的残差神经网络模块（Res.block）、扩大网络感受野的多尺度卷积模块（MCM）和提取并融合不同尺度信息的多尺度特征模块（MFM）。试验表明,本算法能提取丰富的空间信息与语义信息,可取得较为精细的云与云阴影掩模,具有较高检测精度,其中云检测准确率达0.9796,云阴影检测准确率达0.8307。同时,该工作可为深度学习技术应用于业务云检测提供理论支持及技术储备。 相似文献
2.
近20年青海湖湖水面积变化遥感 总被引：11，自引：6，他引：5
采用NOAA/AVHRR资料,对青海湖湖面进行水体判识,并利用线性混合模式对混合象元进行处理,定量估算了近20年青海湖湖水面积并分析了变化趋势,表明近20年青海湖湖水面积在不断减小,每年减少约4km2,并且青海湖干涸部分主要在其北部.进一步采用主成分分析和回归分析方法对青海湖地区降水、气温和蒸发量做了初步气候分析,表明青海湖地区降水减少、气温升高、蒸发量增加是青海湖湖水面积逐年减少的主要原因. 相似文献
3.
针对有限通信情形下航天器自主交会的故障检测问题,提出了基于Delta算子的鲁棒故障检测滤波器设计方法.采用C-W方程来描述航天器间的相对运动模型,通过Delta算子方法对其进行离散化处理得到系统的离散模型.在故障检测滤波器设计中,考虑信号量化和数据丢包同时存在的情况,并且采用随机伯努利序列来描述数据丢包现象.最后,基于LMI方法给出故障诊断存在的充分条件,并通过数值仿真验证了所设计滤波器的有效性. 相似文献
4.
利用TCCON网站提供的北半球7个地面观测站CO_2干空气混合比(XCO_2)数据,对3种卫星反演的XCO_2产品进行了验证,包括SCIAMACHY产品、NIES-GOSAT产品和ACOS-GOSAT产品。结果表明:卫星CO_2遥感反演产品与地基遥感资料具有较一致的季节性周期变化,一年中月平均浓度最高值均出现在4月和5月,最低值均出现在8月和9月;相对于地面观测,3种卫星产品均低估了XCO_2;ACOS-GOSAT产品与NIES-GOSAT产品的精度大体相当,误差标准差分别为2.26×10~(-6)和2.27×10~(-6);SCIAMACHY产品的精度略差,误差标准差为2.91×10~(-6)。 相似文献
5.
由新疆维吾尔自治区气象信息中心提供的1977—2006年吐鲁番气象资料统计得知:近29年气候有变暖趋势,线性变暖速率为每10年0.72℃,29年来吐鲁番地区年平均气温共上升2.06℃。结合吐鲁番沙漠植物园沙拐枣属植物的物候观测积累资料,分析了4个组的芽膨胀、开始展叶、同化枝开始变色、同化枝初落的时间变化趋势及其与温度变化的响应关系。结果表明:(1)1977年以来,沙拐枣属(Calligonum L.)植物刺果组(Sect.Medusa Sosk.et Alexandr)物候期最晚;同化枝开始变色为泡果组(Sect.Calliphysa(Fisch.et Mey.)Borszcz)晚于翅果组;其他3种物候期中,泡果组物候期最早,基翅组(Sect.Calligonum)和翅果组(Sect.Pterococcus(Pall.)Borszcz)均居中。4个组的芽膨胀和开始展叶时间大部分呈提前趋势,同化枝开始变色和同化枝初落时间呈推后趋势。(2)4个组的芽膨胀与年平均气温、春季气温呈显著负相关(p0.05)。年平均气温每升高1℃,泡果组、刺果组、基翅组、翅果组的芽膨胀时间分别提前4.5d、4.3d、4.1d、8.3d;同化枝开始变色和同化枝初落时间变化不明显。芽膨胀对温度变化的响应程度显著大于同化枝开始变色和同化枝初落。 相似文献
6.
北京沙尘天气与源地积雪变化的关系 总被引：2，自引：0，他引：2
主要分析了北京沙尘天气变化规律及沙尘源区积雪变化与北京沙尘日数的关系,并探讨源区积雪变化影响北京沙尘天气的机制.研究表明55年来北京沙尘日数基本呈减少趋势,但1998～2000年又有所增加,沙尘暴日数也在减少,近10年北京没有出现强沙尘暴天气.而沙尘源区积雪深度和积雪面积与北京沙尘存在明显的负相关关系.冬季源区积雪减少(增加),很可能导致春季沙尘日数增加(减少),作者认为冬季积雪变化引起的土壤含水量变化是影响春季北京沙尘天气的原因之一. 相似文献
7.
Assimilating satellite radiances into Numerical Weather Prediction (NWP) models has become an important approach to increase the accuracy of numerical weather forecasting. In this study, the assimilation technique scheme was employed in NOAA’s STMAS (Space-Time Multiscale Analysis System) to assimilate AMSU-A radiances data. Channel selection sensitivity experiments were conducted on assimilated satellite data in the first place. Then, real case analysis of AMSU-A data assimilation was performed. The analysis results showed that, following assimilating of AMSU-A channels 5–11 in STMAS, the objective function quickly converged, and the channel vertical response was consistent with the AMSU-A weighting function distribution, which suggests that the channels can be used in the assimilation of satellite data in STMAS. With the case of the Typhoon Morakot in Taiwan Island in August 2009 as an example, experiments on assimilated and unassimilated AMSU-A radiances data were designed to analyze the impact of the assimilation of satellite data on STMAS. The results demonstrated that assimilation of AMSU-A data provided more accurate prediction of the precipitation region and intensity, and especially, it improved the 0–6h precipitation forecast significantly. 相似文献
8.
采用NOAA/AVHRR资料, 利用水体与地物光谱特性的差异, 结合通道2方案和通道2/通道1方案, 对4月博斯腾湖水体进行判识, 而利用通道2、通道2/通道1并结合通道4的方案判识了10月博斯腾湖水体, 在此基础上利用线性混合模式对混合像元做了处理, 定量估算了1990—1998年4月和10月博斯腾湖的面积, 调研了9年来博斯腾湖面积变化情况, 表明9年间博斯腾湖面积呈增加趋势。进一步采用主成分分析方法对博斯腾湖面积增大原因做了初步的气候分析, 表明1988年以来博斯腾湖地区气温升高、蒸发量减少、降水有所增加, 而人类活动用水和出流稳定并有减少是博斯腾湖面积增加的主要原因。而博斯腾湖及上游地区季节性积雪的特征, 使冬季积雪水资源注入博斯腾湖, 导致春季博斯腾湖面积较秋季大。 相似文献
9.
利用ISCCP资料分析青藏高原云气候特征 总被引：19，自引：0，他引：19
利用ISCCP提供的1983年7月－1993年12月3h一次的月平均卫星决云量资料，将整个高原分为39个网格点，分析了高原总云量的年、季节、日变化规律及其空间分布特征，并根据高原水汽条件和地形动力影响以及环流特征作出一定的科学解释。将ISCCP总云量与地面观测总云量分布形势作了比较，证明了ISCCP－D2资料的合理性。对总云量与OLR进行相关分析，发现夏季相关好，冬季相关差。 相似文献
10.
基于LAPS系统和WRF模式,开展卫星、雷达、探空、地面等多源观测资料融合同化对暴雨过程云结构和模式模拟效果分析研究。介绍了卫星等观测资料在LAPS云分析和湿度分析中的应用方法,根据融合同化观测资料种类设计数值试验方案,研究我国风云卫星资料在LAPS云分析系统中的作用。结果表明,风云静止卫星图像资料的融合可明显改善暴雨过程LAPS云顶高度及总云量等二维云结构分析,并订正中高层及云顶的云量、云水、云冰、云分类等三维云结构的垂直分布,可描述暴雨过程三维云结构的发展演变特征。融合雷达回波资料可调整中低层三维云结构,并分析出雨水和雪等水物质参数。LAPS系统融合同化的观测资料越多,湿度场误差越小,可改进模式对强降水区的模拟,提高降水TS评分。 相似文献