排序方式： 共有10条查询结果，搜索用时 15 毫秒
1
1.
FY-2C积雪判识方法研究 总被引：1，自引：1，他引：1
介绍了利用FY-2C资料进行积雪判识的原理,在阈值法基础上的辅助因子函数积雪判识方法以及相应的FY-2C积雪判识结果精度验证分析等。一般较为常用的卫星遥感积雪判识方法为简单阈值法,由于其带有一定的随机性,很难客观反映下垫面条件差异对阈值选取的影响。以阈值法为基础,将所使用的主要变量以函数形式表达,以海拔高度、地理位置、季节、土地覆盖类型等作为阈值函数的变量,通过大量采样建立起多种阈值函数,从而实现随时空特点变化的阈值实时计算。该方法用于FY-2C积雪判识,较好地解决了FY-2C全圆盘范围内广大区域不同下垫面类型下的实时积雪监测。通过与NOAA-17人机交互积雪判识结果对比分析,该方法的积雪判识精度可达85%左右。 相似文献
2.
气象卫星遥感地表温度推算近地表气温方法研究 总被引：6，自引：0，他引：6
气温是各种植物生理、水文、气象、环境等模式或模型中的一个非常重要的近地表气象参数.多年来气温数据以离散的常规气象站点观测为主,连续分布的格点气温数据则以站点资料插值而得到,分辨率低,无法反映地形等下垫面因素对局地气温的影响,在农业气候区划等研究中具有一定的局限性.随着卫星遥感地表温度算法的日趋成熟,为探讨卫星遥感地表温度数据在气温观测中的可能性和可行性,利用全中国2340个站点1998 2007年的逐旬平均最高气温数据,以及相应时段的NOAA/AVHRR旬最高地表温度数据,以线性回归及拟合模型为主,通过考虑植被指数、土地覆盖类型、季节、风速、气压、降水等各类影响因子,建立了旬最高地表温度与旬平均最高气温间的推算模型,并利用未参与建模的2002-2003年的常规气象站点气温数据,同时与推算气温和插值气温结果进行对比分析.结果表明,利用卫星遥感地表温度数据推算的旬值气温数据可取得较高的精度,尤其在地形复杂地区以及站点稀疏地区精度明显高于插值气温结果. 相似文献
3.
通过对浒苔的光谱特性分析,建立基于极轨气象卫星和环境卫星资料监测浒苔的模型技术方法,利用该模型实现浒苔信息提取,生成浒苔监测产品,并在地理信息技术支持下,分析浒苔影响范围及移动路径。利用2006—2008年卫星资料分析表明:2006年和2007年夏季,黄海未出现明显的浒苔信息;2008年5月中旬,浒苔始发于黄海中南部;6月中下旬,浒苔影响范围最大时达到800 km2;7月中下旬,黄海海域浒苔范围明显减小。对浒苔移动路径和黄海海域风场等资料的综合分析结果表明,浒苔位置移动主要受风力和洋流作用的影响。 相似文献
4.
5.
用EOS/MODIS资料反演积雪深度参量 总被引：4，自引：1，他引：4
利用EOS/MODIS可见光、近红外及短红外多通道资料以及新疆地区积雪深度气象台站实测资料等,在考虑积雪性质包括积雪粒子相态、积雪年龄等的差异以及积雪区的下垫面条件包括地表粗糙度、土地覆盖类型等的不同的情况下进行积雪分类,在此基础上,建立EOS/MODIS积雪深度反演模型,实现深度在30 cm以内的积雪深度反演的主要原理、思路及方法,并对模型的反演结果进行了验证。结果表明,利用该模型对30 cm以内的积雪进行深度反演计算,其精度能达到80%以上。 相似文献
6.
基于20年卫星遥感资料的黄海、渤海海雾分布季节特征分析 总被引：3，自引：1，他引：2
目前对海上雾分布的认识多基于沿岸测站和海上船舶、浮标观测,但这些数据非常稀少,且存在代表性和数据质量方面的问题,因此一直缺乏对海雾分布更全面、清晰的了解。卫星遥感数据空间均一、覆盖范围广、质量一致,具有对无云条件下大范围、离岸海雾监测的优势。本文通过分析算法检测出的1989-2008年黄渤海海雾及云的频数、分布百分率信息,得到了黄渤海海雾季节变化的较全面特征。除印证其他资料或研究的结论外,还发现:(1)黄海海雾频数随季节变化的幅度较渤海明显;(2)黄海、渤海海域存在冬季海雾多发时段;(3)海雾生消过程中有覆盖区变化的东传特征;(4)春夏雾季中存在黄海中部和西朝鲜湾两处海雾多发区,其中西朝鲜湾也是全年海雾最多的海域。另外,在样本充足的情况下,通过对检测出的低云、中高云覆盖百分率和海雾频数的分析统计,还能估算出黄海、渤海部分季节20年海雾发生的平均概率。 相似文献
7.
日照百分率是地球辐射研究、太阳能资源评估等工作中使用的一个重要指标量。为探讨FY-2C静止气象卫星资料估算日照百分率的可能性,以江西省为例,采用了FY-2C静止气象卫星2007年整年白天逐小时云检测资料和同期江西省87个国家气象站逐小时日照时数资料,建立了北京时间8:00-17:00逐时多元线性回归和权重系数两种估算模型,估算得到了覆盖江西省范围的5 km空间分辨率的逐时日照百分率格点资料。另外,用反距离加权(IDW)和克里金法(Kriging)模型对全省8:00-17:00逐时的日照百分率进行5 km分辨率空间插值,以进行多种方法对比分析。将各模型的估算结果与未参与模型构建的17站实测资料进行对比分析后发现,基于FY-2C云检测资料的两种估算模型的平均绝对误差(MAE)和相对误差均比IDW和Kriging的小50%以上,且其均方根误差(RMSIE)均明显小于后两者,误差离散性亦更小。基于FY-2C云检测资料的日照百分率的两个估算模型中多元回归模型的平均绝对误差(MAE)为3.40%,平均相对误差为8.62%,略小于权重系数模型的3.47%和8.75%,两者的均方根误差(RMSIE)则相差无几,误差空间分布也较为一致;各时次两种模型的估算值多大于实测值,仅17:00的估算结果小于实测值,8:00和17:00的MAE、RMSIE、相对误差均明显大于其他时次。对试验结果进行综合分析得出结论:基于FY-2C云检测资料的两种日照百分率估算模型均明显优于传统的IDW和Kriging方法;就2007年资料而言,多元回归模型优于权重系数模型。 相似文献
8.
卫星遥感北京大雾气候分布特征及成因分析初探 总被引：1，自引：0，他引：1
利用极轨气象卫星资料,结合地面能见度资料,对北京市2001-2005年的大雾信息进行了处理分析,生成了多种大雾遥感信息产品.利用处理结果,对2001-2005年北京地区大雾频次分布特点进行了分析.其中卫星遥感2001-2005年北京地区大雾天数统计图反映了近五年来北京市不同地区大雾出现的频次,卫星遥感各季节大雾天数统计图反映了不同季节北京地区大雾分布的时空变化特点,卫星遥感大雾程度指数(像元级空间尺度)反映了北京市不同区县单位面积大雾出现的频次差异.同时,根据卫星遥感大雾分析结果、形成大雾的最主要气象要素资料(地面温、压、湿)、地理信息、高程数据等,还对近5年北京市不同季节不同地区大雾分布的特征、时空变化的气象成因和主要大雾类型(平流雾、辐射雾)进行了分析.综合各种分析结果,北京市大雾分布存在以下几个特点:第一,北京地区的大雾虽一年四季均有发生,但存在明显的季节性特点,以夏秋季偏多,以冬春季偏少;第二,大雾频发区主要位于北京市东南部和中东部偏北的部分地区.西部相对较少;第三,受地形和地面环境流场影响,东南部大雾以平流雾为主,北部和西北部地区以辐射雾为主;第四,辐射雾发生频次与下垫面类型有密切关系,城市热岛对大雾的影响明显. 相似文献
9.
MODIS雪深反演数学模型验证及分析 总被引：3，自引：1，他引：3
在MODIS卫星遥感积雪监测的基础上,利用雪深反演数学模型、积雪指数NDSI和多光谱阈值等相结合的方法,对2004年以来新疆北疆地区的积雪分布状况进行了反演和计算,并利用2004年11月～2005年3月冬季北疆地区气象台站雪深数据和2004年12月～2006年1月加密野外实测雪深数据,对反演雪深数据进行了验证及分析,北疆各地除塔城地区反演精度为83.2%以外,其它地区反演精度达85.2%以上,平均反演精度达86.2%;野外实测数据验证反演精度达92%以上。 相似文献
10.
卫星遥感太湖蓝藻水华分布及其气象影响要素分析 总被引：15，自引：0，他引：15
分析2003--2007年太湖蓝藻水华遥感监测信息指出,近年来,太湖蓝藻水华的时空分布具有如下特征:(1)太湖蓝藻水华爆发的频次和覆盖面积有扩大的趋势;(2)蓝藻水华爆发时间范围有从夏、秋季向温度更低的冬、春季发展的趋势;(3)蓝藻水华爆发频次最高的区域以及爆发最严重的区域主要集中在太湖西部和北部.蓝藻水华爆发的影响要素中除了污染物质的分布,还包括各种气象要素.经过地面气象观测资料与卫星观测资料的对比分析,发现温度、风、光照、降水等气象要素都会对蓝藻水华爆发起到一定程度的影响作用.其中温度、光照因素对蓝藻水华爆发起到促进作用,风、降水因素对蓝藻水华爆发起到抑制作用.同时注意到,由于湖泊污染情况正处在不断变化之中,因而各种气象要素对蓝藻水华爆发的影响程度也在发生着变化. 相似文献
1