排序方式： 共有38条查询结果，搜索用时 31 毫秒
1.
基于云和地球辐射能量系统观测数据集（CERES),对比分析了耦合模式比较计划第五（CMIP5）和第六阶段（CMIP6）模拟的历史大气层顶和地表辐射收支的年际变化和空间分布,明确了多模式间不确定性大的关键区域。结果表明：在年际尺度上,除地表向上长波辐射外,CMIP6的辐射分量的集合均值较CMIP5更接近于CERES观测值,全球地表向下短波辐射的高估和大气逆辐射的低估在CMIP6中分别降低了1.9 W/m2和3.3 W/m2。除大气逆辐射外,CMIP6的辐射分量在多模式间的一致性较CMIP5提高。在北极,CMIP6对大气层顶反射短波、大气层顶出射长波和地表向下短波辐射的模拟偏差较CMIP5大。在南北纬60°,CMIP6对大气逆辐射的模拟偏差较CMIP5大。其他区域CMIP6的辐射分量更接近CERES观测值。CMIP6模拟的地表向下短波辐射和大气逆辐射的不确定性较大区域面积较CMIP5减小,但不确定性极大区域面积无变化。地表净辐射的不确定性空间分布在两代CMIP间变化甚小。青藏高原、赤道太平洋、热带雨林、阿拉伯半岛和南极洲沿海依然是地球系统模式模拟辐射收支不确定性极大的关键区域。 相似文献
2.
融合光谱-空间信息的高光谱遥感影像增量分类算法 总被引：1，自引：1，他引：0
提出了一种融合光谱和空间结构信息的高光谱遥感影像增量分类算法INC_SPEC_MPext。通过主成分分析(PCA)提取高光谱影像的若干主成分,利用数学形态学提取各主分量影像对应的形态学剖面(MP),再将所有主分量影像的形态学剖面归并联结,组成扩展的形态学剖面(MPext)。将MPext与光谱信息相结合以增加知识,最大限度地挖掘未标记样本的有用信息,优化分类器的学习能力。不断从分类器对未标记样本的预测结果中甄选置信度高的样本加入训练集,并迭代地利用扩大的训练集进行分类器构建和样本预测。以不同地表覆盖类型的AVIRIS Indian Pines和Hyperion EO-1Botswana作为测试数据,分别与基于光谱、MPext、光谱和MPext融合的分类方法进行比对。试验结果表明,在训练样本数量有限情况下,INC_SPEC_MPext算法在降低分类成本的同时,分类精度和Kappa系数都有不同程度的提高。 相似文献
3.
太湖叶绿素a同化系统敏感性分析 总被引：1，自引：1，他引：0
太湖叶绿素a同化系统对于不同参数的敏感性将直接影响到该系统能否精确的估算太湖叶绿素a的浓度分布.利用2009年4月21日环境一号卫星(HJ-1B CCD2)影像数据反演太湖叶绿素a浓度场信息.以此作为背景场信息,结合基于集合均方根滤波的太湖叶绿素a同化系统,分析和评价了样本数目、同化时长、背景场误差、观测误差和模型误差对于同化系统性能的影响.结果表明:从计算成本、系统运行时间和同化效果等方面分析,当集合样本数目达到30~40左右时同化系统取得了较好的结果;同化系统对于背景场误差的估计变化不是很敏感,即初始场的估计是否准确对于同化系统的性能影响不是很大;同化系统对于模型误差和观测误差的变化较为敏感,不同的测试点位由于水体动力学性质不一,其敏感性的表现形式有所差异;利用数据同化方法可以有效地估算太湖叶绿素a浓度. 相似文献
4.
海陆颜色仪(OLCI)是搭载在Sentinel-3上的新型水色遥感传感器,其对于内陆清洁水体水质遥感监测的适用性有待验证.本研究以评价水体富营养化程度的重要参数叶绿素a(Chl.a)浓度为指标,以高原湖泊洱海为研究区,基于2017年4月19日共20个星地同步实验数据,建立了3种可应用于OLCI数据的Chl.a浓度遥感估算模型(波段比值模型、三波段模型以及FLH模型),并估算了当日洱海Chl.a浓度的空间分布.结果表明:(1)选用波段Oa8(665 nm)、Oa11(708.75 nm)和Oa12(753.75 nm)构建的三波段模型最适用于洱海水域的Chl.a浓度估算,其平均绝对误差百分比为12.37%,低于波段比值模型的16.04%和FLH模型的13.50%;(2)对OLCI使用的大气校正方法中,基于去瑞利散射的暗像元法对估算模型的适用性要优于6S、FLAASH以及QUAC方法;(3)洱海OLCI影像中近岸水体受邻近效应影响严重,近红外波段Oa12(753.75 nm)受陆地邻近效应影响的距离为1~2个像元,而Oa8(665 nm)、Oa10(681.25 nm)和Oa11(708.75 nm)波段为1个像元;(4)2017年4月19日全湖Chl.a浓度均值为12.15±5.72μg/L,洱海中部水域Chl.a浓度最低(9.00~12.00μg/L),北部水域浓度最高(12.00~22.76μg/L),南部水域浓度稍高(12.00~14.00μg/L),阳南溪与波罗江入湖口受降雨径流的影响出现"羽流现象",导致Chl.a浓度偏低,约为8.33μg/L. 相似文献
5.
二类水体组份的遥感定量反演一直是水色遥感的难点和热点问题,原因在于其水体组分(纯水、叶绿素、悬浮物及CDOM)之间复杂的相互作用.本文引入光谱分解算法,通过Hydrolight软件模拟叶绿素、悬浮物和CDOM的标准反射率光谱,解决光谱分解算法中“纯端元”难以获取的问题.在此基础上建立了二类水体组分光谱分解反演模型.模型... 相似文献
6.
太湖水质参数MODIS的遥感定量提取方法 总被引：1，自引：0，他引：1
本文利用MODIS数据的可见光、近红外波段和准实时的地面采样数据,分别利用线性回归模型和神经网络模型反演了太湖的叶绿素a和悬浮物浓度.结果表明,利用MODIS数据的波段组合(M2/M8)和(M2/M9)可估算太湖的叶绿素a浓度;而MODIS数据的波段组合(M12/M17)、(M13/M17)及MODIS(M4)波段能定量估算太湖的悬浮物浓度,但估算精度仍不能满足实际需要.因此,构建了一个以MODIS可见光及近红外波段为输入,以太湖水质参数为输出的2层BP神经网络模型反演太湖的水质参数,大大提高了反演精度. 相似文献
7.
浮游植物物候能够反映浮游植物的生长变化与湖泊生态系统的变化,水温、营养盐浓度等因素对物候有重要影响。太湖富营养化程度较高,水温的影响作用日趋显著,物候与水温关系的研究对理解、控制和改善太湖生态系统具有重要意义。本研究利用2003—2018年MODIS遥感数据计算浮游植物物候指标和湖泊水表温度（Temperature of Water Surface,LSWT）,通过分析太湖浮游植物物候时空变化特点探究了不同区域的物候特征,并结合LSWT揭示了浮游植物物候对LSWT变化的响应关系。结果表明：① 不同浮游植物物候指标具有不同空间分布特点,水华发生次数、峰值叶绿素a（Chla）浓度和水华总持续时间呈现由西部沿岸向湖心区递减的趋势;浮游植物生长开始时间和峰值Chla发生时间分布复杂但在沿岸区域相对较早;② 太湖可被划分为4种具有不同物候特征的区域,Ⅰ类区域主要位于贡湖湾、东部沿岸以及太湖中部开阔水域,该区Chla浓度范围为50~60 μg/L,且波动平缓,水华发生次数最少、开始最晚、持续时间最短;Ⅱ类区域主要分布于太湖西部沿岸,Chla浓度范围为50~90 μg/L且变化剧烈,该区水华发生次数最多、开始最早、持续时间最长;Ⅲ和Ⅳ类属于过渡区域,前者主要分布于梅梁湾、竺山湾及入湾口,后者主要位于南部沿岸以及太湖中部;③ 浮游植物物候对LSWT变化的响应受营养水平影响,当营养水平较高时,浮游植物的生长受LSWT的促进作用显著,LSWT年际变化的升高趋势对浮游植生长物候提前、生物量增加的影响明显,反之,则LSWT变化对浮游植物生长的影响减弱。 相似文献
8.
9.
总悬浮物浓度(CTSM)是水质评价的重要参数.为了提高内陆Ⅱ类水体总悬浮物浓度估算的精度,利用主成分分析方法对2009年4月太湖水体实测高光谱数据进行降维处理,进而以不同数量的主成分作为变量,分别构建总悬浮颗粒物浓度的多元线性回归估算模型并比较这些模型的效果,从而确定最优的主分量个数;结合近年运行的高光谱传感器,对模型的适用性进行评价.结果表明:①前三个主成分(PC1、PC2、PC3)从不同侧面涵盖了悬浮物浓度信息,它们与ln(CTSM)的相关系数分别为0.728、0.401和0.403;②当主成分个数为6时,模型达到最优;模型的精度高于4个传统经验模型;③在400~850 nm之间,波段数大于45的高光谱传感器数据都能利用主成分分析的方法构建精度较高的总悬浮物浓度估算模型;此外,MERIS、HJ1-HSI、Hyperion和CHRIS这些常用的高光谱传感器的波段设置,都适合于主成分建模. 相似文献
10.
由于时空变化而产生的水体后向散射系数参数化差异一直是影响水质参数遥感定量反演精度的一个重要因素。在对太湖遥感反射率光谱进行分类的基础上,针对影响太湖水体水色的不同主导因子,把太湖水体分为3种类型,分别利用半分析方法和光学闭合原理对后向散射系数进行模拟,在此基础上研究其光学特性及其与水体组分浓度的关系,最后针对3种不同主导类型的水体分别建立了后向散射系数参数化模型。将后向散射特性在不同时间和空间上的差异转化为水体不同主导因子在生物-光学上的差异,从而得到适用于太湖不同湖区及不同季节的后向散射系数参数化模型,为利用分析方法对太湖水质参数进行更为精确的遥感反演提供了基础。 相似文献