排序方式： 共有4条查询结果，搜索用时 54 毫秒
1
1.
利用NCEP/NCAR全球再分析资料分析了东半球冬、夏两季越赤道气流的年际变化特征,以及与中国160个站点同期气温、降水的相关性.分析表明:越赤道气流的年际变化夏季强于冬季,索马里急流并不显著影响到总量的变化,而冬季最强通道与总量变化关系密切.夏季越赤道气流总量在1950年代后期和1970年代中期有两次剧增,并与冬季一样都在1994～1995年有一次剧减.东半球夏季越赤道气流与中国同期降水的相关性很小,但在1970年代突变前后的相关性明显不同,原因与东亚夏季风的关系密切.冬季越赤道气流与中国同期南北的气温的相关随着越赤道气流与不同地区海平面气压的相关性的不同而不同. 相似文献
2.
The NCEP/NCAR global reanalysis data were used to analyze the interannual variation
characteristics of the cross-equatorial flow (CEF) and its concurrent relationships with temperature and
rainfall in China. The results indicated that CEF changes more in summer than in winter. As the main flow
channel in summer, the Somali CEF changes in a way that does not markedly influence the changes in the
CEF total except for winter. The summer CEF total has two sudden increases and one sudden decrease
during the last century while the winter total has just one decrease. Long-period data show that the
correlation between CEF and summer rainfall in China is not very significant, but is different before and
after the 1970s, which is due to CEF’s close links with the East Asia summer monsoon. Winter CEF’s
correlation with concurrent winter temperature in northern and southern China varies with the relationship
between CEF and sea-level pressure in different areas. 相似文献
3.
东北地区MODIS和AMSR-E积雪产品验证及对比 总被引：3，自引：0，他引：3
通过2002-2008年6个积雪季节的Terra-Aqua/MODIS积雪产品(MOD10A2、MOD10C2)和Aqua/AMSR-E雪水当量产品,分析了东北地区积雪覆盖面积的变化特征,以研究区气象站点观测的积雪数据为真实值来验证两种产品积雪信息的精度,探讨了云覆盖、土地利用类型和雪深对积雪覆盖精度的影响.结果表明:云的存在对微波数据积雪识别的影响较小,在积雪量较多的12月至次年的2月随云量百分比的变化,MOD10A2积雪覆盖面积比例大体出现负变化.因此,在有云情况下AMSR-E数据反演积雪精度最好.对比草地、耕地、林地和居民地4种土地覆盖类型对监测积雪覆盖精度的影响,发现林地对其影响最大,在林区3种积雪产品的积雪识别精度分别为55.8%、81.2%、85.4%;雪深对AMSR-E积雪产品识别精度影响较小,总体精度为97.8%;积雪深度对MOD10A2积雪产品识别精度影响较大,总体精度为57.3%.MOD10A2、MOD10C2和AMSR-E 3种积雪产品的总体反演精度分别为69.3%、76.6%、76.3%.有必要开发适用于东北地区的积雪覆盖算法,提高估算精度,为能量平衡估算、气候模型、农业生产、土壤墒情监测服务. 相似文献
4.
基于偏最小二乘法的玉米FPAR高光谱反演模型研究 总被引：1，自引：0，他引：1
以ASD FR便携式光谱仪与LI-191SA光量子仪对吉林中西部的玉米田进行多次观测,采集到123组有效数据,基于偏最小二乘法(PLS)对玉米FPAR进行高光谱反演。对可见光与近红外光谱(400～1 500nm)进行分析并建立反演模型,对FPAR预测效果进行验证,验证模型的R2为0.785,RMSE为0.117;同时进行了玉米FPAR与光谱反射率、反射率一阶导数之间的关系分析及植被指数与玉米FPAR之间的回归分析。研究结果表明,PLS方法建立的模型可有效地从玉米高光谱反射率数据反演出FPAR含量,反演结果精度较植被指数高。 相似文献
1