排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
积雪对自然环境和人类活动都有极其重要的影响。积雪参数（雪面积、雪深和雪水当量）反演对水文模型和气候变化研究有着实际的意义。然而,目前森林区的雪深遥感反演精度一直有待于进一步提高。东北地区是我国最大的天然林区和重要的季节性积雪区之一,本文利用FY3B卫星微波成像仪（MWRI）L1级亮温数据和L2级雪水当量数据,以及东北典型林区野外实测雪深数据,对Chang算法、NASA 96算法和FY3B雪深业务化反演算法进行了验证与分析。结果表明：在东北典型林区的雪深反演中,Chang算法和NASA 96算法反演的雪深波动都比较大,当森林覆盖度f≤0.6时,NASA 96算法表现比较好,均方根误差值在3种算法中较小,但当f >0.6时,NASA 96算法失真严重。当考虑纯森林像元（f=1）时,Chang算法低估了雪深47%。当f≤0.3时,FY3B业务化算法始终优于Chang算法。整体上,FY3B业务化算法相对稳定,具有较高的精度。 相似文献
2.
基于风云-3B（FY-3B）卫星的微波成像仪（MWRI）数据对HUT模型（Helsinki university of technology snow emission model）进行验证,结果表明,无论是18.7 GHz还是36.5 GHz水平极化亮温,HUT模型模拟亮温都与MWRI亮温存在较大的偏差。因此,本文对消光系数进行了本地化改进,得到了改进的HUT模型（IMPHUT模型）。IMPHUT模型在18.7 GHz水平极化和36.5 GHz水平极化时的模拟亮温偏差分别为-0.91 K和-4.19 K,较原始的HUT模型模拟精度（偏差分别为14.03 K和-16.33 K）有很大提高。最后,利用遗传算法进行雪深反演,基于IMPHUT模型的雪深反演（偏差为-6.79 cm）优于HUT模型和Chang算法,反演与实测雪深具有较好的一致性。 相似文献
1