【摘 要】
：
遥感地表温度产品(LST)对陆面过程和全球与区域气候变化研究具有重要价值。但是当前卫星遥感观测到的地表温度分辨率较粗,多为混合像元,有明显的角度效应和时空变化特征,严重影响陆面过程等研究的应用精度。为定量评估3维异质性场景对亮度温度分布的影响,本文基于再分析资料,耦合3维小气候模型ENVI-met和3维热辐射传输模型RAPID,开展了地表3维温度场的模拟。研究以全球数值预报产品NCEP来提供ENV
【机 构】
：
北京林业大学 省部共建森林培育与保护教育部重点实验室,北京,100083
论文部分内容阅读
遥感地表温度产品(LST)对陆面过程和全球与区域气候变化研究具有重要价值。但是当前卫星遥感观测到的地表温度分辨率较粗,多为混合像元,有明显的角度效应和时空变化特征,严重影响陆面过程等研究的应用精度。为定量评估3维异质性场景对亮度温度分布的影响,本文基于再分析资料,耦合3维小气候模型ENVI-met和3维热辐射传输模型RAPID,开展了地表3维温度场的模拟。研究以全球数值预报产品NCEP来提供ENVI-met所需的边界条件,分别进行了异质性植被场景的亮温水平分布和热辐射方向性模拟试验。在水平分布模拟研
其他文献
中国地区大气CO_2浓度对全球气候变化有重要的影响。本文基于日本GOSAT卫星短波红外CO_2的长期观测数据,对2010年—2016年中国大陆上空CO_2浓度的分布特征和变化趋势进行分析研究。利用高精度的地基TCCON站点CO_2观测对GOSAT CO_2数据进行精度验证,结果表明,GOSAT CO_2具有较高的精度,相对TCCON CO_2的偏差为-1.04±2.10 ppm,两者的相关系数高达
多尺度分析技术广泛应用于高分辨率遥感影像的特征提取和建模。分解层数受制于影像的大小,下采样小波变换实现的影像多尺度表达难以描述大范围的空间模式,导致分类结果出现"胡椒盐"现象;面向对象的影像分析技术虽避免了"胡椒盐"现象,但由于仅利用了单尺度的的特征,也难以描述影像多层次的空间模式,导致分类精度较低。为改善分类结果中的"胡椒盐"现象和提高分类精度,提出了一种结合区域多尺度遥感影像分割和马尔可夫随机
2020年初非洲东北和印巴边境沙漠蝗群席卷多个国家,大面积农田及自然植被被啃食,是什么气候条件促成了此次沙漠蝗灾?距离中国最近的印巴边境蝗群成为研究以及社会关注的热点,蝗灾对当地植被的影响如何?其发展趋势如何?从气候学上分析,蝗灾历史上是否曾经或者未来是否向印度东边迁飞而进入中国呢?本研究利用长时间序列的卫星遥感数据和气象气候观测数据,对沙漠蝗群可能扩展趋势进行了分析。研究结果表明:(1)由于沙漠
在山地复杂地形条件下,利用热红外遥感获得的地表温度分布显著受到地形的影响,真实的地热异常信息往往难以识别,热红外遥感应用于山区地热勘探受到极大限制。以广东龙川地热勘查区为研究区,初步探讨了山地环境中如何抑制地形效应,以有效提取地热异常。首先,基于Landsat ETM+遥感数据反演地表温度,分析坡向和坡度两个地形因子与地表温度的关系;然后,在此基础上,将研究区的地表温度按坡向分成3个子区(阳坡、过
风云三号D星(FY-3D)微波成像仪采用10.65 GHz、18.7 GHz、23.8 GHz、36.5 GHz和89.0 GHz双极化通道对地表辐射信息进行测量,定标精度会直接影响遥感数据的准确性。影响定标精度的主要因素之一是成像仪系统的非线性特征,用物理参数—非线性系数表示。所以准确计算非线性系数是地面热真空定标试验的主要目的之一,在95—298 K范围内设置不同变温源温度点,每一个温度点对应
采购管理是应用型本科物流管理专业的核心课程,集理论、应用和实践操作为一体.在应用型本科采购管理课程中实施PBL教学法,能够使学生化被动为主动学习,锻炼学生分析和解决采
人工智能是当前科技界的风口,各国政府及学术产业组织给予了高度重视。作为一门应用学科,计算机视觉着力解决如何使机器看懂世界的问题,是人工智能研究的核心问题。本文分析了"智能+"的意义及其对计算机视觉技术人才的要求,提出应以"项目实践"为指导,整合课程教学内容,创新教学方法与手段,构建应用实践与课堂教学相结合的培养模式,培养学生主动学习的积极性以及思维分析能力,为知识应用以及继续学习打下基础。
随着我国互联网技术的不断发展与进步,现阶段,我国已经逐渐步入到了“互联网+”时代,在这一时代背景下,诸多新型的以“互联网+”技术为基础的管理技术逐渐的出现在了人们的视
光学遥感图像船舶检测主要面临两个挑战:光学遥感图像背景复杂,船舶检测易受海浪、云雾及陆地建筑等多方面干扰;遥感图像分辨率低,船舶目标小,对于其分类与定位带来很大困难;针对上述问题,在FPN的基础上,提出一种融入显著性特征的卷积神经网络模型A-FPN (Attention-Based Feature Pyramid Networks)。首先,利用卷积提取图像特征金字塔;然后,利用顶层金字塔逐级构建显
船舶作为海上的重要目标,实现对船舶自动识别有重要的意义。针对卫星图像中云雾、海岸背景等复杂海情对船舶识别带来的干扰,以及小目标船舶高漏检率问题,本文提出一种多尺度深度学习模型训练策略,在此基础上构建了一种船舶识别的深度学习网络,该网络可分为多尺度训练、特征提取、生成目标建议区域、船舶分类这4个部分。首先,采用多尺度的训练策略,将多尺度的船舶样本送入网络中进行训练,这样在训练样本中加入了大量小目标船