共查询到16条相似文献，搜索用时 156 毫秒
1.
新疆北部冬季常多云天气,受地形和植被等因素影响,积雪分布不均,这导致了积雪分量遥感制图精度不高的难题。针对这一问题,本文利用MODIS影像,提出了分层变端元混合像元分解的积雪定量反演方法。该方法首先建立研究区影像和参考端元库,再对区域影像地类进行从粗到细的逐级划分,对每级包含的地类进行2 端元或3 端元混合像元分解。通过对上一级解混后与积雪相关的子类再实施上述变端元混合像元分解方法,得到下一级更细的地类划分。综合各级地类解混结果实现了高精度积雪分量制图。以HJ CCD影像分类数据、植被分布数据和实测数据为数据源,验证了变端元解混时模型包含端元数较少时(如2 端元或3端元)研究区域积雪分类精度最高,为87%。反之,包含端元数越多,分类精度会降低。 相似文献
2.
牧区积雪监测中卫星资料应用的研究现状 总被引：3，自引：1，他引：3
牧区雪灾严重制约着牧区生产力的发展。卫星资料在雪灾监测中,起到控制雪灾和灾前预警的作用。牧区积雪监测中常用卫星资料NOAA/AVHRR在晴空条件下,具有大范围积雪动态变化监测的优势;TM资料则易于区分雪和云,同时适用于小范围积雪动态监测与精确定位;被动微波遥感数据SMMR、SSM/I和AMSR E在获取雪深及雪层内部稳定方面效果显著;MODIS数据具有数据免费、较高空间分辨率等特点。多种卫星资料还在去云、混合像元处理、积雪深度、积雪面积监测和积雪监测模型建立中起到基础数据的作用,为雪灾的准确监测提供重要依据。 相似文献
3.
基于3S技术的牧区雪灾评价方法 总被引：9，自引：3，他引：6
利用NOAA卫星数据及地面气象台站观测资料,建立了积雪深度遥感反演模型;应用线性混合光谱分解原理,研究了基于像元的积雪覆盖率及积雪空间分类算法;依据草地畜牧业的特点,综合考虑了雪情、草情、畜情和气象因素的空间分布及其对草地畜牧业的危害程度,提出了2种新的基于格网单元的积雪危害指数和雪灾综合评价指数,构建了积雪危害分级与雪灾综合评价标准。通过对北疆阿勒泰牧区雪灾研究的结果表明,这2种指数和分级评价标准能准确详细地反映雪灾的时空分布特征和危害程度,对牧区雪灾的综合评价具有重要的应用价值。 相似文献
4.
基于内蒙古草原牧区2011~2013年两个积雪季的国产卫星FY-3B双极化亮温数据,通过使用2012年MODIS的MCD12Q1土地覆盖类型产品数据提取内蒙古牧区草地植被类型,同时使用与FY-3B数据同期的MOD10A1日积雪覆盖产品剔除研究区内无积雪覆盖的像元,进而得到内蒙古草原牧区有积雪覆盖区域的FY-3B影像各像元的亮温数据。将亮温数据与研究区内相应的野外固定实验站观测数据及呼伦贝尔市的7个气象站点雪深观测数据建立回归拟合关系,初步建立了基于FY-3B亮温数据的适合于内蒙古草原牧区的雪深反演模型,模型参数拟合决定系数R2为0.59。使用2012年研究区雪深观测值检验模型,均方根误差为3.12cm,平均相对误差为18%,表明所建立的雪深反演模型能够较好地估算和识别内蒙古草原牧区雪深的空间分布特征。 相似文献
5.
积雪被动微波遥感研究进展与前景展望 总被引：1，自引：0，他引：1
被动微波遥感可用于进行全天候的积雪监测。概述了国内外近年来积雪被动微波遥感研究进展,比较了常用的被动微波传感器SMMR（Scanning Multichannel Microwave Radiometer）、SSM/I（Special Sensor Microwave/Imager）、AMSR-E(Advanced Microwave Scanning Radiometer-Earth Observing System)和MWRI（Microwave Radiation Imager）的参数特征,指出目前积雪被动微波遥感研究中存在的问题：1)干雪和湿雪的判别阈值受多种因素的影响,仍难以确定;2)各气象台站的实测雪深值缺乏代表性;3)分辨率不高,无法监测浅雪区信息等问题;4)容易造成积雪范围估计过大、雪深过深等问题。另外,雪的密度、粒径、降水、寒漠、植被、冻土等因素都在一定程度上影响了反演结果的精度。并对积雪被动微波遥感的应用前景提出了展望：1)在积雪遥感业务监测中,对可见光和被动微波数据进行融合,可充分发挥二者的优势;2)遥感和地理信息系统的结合,可以提高积雪遥感监测的精度和应用范围;3)随着积雪模型算法的进一步完善以及更高空间分辨率的AMSR-E和我国FY3卫星的被动微波数据MWRI的应用, 被动微波遥感必将成为积雪监测的重要手段。4)被动微波遥感与可见光MODIS的积雪监测范围较为一致, 当由于云的影响而无法得到满意的可见光影像时, 则被动微波遥感就可发挥替代作用。5)被动微波遥感在积雪业务监测中还存在较多的问题, 持续不断的地面监测和算法改进及验证是完善这项技术的重要保证。 相似文献
6.
冷季深入对AMSR-E监测内蒙古积雪的影响 总被引：4，自引：1，他引：3
传统的积雪范围和厚度监测是通过气象台站的定时观测, 其缺点是:地面观测资料区域代表性有限和地面气象台站分布很均匀.遥感技术可以弥补传统观测的不足,中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer, MODIS)数据具有高空间分辨率、高时间分辨率,地球观测系统先进微波扫描辐射计(Advanced Microwave Scanning Radiometer-EOS, AMSR-E)数据具有不受云层影响的特点.分析冷季深入对AMSR-E影像积雪判别的影响,最终得出,在内蒙古地区随着冷季的深入,AMSR-E将MODIS影像上无雪像元和有云像元判别为有雪的比例越来越高,最高分别达34.22%和28.29%.两者同时判别为有雪像元的比例也越来越高,最高达33.66%. 相似文献
7.
本研究利用青藏高原地区2002-2008年MODIS/Terra-Aqua逐日雪被产品(MOD10A1及MYD10A1)和AMSR-E/Aqua每日雪水当量产品AE_DySno,研究了MODIS和AMSR-E逐日数据的融合算法,合成出逐日无云积雪分类图像MATS10A1,并利用气象台站提供的雪情数据验证了合成图像的积雪分类精度。研究结果表明:1)在青藏高原地区,虽然在晴空时MODIS积雪分类精度较高(当雪深>3 cm时达到80.82%),但MOD10A1和MYD10A1图像中的平均云量比分别达到39.74%和48.74%,无法对牧区雪情进行实时监测。2)MOD10A1和MYD10A1的合成图像(MOYDTS10A1)云量比为24.13%,不但消除了大部分云的影响,而且提高了积雪分类精度(积雪分类精度为81.67%)。3)合成图像MATS10A1结合了AMSR-E资料不受天气影响和MODIS雪被产品较高空间分辨率的优点,不仅完全消除了云的干扰,同时具有较高的积雪分类精度(79.36%)。因此,这种改进型算法生成的逐日无云图像,在青藏高原牧区雪灾监测与预警研究中将具有重要的应用前景。 相似文献
8.
新疆北部地区MODIS积雪遥感数据MOD10A1的精度分析 总被引：8，自引：0，他引：8
以新疆北部牧区为研究区,结合气象台站记录的雪情数据和土地利用类型,对比分析了2001年11月1日-2005年3月31日的MODIS每日积雪产品MOD10A1积雪制图精度。研究表明,1)晴天时MOD10A1产品的精度很高,总精度可达到98.5%,积雪分类精度为98.2%。2)地面台站的积雪分类精度和总精度同海拔之间的相关系数仅为0.04和0.02,但积雪深度与积雪分类精度之间存在显著的相关性。当雪深1~3 cm时积雪分类精度为54.1%~94.3%;当雪深3~36 cm时,积雪分类精度均大于90%;当雪深大于36 cm时,漏测次数为零,积雪分类精度将保持在100%。3)土地利用类型对积雪分类精度有一定的影响。在农田、草原和城市建筑用地3种类型上的总精度分别为97.9%,98.9%和96.9%,积雪分类精度分别为98.0%,98.5%和94.4%。4)3种土地利用类型在不同雪深下的总精度和积雪分类精度都较高。农田、草原和城市建筑用地上的最低积雪分类精度分别为94.6%,95.3%和89.5%,且最低积雪分类精度都出现在雪深为1~10 cm的分段上,这个结果与积雪分类精度随雪深的增加而增加相一致。 相似文献
9.
利用MOD10A1积雪产品逐像元提取积雪覆盖率、积雪日数、初雪日期、终雪日期,分析2000~2017年间蒙古高原各积雪参数的分布特征、变化及其与气温、降水的关系,为蒙古高原长期生态环境保护和应对全球变化制定适应对策提供参考依据。研究结果表明:(1)蒙古高原积雪覆盖率介于24~47%之间,且呈现"北部多南部少"的分布特点。积雪覆盖率最大出现在2002年,为46.02%;最小出现在2014年,为24.72%;1月份积雪覆盖率最大,为46.04%。积雪日数在46~82d之间,且呈现"北部长南部短"的分布特点,西北局部地区可达140d以上。积雪覆盖率和积雪日数以不明显的减少趋势为主,但西北部蒙古阿尔泰山、杭爱山,东部呼伦贝尔、锡林郭勒北侧和大兴安岭西侧小部分地区呈显著增长趋势。初雪日期北部出现早,南部晚,分布在第317~343d之间。终雪日期北部出现晚,南部早,分布在第45~63d之间。初雪日期和终雪日期均有不同程度的提前。(2)初步研究表明气温变化对积雪影响程度大于降水变化的影响。(3)整体上,蒙古高原积雪覆盖率随海拔升高而增大,但小尺度范围内,不同海拔地区积雪覆盖率变化多样。 相似文献
10.
牧区积雪光学与微波遥感研究进展 总被引：1，自引：1，他引：0
在总结国内外积雪监测常用卫星资料甚高分辨率扫描辐射仪(AVHRR)、多光谱扫描仪(MSS)、专题绘图仪(TM)、中分辨率成像光谱仪(MODIS)、多通道微波辐射计(SMMR)、微波成像专用传感器(SSM/I)、改进型微波辐射扫描仪(AMSR/AMSR-E)、合成孔径雷达(SAR)和FY系列传感器优缺点的基础上,系统研究了牧区积雪可见光遥感研究进展以及微波积雪深度反演、积雪分类决策树遥感研究进展,提出了积雪监测中存在的一些问题及未来发展趋势和研究重点,为进一步做好牧区积雪监测提供科学依据。 相似文献
11.
以青海省作为研究区,利用ＭＯＤＩＳ每日地表反射率产品ＭＯＤ０９ＧＡ 和逐日雪被合成产品ＭＯＤ１０Ａ１,通过调整ＮＤＳＩ阈值,合成积雪分类图像,根据气象台站实测雪深数据,评价积雪分类精度,探索研究了适合该地区的ＮＤＳＩ阈值。研究结果表明,１）ＮＳＩＤＣ 发布的全球ＭＯＤＩＳ积雪产品ＭＯＤ１０Ａ１在青海高原的积雪分类精度较低,在晴空下雪深大于３ｃｍ 的积雪分类精度为８６．０１％。２）研究区适合的ＮＤＳＩ阈值为０．３７。在晴空下雪深大于３ｃｍ 时,合成雪被图像的积雪分类精度可达９０．３７％,总精度９９．５１％,多测误差０．２２％,漏测误差９．６３％。３）同ＭＯＤＩＳ逐日雪被产品ＭＯＤ１０Ａ１进行雪深分段精度比较,发现整体上自定义雪被图像的积雪分类精度较高,合成图像更符合青海高原积雪空间分布的真实情况。 相似文献
12.
基于灵活的时空融合模型的植被覆盖度与植被指数关系 总被引：1，自引：0，他引：1
时空数据融合模型被广泛地应用于获取高时间、高空间分辨率的植被指数与植被覆盖度,但是其反演的精度常常受输入的低空间分辨率影像(如MODIS影像)的影响。本研究基于灵活的时空数据融合方法(FSDAF),深入分析了赛里木湖流域与石河子地区两种不同情景的MODIS影像组合对FSDAF模型植被覆盖度提取精度的影响,并研究了6种植被指数与植被覆盖度的线性与非线性关系。研究结果表明,FSDAF模拟影像的植被覆盖度精度取决于2个时期MODIS影像的变化率,影像变化小时取得的精度明显好于影像差异大的情况。而采用植被指数对植被覆盖度模拟时,NDVI与OSAVI的线性拟合效果较好,可以获取较理想的结果。试验表明,采用时空模型用于研究区植被覆盖反演能取得较好的效果,具有一定的应用推广价值。 相似文献
13.
通过实地观测国家体育场冬季冰雪节人造雪覆盖条件下的草坪生长状况,研究了冬春季人工覆雪模式的影响及其可行性。结果表明,覆雪状态下草坪草比同时期未覆雪草坪草的可溶性糖含量、细胞膜透性都显著降低,根系活力相对增高,叶绿素含量在前期趋于一致、后期较高,覆雪对草坪草的冬季生长和返青有明显促进作用。但当雪层较薄低于30cm以下时,保温保湿作用大幅降低,同时还会因为雪融化结冰而对草坪产生负面影响。就草坪草冬春季的稳定性而言,无雪覆盖〉厚雪（60-70cm）覆盖〉薄雪覆盖（〈7cm）;对返青的促进作用而言,厚雪覆盖〉无雪覆盖〉薄雪覆盖。 相似文献
14.
为了客观评估苜蓿（Medicago sativa L.）草品质的等级,采用MATLAB中BP人工神经网络,利用苜蓿粗蛋白（CP）、中性洗涤纤维（NDF）、酸性洗涤纤维（ADF）、随意可消化量（DDM）、采食量（DMI）参数建立BP神经网络模型。通过200个苜蓿样本进行网络训练,并采用不同的BP神经网络隐含层的传递函数和隐含层神经元数量,获得最优BP神经网络模型。结果表明：在5个特征参数指标下,仿真评价苜蓿草品质等级的准确率达到99.6%,与人工评估结果相比,仿真结果更符合苜蓿草品质的客观现实。在此基础上,介绍已经开发建立的我国首个苜蓿草品质分级系统,有助于未来在苜蓿草市场中发挥其等级评定的应用潜力。 相似文献
15.
雪灾是制约牧区草地畜牧业持续发展的主要气象灾害之一。利用研究区1995-1996年、2000-2001年、2005-2006年10月到次年3月共3个积雪季的SSM/I日亮温数据和79个气象台站对应的地面实测雪深值,反演了青藏高原东部的雪深模型,估算了积雪分布面积和积雪深度。研究结果表明：3个积雪季的月、旬积雪面积都是先增加,在12月到次年1月达到最大值,然后减少;各积雪季雪深以<5 cm为主,10月、次年2月和3月期间基本上没有>10 cm以上的积雪;从3个积雪季的旬雪深数据来看,各旬3个级别的雪深面积变化基本上都遵循了先增大后减小的趋势,其中雪深<5 cm的积雪面积变化最大,>10 cm的积雪面积变化最小;3个积雪季510 cm的积雪主要分布在青南的玉树、果洛州。 相似文献
16.
基于MOD10A1和AMSR-E的北疆牧区积雪动态监测研究 总被引：10，自引：1，他引：9
准确监测牧区积雪覆盖范围,对有效防灾减灾和牧区畜牧业持续发展具有特别重要的意义。利用积雪产品和气象台站的观测资料,对比分析了北疆地区2002年11月1日－2005年3月31日三个积雪季的AMSR-E每日雪水当量产品及其与MOD10A1每日积雪分类产品合成的图像MODAE1的积雪识别精度。结果表明,1)AMSR-E每日雪水当量产品的积雪识别率为66.59%,总精度为69.49%;2)利用用户自定义的合成算法计算的合成图像MODAE1,结合了AMSR-E雪水当量产品不受天气影响和MOD10A1每日积雪产品较高空间分辨率的优点,积雪识别率达76.43%;3)雪深和土地覆盖对合成图像MODAE1的积雪识别率具有重要的影响。在雪深为1～40cm时,合成图像的积雪识别精度随雪深的增加而增大;在雪深为31～40cm时,积雪识别率可达90.19%;在雪深大于40cm时,积雪识别率开始下降。在牧区合成图像的积雪识别率可达77.6%,而在开阔的灌丛区积雪识别率略有下降,为72.7%。 相似文献