雪深(snow depth,SD)和雪水当量(snow water equivalent,SWE)是气候水文研究中的重要参数,在雪灾监测中尤为重要。首先,简要介绍了被动微波遥感SD和SWE反演算法的物理基础——积雪微波辐射传输模型,分析了不同微波频段、不同特点的积雪...雪深(snow depth,SD)和雪水当量(snow water equivalent,SWE)是气候水文研究中的重要参数,在雪灾监测中尤为重要。首先,简要介绍了被动微波遥感SD和SWE反演算法的物理基础——积雪微波辐射传输模型,分析了不同微波频段、不同特点的积雪微波辐射和散射特性。然后,根据前人的研究从数学角度将反演算法分为线性亮温梯度法和基于先验知识法,总结了2类算法的优势和局限性:线性亮温梯度法相对简单、速度快,一般只适用于特定的研究区;先验知识法需要获取研究区的样本数据,并反复训练才能达到较好的精度,但对样本的独立性及其均值差异显著性的要求较高。最后,重点介绍了我国风云三号微波成像仪(FY-3 MWRI)的全球SD和SWE反演算法和针对中国区域的改进算法,并对未来的研究热点进行了展望。展开更多
文摘植被聚集指数(clumping index,CI(Ω))是表征植被冠层聚集程度的重要结构参数,由于其定量化研究起步较晚,导致对CI季相变化特征的研究不充分,结论争议较大.为此,本文基于长时间序列的MODIS CI产品,从北半球中高纬度植被物候特征敏感区,在13个国际地圈-生物圈计划(IGBP)类型中,优选了84个高质量的代表性像元,开展典型像元CI季相变化特征的案例研究.以归一化植被指数(normalized difference vegetation index,NDVI)作为对比,提出改进的动态阈值法,结合离散Fourier变换方法,分别提取不同地类的生长季开始时间(start of season,SOS)及生长季结束时间(end of season,EOS),最终建立北半球中高纬度各地类生长季与休眠期的经验Ω.结果表明:CI具有较为明显的物候变化规律及季节变化特征,甚至能够识别出耕地的一年两熟迹象,但相对于NDVI相对稳定的季相变化特征,大部分地类的CI表现出较大的变化和不确定性,其中,SOS和EOS多分别在第100和第300天左右变化,生长季则多维持在200d左右;提取物候特征参数的最佳阈值随提取时期、地物类别的变化而变化,其中提取SOS和EOS的最佳阈值多集中在40%~80%和80%~90%;经验Ω呈现出针叶林的聚集效应最强,耕地的聚集效应最弱的特征.本研究对于揭示不同地类CI季相特征及相关应用研究提供了有用的证据和参考.
文摘雪深(snow depth,SD)和雪水当量(snow water equivalent,SWE)是气候水文研究中的重要参数,在雪灾监测中尤为重要。首先,简要介绍了被动微波遥感SD和SWE反演算法的物理基础——积雪微波辐射传输模型,分析了不同微波频段、不同特点的积雪微波辐射和散射特性。然后,根据前人的研究从数学角度将反演算法分为线性亮温梯度法和基于先验知识法,总结了2类算法的优势和局限性:线性亮温梯度法相对简单、速度快,一般只适用于特定的研究区;先验知识法需要获取研究区的样本数据,并反复训练才能达到较好的精度,但对样本的独立性及其均值差异显著性的要求较高。最后,重点介绍了我国风云三号微波成像仪(FY-3 MWRI)的全球SD和SWE反演算法和针对中国区域的改进算法,并对未来的研究热点进行了展望。
