项目名称: 基于不同下垫面被动微波混合像元分解模型的中国东北地区积雪深度和雪水当量反演研究

项目编号: No.41471344

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 天文学、地球科学

项目作者: 顾玲嘉

作者单位: 吉林大学

项目金额: 90万元

中文摘要: 混合像元问题是影响被动微波反演雪深和雪水当量精度的重要因素。本项目在前期研究基础上,深入研究影响被动微波混合像元分解模型的主要因素。以中国东北地区为主要研究区,立足于积雪野外观测实验,结合已有的被动微波混合像元分解模型,对影响积雪被动微波辐射亮温的下垫面类型进行详细划分;重点开展针对林地和盐碱地两种下垫面的被动微波混合像元分解模型,提出基于不同下垫面的被动微波混合像元分解模型。根据野外地面观测结果和气象台站数据,利用不同下垫面的被动微波混合像元分解后的数据,提出基于不同下垫面的雪深反演公式,获得雪深反演公式中的回归系数,对广泛应用的chang被动微波积雪深度反演算法中的回归系数进行修正。发展我国FY3B/MWRI数据在中国东北地区积雪深度和雪水当量的定量反演算法,提供东北地区500m 数据分辨率的雪深和雪水当量产品。该研究为东北地区融雪径流模拟与预报、积雪水资源利用与管理提供重要科学依据。

中文关键词: 雪深;雪水当量;不同下垫面;被动微波混合像元分解模型;尺度转换

英文摘要: Mixed pixel of passive microwave data plays a dominant influence on the precison of snow depth and snow water equivalent. Based on the results of early project, the main factors affecting the precision of passive microwave unmixing method are researched in the proposed project. Northeast china is selected as study area, and then we research the impact of different surface types on snow monitoring based on field observational experiment. Combining with the early proposed passive microwave unmixing techniques, a new passive microwave unmixing model, suitable for various land surface types is put forward in the project. The unmixing models of forest type and saline-alkali soil type are researched as focal points. Based on the test data obtained from field observations and meteorological ground station, we can get the unmixed data using passive microwave unmixing model. Through proposing the snow depth retrieval formula, we calculate the regression coefficients, which can correct the regression coefficients of chang's snow depth retrieval formula. Using FY3B/MWRI data, we develope the inversion algorithm of snow depth and snow water equivalent in Northeast China. We can provide snow depth and snow water equivalent products with 500 m data resolution in Northeast China. This research can provide important scientific basis for the regional simulation of snowmelt runoff and forecasting, snow water use and management.

英文关键词: Snow Depth;Snow Water Equivalent;Various Land Surface Types;Passive Microwave Unmixing Model;Scale Transform

成为VIP会员查看完整内容
0

相关内容

顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
基于流线的流场可视化绘制方法综述
专知会员服务
26+阅读 · 2021年12月9日
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
34+阅读 · 2020年11月26日
专知会员服务
45+阅读 · 2020年10月5日
基于改进卷积神经网络的短文本分类模型
专知会员服务
25+阅读 · 2020年7月22日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
关于“数字化转型——CCF东北论坛”再次延期的通知
中国计算机学会
0+阅读 · 2022年3月14日
「中国LVMH」滑落启示录|焦点分析
36氪
0+阅读 · 2022年2月24日
《漠河舞厅》带火一座城背后的4条方法论
人人都是产品经理
0+阅读 · 2021年11月24日
【UMASS博士论文】几何表示学习,162页pdf
专知
1+阅读 · 2021年4月11日
CVPR2021-单目实时全身捕捉的方法
专知
0+阅读 · 2021年3月18日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
One-Class Model for Fabric Defect Detection
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月17日
Disentangled Information Bottleneck
Arxiv
12+阅读 · 2020年12月22日
AdarGCN: Adaptive Aggregation GCN for Few-Shot Learning
小贴士
相关主题
相关VIP内容
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
基于流线的流场可视化绘制方法综述
专知会员服务
26+阅读 · 2021年12月9日
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
34+阅读 · 2020年11月26日
专知会员服务
45+阅读 · 2020年10月5日
基于改进卷积神经网络的短文本分类模型
专知会员服务
25+阅读 · 2020年7月22日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
相关基金
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员