9篇关于MODIS的计算机毕业论文

今天分享的是关于MODIS的9篇计算机毕业论文范文, 如果你的论文涉及到MODIS等主题,本文能够帮助到你 陆地沙尘气溶胶光学厚度的卫星反演试验研究 这是一篇关于沙尘气溶胶

今天分享的是关于MODIS的9篇计算机毕业论文范文, 如果你的论文涉及到MODIS等主题,本文能够帮助到你

陆地沙尘气溶胶光学厚度的卫星反演试验研究

这是一篇关于沙尘气溶胶,光学厚度,SACOL,MODIS,6S,地表反射率的论文, 主要内容为沙尘气溶胶是影响地球气候环境的重要因子,它的存在能改变地球大气系统的辐射收支平衡及大气中云的形成,对大气环流、降水分布、短期天气变化和长期气候预测都具有重要意义。 本论文采用国际气溶胶自动监测网AERONET的SACOL站经严格的校准、云掩码处理以及质量控制的Version 2 Level 2.0气溶胶数据集,结合搭载在Terra卫星上的中分辨率成像光谱仪MODIS(Moderate-resolution Imaging Spectroradiometer)的L1B 1km分辨率多光谱资料,借助大气辐射传输模式和查算表方法,针对位于我国主要沙尘源区的西北黄土高原半干旱地区进行了沙尘气溶胶光学厚度的反演试验研究。主要内容包括: 1)利用SACOL站点2006年9月~2007年8月地基遥感资料,分析了大气气溶胶光学特性,结果表明:光学厚度和(?)mgstr(o|¨)m波长指数、粒子尺度谱分布、折射指数、单次散射反照率均存在明显的季节变化特征,春季呈现出明显的受沙尘气溶胶影响的特征。 2)用SACOL资料构建了气溶胶模型,基于6S大气辐射传输模式对MODIS/Terra资料进行大气订正,结果发现:SACOL地区的0.47vs0.66gm通道地表反射率比0.47vs2.12μm通道地表反射率的相关性和稳定性更大,VISvs2.12地表反射率关系与散射角(?)的相关性不大。最后得出春季0.66vs2.12和0.47vs0.66地表反射率简单关系式,并与6S模式中的大陆气溶胶模型订正的结果进行了比较。 3)根据不同通道表观反射率随地表反射率的敏感性试验以及研究区域地表反射率范围,确定用0.66μm通道作为反演通道;然后根据大气订正数据选取条件得出四个地表反射率方案,以SACOL为中心的10×10km2为研究区域进行沙尘气溶胶光学厚度的反演试验。结果表明:四种反演方案均比较合理地显示了沙尘气溶胶光学厚度的区域分布,反演方法是可行的;其中考虑了波长指数,并用SACOL气溶胶模型进行大气订正得出的地表反射率反演出的沙尘气溶胶光学厚度最接近实际测量值,误差为-7.3%。通过对反演过程中的误差进行数值试验检验,结果表明该反演方法比较稳定。

基于多源遥感大数据和云计算平台的北半球积雪时空动态研究

这是一篇关于遥感图像处理,Google Earth Engine云计算平台,LSTM,MODIS,北半球积雪的论文, 主要内容为积雪调节了北半球大部分地区的水循环和能量交换,近年来北半球积雪范围和积雪日数呈显著下降趋势。本研究基于Google Earth Engine云计算平台强大的遥感图像处理能力和LSTM神经网络模型,利用MODIS、Landsat等多源遥感数据生成了北半球逐日二值积雪覆盖数据集。利用Landsat卫星数据验证了MOD10A1卫星的积雪识别精度;研究了2000―2019年北半球积雪覆盖频率、积雪面积和积雪物候的时空变化和分布特征;提出了基于STL-LSTM神经网络的积雪面积预测模型,并对不同时间步长和不同网络模型的预测结果进行分析;探讨了积雪物候之间的相关关系和区域对北半球积雪物候变化的贡献。具体研究内容如下:(1)利用30 m Landsat数据对北半球500 m MOD10A1数据进行精度评估,得出基于二值积雪制图MOD10A1的F1分数为85.4%,总体准确率为91.4%。MOD10A1卫星数据的积雪识别的误判率显著低于漏判率。(2)基于Google Earth Engine云计算平台得出北半球积雪覆盖频率变化存在着明显的年际和区域性差异,2000―2019年积雪覆盖频率在欧亚大陆(55°-65°N,30°-120°E)附近地区、蒙古高原、斯塔诺夫高原和格陵兰岛以0.4-0.6 d/a的速率下降,在哈萨克斯坦中部地区、东西伯利亚山地和中国东北地区呈现0.3-0.4 d/a的增加趋势。(3)2000―2019年北半球春冬季节积雪面积下降明显,冬季下降趋势达到了1.9×105 km2/a;通过结合STL方法和LSTM神经网络构建STL-LSTM积雪面积预测模型,STL-LSTM模型在时间步长为6时预测效果最好,平均R2达到0.96,平均MAPE达到4.18。通过与其他模型的预测效果对比,证明了STL时间序列分解方法结合LSTM神经网络方法的有效性。(4)2000―2019年在哈萨克斯坦附近地区和北美洲中部平原地区积雪持续日数显著增加,平均每年增加1.1 d。根据Pearson相关分析得出北半球积雪物候变化主要归因于积雪结束日期的变化,二者相关性达到0.89;从区域对北半球积雪物候变化的贡献分析表明,北半球积雪物候变化主要是由欧亚大陆积雪物候变化主导的,贡献率达到60%左右。研究北半球积雪覆盖频率、积雪面积及积雪物候的时空动态对全球气候变化具有重要意义,为进一步揭示北半球积雪与气候变化相互作用机制提供依据。

2000-2017年澜沧江-湄公河流域植被NDVI指数与降水的关系研究

这是一篇关于MODIS,NDVI,植被变化,降水,澜沧江-湄公河流域的论文, 主要内容为澜沧江-湄公河流域流经中国、越南、缅甸、泰国、柬埔寨、老挝,对六国的农业、能源生产、制造业、粮食安全和生态系统有重要影响。研究澜沧江-湄公河流域植被和降水的相关关系,有利于把握流域生态环境变化特征及其对降水变化的响应程度,对监测流域生态系统稳定性、预警灾害发生、减缓退化过程具有重要意义。本文基于2000-2017年的MOD13A3-NDVI数据、同期ERA-Interim日降水量资料等地理空间数据,采用空间分析、最大值合成法、均值法、趋势线分析等技术方法,分析了2000-2017年澜沧江-湄公河流域植被覆盖度和降水的时空格局,并进一步研究了植被与降水的相关性及植被对降水变化响应的时滞效应。研究主要结论如下:(1)18a来流域植被NDVI时空演变特征。澜沧江-湄公河流域植被覆盖总体状况非常好,中等及以上水平(NDVI>0.4)的植被覆盖度占比96.58%;上游NDVI分布表现出典型的纬度地带性特征,下游则具有地形地貌的分布特征;18a间超过90%的区域植被覆盖度基本不变,植被退化区和改善区主要出现在下游;流域植被的生长具有显著的季节性特征,夏、秋季节植被覆盖率较高,春、冬季节植被覆盖较低;上游NDVI峰值出现在8月,而下游NDVI峰值出现在10月,比上游延迟近2个月;18a来研究区生长季NDVI在7、8、9月增幅最大。(2)18a来流域降水的时空变化特征。流域降水呈下降趋势,年降水分布为从中部向南北两端逐渐递减,强降水中心位于滇、缅、老、泰交界处;从南到北,流域PCI逐渐增大,年降水的月间分配差异逐渐缩小;流域降水重心沿西北东南方向交替提前和推迟;上游的丰雨期在59月,下游的丰雨期则集中在410月;流域内春、夏季节降水呈减少趋势,秋、冬季节降水呈增加趋势;18a来流域降水的年内分配逐渐趋于均衡,丰雨期有不同程度的推迟。(3)流域植被与降水变化的相关性及其时滞效应。18a来澜沧江-湄公河流域NDVImax与年降水量正相关的区域占比为57.16%;NDVImax与PCI呈负相关的区域占比较大;61.91%的区域植被与PC呈正相关;草地、林地与年降水量呈显著正相关,热带草原和耕地与年降水量呈显著负相关;林地和旱地地区降水重心推迟有利于NDVImax增加,而草地、热带草原地区降水重心提前比较有利于NDVImax的增长;18a来流域NDVImax与降水量的相关系数为0.504,二者呈显著正相关关系;草地NDVI对季节间降水变化的响应敏感度高,林地、湿地和耕地的NDVI对降水变化响应的敏感度较低;流域春、夏季节的NDVI与同期降水相关程度最高,秋季NDVI对前推2个月降水变化较为敏感,冬季NDVI与同期降水和前推3个月降水的相关性都比较高。

基于MODIS和欧洲通量观测数据的GPP模型适用性评价研究

这是一篇关于GPP,MODIS,欧洲通量观测网,光能利用率模型的论文, 主要内容为基于MODIS和欧洲碳通量观测数据,本文首先采用GR、VI、TG、EC-LUE以及VPM模型计算了站点尺度8个欧洲通量站的总初级生产力(GPP)。其次,根据GPP模型精度和适用性评价指标,评价了不同模型在不同时间尺度(8天、生长季和年际)上的估算精度和适用性。最后,对影响GPP模型估算精度和适用性的各要素,包括气象数据、经验参数、植被指数、最大光能利用率和光能转换系数、土地覆被分类精度以及空间尺度进行了定量分析。主要研究成果有以下几个方面:(1)以MODIS地表反射率数据(MOD09A1)为数据源,构建了原始时间序列植被指数曲线(NDVI、EVI和LSWI),并采用滤波算法(Savitzky-Golay,S-G)进行了平滑处理。通过与原始植被指数曲线对比可知,平滑后的植被指数曲线更能显示植被指数的季节性变化规律。总体来说,S-G较好的实现了植被指数数据去云重构,提升数据质量的目的。(2)不同时间尺度上(8天、生长季和年际)GPP模型精度评价结果表明:在8天和年际尺度上,TG模型总体估算精度最高,GR和EC-LUE次之,而VPM、VI和MOD17A2模型总体估算精度偏低。季节尺度上,GPP模型对夏季GPP的估算精度最高,春季次之,秋季与春季相比,精度稍低,冬季最低。GPP模型适宜性评价结果表明:对于特定的植被类型,GPP模型的适宜性有较大差异。例如,GR适用于混交林(MF)、常绿针叶林(ENF)、落叶阔叶林(DBF)和草地(GRA)等植被的GPP估算。同时,TG也适用于混交林(MF)和草地(GRA)。EC-LUE和MOD17A2对于常绿阔叶林(EBF)适用性更佳。而对于农田(CRO),EC-LUE和VPM模型的适用性更好。(3)GPP模型估算精度影响因子分析结果表明:1)气象数据中,光和有效辐射、气温和水气压都会影响GPP模型估算精度。对于农田(CRO),水气压是主要限制性因子,而对于其它自然植被类型,则更容易受到气温的限制作用;2)光和温度中,光和最适温度对GPP模型估算精度影响最大,最低温度次之,最高温度影响最小;3)与原始植被指数(EVI/NDVI)相比,S-G重构植被指数数据作为模型输入可以显著提高模型估算精度;4)采用70%GPP实测数据获取的最大光能利用率(εmax)和光能转换系数(m)也能够显著提高模型估算精度;5)以站点中心3×3矩阵9个像元值的均值数据作为模型输入能够有效提高GPP模型估算精度。

基于CALIPSO卫星的区域气溶胶特性研究

这是一篇关于CALIPSO,气溶胶光学厚度,MODIS,空气污染的论文, 主要内容为近年来,大气污染问题已成为公众关注的焦点,大气中可吸入颗粒物的增多会对城市生产生活产生重大影响,而大气气溶胶光学厚度可以在一定程度上反映地面污染状况,此外,气溶胶本身还具有气候、环境及健康效应,因而开展气溶胶光学厚度(Aerosol Optical Depth,AOD)的时空分布研究具有重要现实意义。星载激光雷达系统不仅可以实现全球范围的长时间连续探测,且在探测气溶胶垂直分布特性方面有其独特优势。本文利用NASA(National Aeronautics and Space Administration)的CALIPSO(The Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation)卫星系统所探测到气溶胶数据,首先对中国地区气溶胶分布特性进行研究,并同空间分辨率为10km*10km的MODIS(MODerate-resolution Imaging Spectroradiometer)AOD产品进行对比分析,结果表明二者的时空分布总体上趋势较为一致,在空间分布上,CALIPSO与MODIS的AOD产品均显示中国存在显著的多个高值区和低值区:AOD高值区主要位于四川盆地、华北平原、长江中下游、两广地区以及西北部;而东北平原(含东三省)、内蒙古及东南丘陵地带形成AOD次高区;AOD低值区主要分布在由青藏高原、西南及四川西部地区。此外,CALIPSO反演获得的AOD在中国地区与MODIS的AOD存在系统性的偏差,总体偏低约0.2;相较其它区域,二者在东部地区相关系数最高,为0.518。在时间尺度上,二者均显著地呈现季节变化规律:春季最高,夏季次之,秋季和冬季相当。气溶胶光学厚度频率统计分析表明,两种卫星数据的频率分布以0.4为界,当AOD大于0.4时,二者的频率分布曲线非常一致,而当AOD小于0.4时,二者的频率分布出现差异:CALIPSO的AOD多聚集于小值区间内(0-0.12),而当AOD大于0.12小于0.4时,MODIS的AOD的频率高于CALIPSO的AOD。 本文还通过分析上海地区2006-2011年CALIPSO的后向散射系数.偏振比和色比等垂直剖面参数,揭示了上海地区气溶胶的垂直分布及季节变化特征,并探讨了不同空气质量等级下上海地区气溶胶垂直分布特征。结果表明:上海地区气溶胶粒子多聚集在0-2km的高度上且具有明显的季节特征,冬春季节气溶胶粒子后向散射系数集中于0.005以上,颗粒物散射能力较大,其中冬季偏振比范围为0.15~0.25,色比范围为0.57-0.77,主要为不规则的小颗粒;夏季气溶胶粒子的偏振比(0.03~0.09)较小,气溶胶颗粒物较为规则;秋季各种形态的颗粒混合程度较高,其偏振比的范围为0.12~0.23,色比范围为0.58~0.9;不同污染等级下的气溶胶光学特性在垂直分布上具有明显的差异,在重污染时期散射能力大不规则颗粒物增多,垂直差异不明显,污染高度较高;轻度污染以规则颗粒物为主,颗粒物散射能力较小,表现出低层以粗颗粒为主,高层以细颗粒物为主的特征;轻微污染和无污染的气溶胶垂直分布类似,颗粒物散射能力较小。 最后,本文结合上海市环境监测中心的空气质量实时发布系统的监测站点各污染物的实测数据、MODIS和CALIPSO卫星遥感数据、气象数据以及后向轨迹模式,对上海地区一次重污染过程进行了综合分析,结果表明:2013年11月15日,上海市平均空气质量指数(Air Quality Index,AQI)为218,多个监测站点AQI值在200以上,PM2.5浓度超过200μg·m^(-3),出现了重度污染天气;卫星遥感获取的长江三角洲地区AOD时空分布特性则表明,11月15日上海地区AOD达到最高值(>1.5),且在垂直分布上,在1.5km以下形成一个较厚的以不规则粗颗粒物为主的气溶胶层,其后向散射能力较大,后向散射系数达到约0.01km-1sr-1。天气形势分析表明,受东北方向700hPa高空冷槽影响,上海地区地面处于槽后弱高压控制,加上地面风速较小,为重污染天气形成提供了有利的条件,而近地面大气逆温层的出现进一步限制了污染物的水平和垂直输送,是持续污染天气的重要原因;后向轨迹模式结果表明上海地区持续性重污染天气是在西北地区污染物远距离高空输送、上海市以北上游城市群污染物携带、及本地污染三方协力作用下形成的。综合分析表明,除本地污染源之外,造成这次重污染过程的主要原因是大尺度的天气背景与局地的气象条件所引起的。

基于MODIS和欧洲通量观测数据的GPP模型适用性评价研究

这是一篇关于GPP,MODIS,欧洲通量观测网,光能利用率模型的论文, 主要内容为基于MODIS和欧洲碳通量观测数据,本文首先采用GR、VI、TG、EC-LUE以及VPM模型计算了站点尺度8个欧洲通量站的总初级生产力(GPP)。其次,根据GPP模型精度和适用性评价指标,评价了不同模型在不同时间尺度(8天、生长季和年际)上的估算精度和适用性。最后,对影响GPP模型估算精度和适用性的各要素,包括气象数据、经验参数、植被指数、最大光能利用率和光能转换系数、土地覆被分类精度以及空间尺度进行了定量分析。主要研究成果有以下几个方面:(1)以MODIS地表反射率数据(MOD09A1)为数据源,构建了原始时间序列植被指数曲线(NDVI、EVI和LSWI),并采用滤波算法(Savitzky-Golay,S-G)进行了平滑处理。通过与原始植被指数曲线对比可知,平滑后的植被指数曲线更能显示植被指数的季节性变化规律。总体来说,S-G较好的实现了植被指数数据去云重构,提升数据质量的目的。(2)不同时间尺度上(8天、生长季和年际)GPP模型精度评价结果表明:在8天和年际尺度上,TG模型总体估算精度最高,GR和EC-LUE次之,而VPM、VI和MOD17A2模型总体估算精度偏低。季节尺度上,GPP模型对夏季GPP的估算精度最高,春季次之,秋季与春季相比,精度稍低,冬季最低。GPP模型适宜性评价结果表明:对于特定的植被类型,GPP模型的适宜性有较大差异。例如,GR适用于混交林(MF)、常绿针叶林(ENF)、落叶阔叶林(DBF)和草地(GRA)等植被的GPP估算。同时,TG也适用于混交林(MF)和草地(GRA)。EC-LUE和MOD17A2对于常绿阔叶林(EBF)适用性更佳。而对于农田(CRO),EC-LUE和VPM模型的适用性更好。(3)GPP模型估算精度影响因子分析结果表明:1)气象数据中,光和有效辐射、气温和水气压都会影响GPP模型估算精度。对于农田(CRO),水气压是主要限制性因子,而对于其它自然植被类型,则更容易受到气温的限制作用;2)光和温度中,光和最适温度对GPP模型估算精度影响最大,最低温度次之,最高温度影响最小;3)与原始植被指数(EVI/NDVI)相比,S-G重构植被指数数据作为模型输入可以显著提高模型估算精度;4)采用70%GPP实测数据获取的最大光能利用率(εmax)和光能转换系数(m)也能够显著提高模型估算精度;5)以站点中心3×3矩阵9个像元值的均值数据作为模型输入能够有效提高GPP模型估算精度。

基于EOS/MODIS的青海省春季干旱监测模型研究

这是一篇关于MODIS,热惯量,遥感,特征空间,土壤湿度的论文, 主要内容为本文应用了EOS/MODIS资料,针对青海省春季干旱的实际情况,详细地论述了表观热惯量土壤湿度监测模式和多维特征空间土壤湿度监测模型的建立过程以及前期资料的处理过程。 表观热惯量模型,目前是一种较为成熟的土壤湿度遥感监测方法,但研究多见于利用NOAA/AVHRR资料。本论文中,从MODIS资料的PDS格式出发,到最后的反射率/亮温资料,论述了MODIS资料的去云处理、定标、辐射校正、几何校正等技术方法,应用热惯量监测土壤湿度的基本原理,利用TERRA卫星每日白天、夜间两时相的资料,建立了青海省土壤湿度热惯量遥感监测模型,并针对表观热惯量模型只能监测裸地土壤湿度的缺点,给出了采用NDVI的订正方法,使模型在青海省低海拔地区有轻度返青时仍能应用,更加符合青海高原地区海拔落差大、东西部返青时间不一致的实际,拓宽了模型的应用范围。 多维特征空间土壤湿度监测模型,沿袭了遥感地物分类中K-L变换的思想,将不同含水量的土壤当作不同的地物类别,采用MODIS资料的7、21、29、31四个红外波段,融合具有250米分辨率的2通道,建立了分辨率优于热惯量模型的土壤湿度监测模型,这种模型的建立克服了热惯量模型需要多时相资料的缺陷,也考虑了青海高原春季天气特征状况。 表观热惯量模型和多维特征空间模型在资料的时相要求和监测精度上互为补充,可以作为青海省春季土壤干旱监测模型使用。完成建模工作后,分析了10cm土壤湿度和底层土壤湿度之间的相关关系,并提出了相应的回归模型。论文最后,给出了模型研究中实际存在的问题以及今后需要努力的各个方面。

新疆荒漠区稀疏植被覆盖度信息提取及时空变化分析

这是一篇关于新疆荒漠区,MODIS,稀疏植被覆盖度,气候变化的论文, 主要内容为首先给出植被覆盖度的定义,讨论植被覆盖度研究的意义,分析遥感监测植被覆盖度的优势以及荒漠稀疏植被的特点。然后通过分析国内外植被覆盖度研究现状,从中发现没有专门用于干旱荒漠区的植被覆盖度估算方法这一问题,并对到目前为止已经发展出的植被覆盖度估算方法进行汇总以及对其应用进行概述,从而找出4类6种(改进的三波段梯度差法、像元二分法、线型混合像元分解法、归一化植被指数法、增强型植被指数法和修正型土壤调整植被指数法)目前应用比较广泛的植被覆盖度估算方法,基于MODIS数据提取新疆荒漠区植被覆盖度信息,再利用野外实测植被覆盖度数据对这六种方法的计算结果进行精度验证和对比分析。结果表明:MODIS影像上较难提取纯荒漠植被像元,用农作物的像元值代替会降低像元二分法和线性混合像元分解模型的模拟精度;植被指数法对地面实测数据依赖性较大,模拟的精度差异很大,仅考虑红光和近红外的归一化植被指数法模拟精度最低,而综合考虑土壤和大气因素的增强型植被指数法的模拟结果精度最高;改进的三波段最大梯度差法虽然模拟精度稍次之(R2=0.74;RMSE=13.46),但依据光谱的物理特性,能显著地反映南、北疆荒漠植被覆盖度的差异,是目前大尺度的荒漠区覆盖植被信息提取较为适宜的方法之一 利用对比分析出的较适合于干旱荒漠区的植被覆盖度提取方法(改进的三波段最大梯度差法)估算新疆荒漠区2001-2010年的植被覆盖度,对新疆荒漠区植被覆盖度变化进行了动态监测,并采用最大合成法MVC (Maximum Value Compo sites)和一元线性回归分析法分析了新疆荒漠区近10年来植被的变化特征,然后从气候因素角度分析了研究区植被覆盖度变化的原因。结果表明,2001-2007年研究区植被覆盖度波动升高,2007-2010年出现“V”字形变化:2007-2009年植被覆盖度急剧下降达到近10年的最低值,而2010年又急剧升高达到近10年植被覆盖度的最大值。研究区植被覆盖度的变化也存在较大的空间差异,植被覆盖度比较低的东疆荒漠区和南疆塔克拉玛干沙漠区植被覆盖度变化不大;古尔班通古特沙漠中东部及乌伦古河流域的植被在这10年间有明显的改善;古尔班通古特沙漠西部荒漠区植被退化较严重。通过气候因素与植被覆盖度的变化关系分析可以看出温度对植被覆盖度变化的影响表现为对植被生长年内季节韵律的控制和春季植被生长期的延长,年降水量是影响植被覆盖度变化的主要因素。

基于MODIS的黑龙江流域积雪时空动态变化研究

这是一篇关于黑龙江流域,MODIS,积雪覆盖,去云,气候因子的论文, 主要内容为积雪作为重要的地表覆盖类型之一,其变化对当地的水文循环、生态环境都有重要的反馈和调节作用,在全球气候逐渐变暖的大背景下,积雪的时空变化研究已成为冰冻圈研究中的热点话题之一。MODIS积雪产品具有约500米的空间分辨率、高时间分辨率以及较好的产品制作团队等优势,成为大范围积雪时空变化研究的重要数据源。因此本研究选择近14年的MODIS逐日积雪覆盖数据(MOD10A1\MYD10A1)作为数据源,以黑龙江流域作为研究区,对现有的去云算法进行综合和改进,基于改进后的去云算法制作逐日无云积雪覆盖数据集;并在此数据集的基础上提取积雪覆盖率(SCR)、积雪覆盖天数(SCD)、积雪初日(SCS)以及融雪终日(SCM)等积雪参数,根据这四个积雪参数开展黑龙江流域的积雪时空动态变化研究,并结合气象数据,探讨积雪覆盖率以及积雪覆盖天数与气候因子的相关关系。这将对黑龙江流域的气候变化研究、灾害防治以及社会生产和经济发展提供有效参考。本文研究主要得出以下结论:(1)基于改进后的连续六步去云算法制作的逐日无云积雪覆盖数据集的整体精度达到90%以上,积雪分类精度为82%以上,F值为83%以上。云像元被重分类的整体精度为89.39%,积雪分类精度为83.27%,陆地分类精度为95.51%。(2)黑龙江流域的积雪覆盖率在年内表现为“单峰”分布特征。其中积雪覆盖率最高出现在1月份,占流域面积约85%,最低为7月,占比约5%,年内积雪分布呈明显的季节性差异。年平均积雪覆盖率在年际间表现为微弱的增加趋势,从季节性上看,春季的积雪覆盖率无明显的增减变化,夏季和冬季的积雪覆盖率呈微弱的增加,秋季的积雪覆盖率有轻微的减少迹象。从月份上看,年际间积雪覆盖率波动性较大的月份有春季3、4月份,秋季的11月份以及冬季的12月和2月。(3)黑龙江流域的积雪覆盖天数在空间上表现为“东西部高中部低”、“南部低北部高”的分布特征,与纬度呈明显正相关性,同纬度条件下,与海拔的相关性也较好。在时间上,积雪覆盖天数高值区(>180d)和低值区(<60d)有减少的趋势,而91d150d分段的区域呈微弱的增加趋势。就整个流域而言,积雪覆盖天数呈增加趋势的面积比呈减少趋势的面积要多,海拔较高的区域的积雪覆盖天数呈减少趋势,而海拔较低的区域呈增加趋势。(4)黑龙江流域的积雪初日大约从10月份开始,一直持续到次年1月份;融雪终日大约从3月初开始,整个过程持续至夏季。在空间上具有明显的空间异质性,与海拔、纬度等有密切的关系。在时间上,积雪初日和融雪终日年际间波动性较大,无明显的线性变化趋势。(5)积雪的异常变化与气候的变化密切相关,在季节上,春季积雪覆盖率与不同温度指标呈明显负相关性(P<0.01),与降水无明显相关性。夏季和冬季的积雪覆盖率与降水呈明显的正相关关系(P<0.01),秋季的积雪覆盖率仅与最高温度有较好的负相关关系(P<0.05)。不同月份的积雪覆盖率与不同的气候因子的相关性也不一致。在空间上,积雪覆盖天数与降水呈明显正相关的区域占比为11.8%,与平均温度呈明显负相关的区域占比为38%。总体来看,温度对积雪覆盖天数的影响程度更加突出。

本文内容包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主题。发布者:代码工厂 ,原文地址:https://m.bishedaima.com/lunwen/48558.html

相关推荐

发表回复

登录后才能评论