《表3 基于森林覆盖率修订的积雪深度静态反演算法Table 3 The static snow depth retrieval algorithm based on forest fraction》下
本系列图表出处文件名:随高清版一同展现
《基于被动微波遥感的积雪深度和雪水当量反演研究进展》
注:SD为积雪深度,b为补偿值,随月份变化;f为森林覆盖率;SDf根据表示森林区域积雪深度反演公式计算得到的积雪深度;SD0为根据非森林区域的积雪深度反演公式得到的积雪深度。详细的算法信息在参考文献[46,52]中有详细的说明;fgrass,fbarren,fforest和ffarmland分别为草地、裸
由于植被会衰减来自积雪的上行微波辐射,植被冠层的存在会增加积雪深度反演的难度。基于上述植被覆盖带来的积雪深度反演问题,Foster等[50]对Chang算法做了修订,认为在不同的地区雪深反演算法不应是一样的,故引入植被覆盖度参数来修订反演算法提高积雪深度的反演精度(公式 (8)) ,随后Foster等[51]又将积雪分类数据和地表覆盖类型数据引入到积雪反演中,并建立新的雪水当量反演方法。针对AMSR-E被动微波数据,有研究者在Chang算法基础上提出了改进的积雪深度反演算法(公式 (9)) ,该算法考虑了森林覆盖度及湿雪对积雪估算的影响[41,52]。我国已有很多研究人员利用微波遥感反演和估算积雪深度或雪水当量,曹梅盛等[53]利用数字地形数据将中国西部地区分成了5个地貌单元(高山、高原、盆地、丘陵和低山),通过对Chang算法的修订得出了利用SMMR微波亮温反演积雪深度的修订算法,并分析了中国西部地区的积雪时空分布特征。车涛等[54]结合森林覆盖度,并剔除湿雪、冻土、降水和寒漠等像元,对公式(5)和(6)做了进一步的修正,得到了新的积雪深度反演算法(公式 (10)和(11)) ,使之在中国区域内具有较小的估算误差。蒋玲梅等[37]利用不同频率的亮温对积雪深度的敏感性不同,使用AMSR-E微波亮温和地面台站数据建立中国区域不同地表覆盖类型下的积雪深度半经验统计反演算法(公式 (12)) ,最后将此算法应用于FY-3B被动微波遥感数据估算中国区域积雪深度,研究结果显示在估算纯像元区域站点实测积雪深度时均方根误差(Root-Mean-Square Error,RMSE)在2~6 cm,而混合像元区域积雪深度反演的残差值分布在-5~+5 cm之内(表3)。
图表编号 | XD0016425100 严禁用于非法目的 |
---|---|
绘制时间 | 2018.06.10 |
作者 | 肖雄新、张廷军 |
绘制单位 | 兰州大学资源环境学院西部环境教育部重点实验室、兰州大学资源环境学院西部环境教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |
查看“表3 基于森林覆盖率修订的积雪深度静态反演算法Table 3 The static snow depth retrieval algorithm based on forest fraction”的人还看了
- 表4 长白山西坡苔原带不同海拔积雪日数Table 4 Snow cover days in various altitudes in the alpine tundra on the w estern slope in the Changb
- 表2 关键积雪参数与气候要素之间的相关性分析Table 2 Correlation analysis betw een the key snow-cover parameters and relevant climate factors