文档名：基于星载被动微波的中国东北森林雪深反演
摘要：针对受森林地区复杂地形和植被冠层结构的影响,基于被动微波遥感数据的森林地区雪深反演精度普遍较低的问题,在代表性半经验雪深反演算法的基础上,结合森林气象站观测数据建立了中国东北森林地区半经验雪深反演优化算法.该算法考虑了森林植被介电常数随气温变化的特性,使森林地区的雪深反演精度得到了较大的提高.与其他代表性半经验雪深算法相比,该算法的均方根误差(RMSE:Root-Mean-SquareError)平均减小了2.3cm,偏差(Bias)平均减小了3.7cm,相关系数(R)平均提升了0.11;与常用的机器学习雪深反演算法对比,该算法的RMSE平均减小了2.17cm,Bias平均减小了1.67cm,R平均提升了0.22.
Abstract：Duetotheinfluenceofcomplexterrainandcanopystructureinforest,theaccuracyofsnowdepthretrievalbasedonpassivemicrowaveremotesensingdataisgenerallylow.Basedontherepresentativesemi-empiricalsnowdepthretrievalalgorithmandcombinedwithmeteorologicalobservationdata,anoptimizationalgorithmofsemi-empiricalsnowdepthretrievalinforestareainNortheastChinawasestablishedinthispaper.Inthisalgorithm,thepermittivityofvegetationvarieswithtemperatureandtheaccuracyofsnowdepthretrievalinforestisgreatlyimproved.Comparedwithotherrepresentativesemi-empiricalalgorithms,theRMSE(Root-Mean-SquareError)oftheproposedalgorithmisreducedby2.3cm,Biasby3.7cmonaverageandcorrelation(R)improvedby0.11onaverage.Comparedwiththecommonlyusedsnowdepthretrievalalgorithmbasedonmachinelearning,theRMSEoftheproposedalgorithmisreducedby2.17cm,Biasby1.67cmonaverageandRimprovedby0.22onaverage.
作者：李王波 范昕桐 顾玲嘉Author：LIWangbo FANXintong GULingjia
作者单位：吉林大学电子科学与工程学院,长春130012
刊名：吉林大学学报（信息科学版） ISTIC
Journal：JournalofJilinUniversity(InformationScienceEdition)
年，卷(期)：2023, 41(5)
分类号：TP391P407.8
关键词：被动微波 雪深反演 森林 气温
Keywords：passivemicrowave snowdepthretrieval forest airtemperature
机标分类号：TP79P467S562
在线出版日期：2023年12月27日
基金项目：国家自然科学基金基于星载被动微波的中国东北森林雪深反演[
期刊论文] 吉林大学学报（信息科学版）--2023, 41(5)李王波 范昕桐 顾玲嘉针对受森林地区复杂地形和植被冠层结构的影响,基于被动微波遥感数据的森林地区雪深反演精度普遍较低的问题,在代表性半经验雪深反演算法的基础上,结合森林气象站观测数据建立了中国东北森林地区半经验雪深反演优化算法...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于星载被动微波的中国东北森林雪深反演 Snow Depth Retrieval for Forest Area in Northeast China Based on Spaceborne Passive Microwave
基于星载被动微波的中国东北森林雪深反演.pdf
- 文件大小:
- 9.82 MB
- 下载次数:
- 60
-
高速下载
|
|
