资源简介

摘要： 被动微波遥感数据是进行积雪深度反演的重要资料，不同频率微波信号对积雪响应不同。利用人工神经网络（Artificial Neural Network，ANN）方法结合新疆北部地区积雪观测资料建立AMSR2（Advanced Microwave Scanning Radiometer 2）微波亮温（Brightness Temperature，TB）、地理位置、地形因子与雪深的隐含关系，以实现通过亮温、地理位置、地形因子估算北疆地区积雪深度，并分析微波极化方式、位置以及地形的不同组合方式对雪深反演效果的影响。实验结果表明：水平极化对雪深反演的影响大于垂直极化，纬度对雪深的影响大于经度，地表粗糙度和坡向对雪深的影响大于高程和坡度，并且位置和地形因子对雪深影响作用相当。最终通过4种优选模型的误差空间分布对比发现，综合亮温、经纬度、坡度、坡向的ANN输入模型能够较好的反映北疆地区积雪分布状况，训练集的站点平均误差在-7~6 cm之间，该组合模型作为神经网络的输入能够较为合理地获取北疆地区雪深模拟值。 关键词： 神经网络;  雪深;  北疆;  微波亮温;  地理位置;  地形     Abstract: Based on the characteristics of the microwave signal responding to the snow depth，we use AMSR2 brightness temperature，geo\|location and terrain factor as the inputs of ANN，and snow depth as the desired output to develop an efficiency snow depth retrieve model.We compared the influence of combinations of TB，geo-ocation and terrain factors on the retrieve of snow depth.It is reviewed in this article that，TB of horizontal polarization，latitude perform better than vertical polarization and longitude respectively.Combination of slope and aspect is superior to other combinations of terrain factors.Besides，there are equivalent influence on snow depth of geo\|location and terrain factors.Finally，we compare the performance of four optimal ANN models under different input combinations.At last，we found that the ANN consists TB，latitude，longitude，slope and aspect as inputs is the best model which might fairly simulating the snow depth of Beijiang.

相关资源

1. 水质遥感监测的关键要素叶绿素a的反演算法研究进展
2. 基于无人机遥感技术的森林参数获取研究进展
3. 基于无线传感器网络的森林生态系统观测试验平台构建
4. 基于无人机激光雷达的森林冠层高度分析
5. 多源时序国产卫星影像的森林火灾动态监测
6. 基于无人机遥感技术的台风灾害倒伏绿化树木检测

下载说明

·如果您发现该资源不能下载，请通知管理员.gissky@gmail.com

·为确保下载的资源能正常使用，请使用[WinRAR v3.8]或以上版本解压本站资源,缺省解压密码www.gissky.net ，如果是压缩文件为分卷多文件，请依次下载每一个文件，并按照顺序命名为1.rar,2.rar,3.rar...，然后鼠标右击1.rar解压.

·为了保证您快速的下载速度，我们推荐您使用[网际快车]等专业工具下载.

·站内提供的资源纯属学习交流之用,如侵犯您的版权请与我们联系.