developing a global data record of daily landscape freeze/thaw status using satellite passive microwave remote sensing
1
2011
... 近地表土壤冻融循环过程是陆面过程的“开关”,全球近60%近地表土壤经历冻融循环这一过程[1].土壤的冻结起始日期、持续时间和范围对地表能量过程[2]、水文过程[3-4]、植被动态[5]、二氧化碳交换[6]和生态系统功能[7]等都具有重要影响.研究近地表土壤冻融循环变化对探究当前气候背景下陆-气间相互作用具有重要意义[8].监测季节冻土和多年冻土冻土的方法有:(1)传统方法,主要包括判读解译各种地质图、航空像片及钻孔数据等[9],并根据与冻土有关的区域特征进行外推[10];(2)地球物理方法,主要是根据冻土在物理性质上表现出的高电阻率和高波速等特征,对冻土进行试验性研究,如探地雷达等[11-12];(3)数值模拟方法[7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
Estimation of high-resolution near-surface freeze/thaw state by the integration of microwave and thermal infrared remote sensing data on the Tibetan Plateau
1
2017
... 近地表土壤冻融循环过程是陆面过程的“开关”,全球近60%近地表土壤经历冻融循环这一过程[1].土壤的冻结起始日期、持续时间和范围对地表能量过程[2]、水文过程[3-4]、植被动态[5]、二氧化碳交换[6]和生态系统功能[7]等都具有重要影响.研究近地表土壤冻融循环变化对探究当前气候背景下陆-气间相互作用具有重要意义[8].监测季节冻土和多年冻土冻土的方法有:(1)传统方法,主要包括判读解译各种地质图、航空像片及钻孔数据等[9],并根据与冻土有关的区域特征进行外推[10];(2)地球物理方法,主要是根据冻土在物理性质上表现出的高电阻率和高波速等特征,对冻土进行试验性研究,如探地雷达等[11-12];(3)数值模拟方法[7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
Characteristics of land surface heat and water exchange under different soil freeze/thaw conditions over the central Tibetan Plateau
1
2011
... 近地表土壤冻融循环过程是陆面过程的“开关”,全球近60%近地表土壤经历冻融循环这一过程[1].土壤的冻结起始日期、持续时间和范围对地表能量过程[2]、水文过程[3-4]、植被动态[5]、二氧化碳交换[6]和生态系统功能[7]等都具有重要影响.研究近地表土壤冻融循环变化对探究当前气候背景下陆-气间相互作用具有重要意义[8].监测季节冻土和多年冻土冻土的方法有:(1)传统方法,主要包括判读解译各种地质图、航空像片及钻孔数据等[9],并根据与冻土有关的区域特征进行外推[10];(2)地球物理方法,主要是根据冻土在物理性质上表现出的高电阻率和高波速等特征,对冻土进行试验性研究,如探地雷达等[11-12];(3)数值模拟方法[7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
Study on the relationship between seasonal freezing-thawing areas and summer precipitation in the Northern Hemisphere
1
2020
... 近地表土壤冻融循环过程是陆面过程的“开关”,全球近60%近地表土壤经历冻融循环这一过程[1].土壤的冻结起始日期、持续时间和范围对地表能量过程[2]、水文过程[3-4]、植被动态[5]、二氧化碳交换[6]和生态系统功能[7]等都具有重要影响.研究近地表土壤冻融循环变化对探究当前气候背景下陆-气间相互作用具有重要意义[8].监测季节冻土和多年冻土冻土的方法有:(1)传统方法,主要包括判读解译各种地质图、航空像片及钻孔数据等[9],并根据与冻土有关的区域特征进行外推[10];(2)地球物理方法,主要是根据冻土在物理性质上表现出的高电阻率和高波速等特征,对冻土进行试验性研究,如探地雷达等[11-12];(3)数值模拟方法[7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
北半球季节性冻融区与北半球夏季降水关系的研究
1
2020
... 近地表土壤冻融循环过程是陆面过程的“开关”,全球近60%近地表土壤经历冻融循环这一过程[1].土壤的冻结起始日期、持续时间和范围对地表能量过程[2]、水文过程[3-4]、植被动态[5]、二氧化碳交换[6]和生态系统功能[7]等都具有重要影响.研究近地表土壤冻融循环变化对探究当前气候背景下陆-气间相互作用具有重要意义[8].监测季节冻土和多年冻土冻土的方法有:(1)传统方法,主要包括判读解译各种地质图、航空像片及钻孔数据等[9],并根据与冻土有关的区域特征进行外推[10];(2)地球物理方法,主要是根据冻土在物理性质上表现出的高电阻率和高波速等特征,对冻土进行试验性研究,如探地雷达等[11-12];(3)数值模拟方法[7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
Repeated freeze/thaw cycles and their effects on biological processes in two arctic ecosystem types
1
2002
... 近地表土壤冻融循环过程是陆面过程的“开关”,全球近60%近地表土壤经历冻融循环这一过程[1].土壤的冻结起始日期、持续时间和范围对地表能量过程[2]、水文过程[3-4]、植被动态[5]、二氧化碳交换[6]和生态系统功能[7]等都具有重要影响.研究近地表土壤冻融循环变化对探究当前气候背景下陆-气间相互作用具有重要意义[8].监测季节冻土和多年冻土冻土的方法有:(1)传统方法,主要包括判读解译各种地质图、航空像片及钻孔数据等[9],并根据与冻土有关的区域特征进行外推[10];(2)地球物理方法,主要是根据冻土在物理性质上表现出的高电阻率和高波速等特征,对冻土进行试验性研究,如探地雷达等[11-12];(3)数值模拟方法[7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
Microbial response to freeze-thaw cycles in tundra and taiga soils
1
1996
... 近地表土壤冻融循环过程是陆面过程的“开关”,全球近60%近地表土壤经历冻融循环这一过程[1].土壤的冻结起始日期、持续时间和范围对地表能量过程[2]、水文过程[3-4]、植被动态[5]、二氧化碳交换[6]和生态系统功能[7]等都具有重要影响.研究近地表土壤冻融循环变化对探究当前气候背景下陆-气间相互作用具有重要意义[8].监测季节冻土和多年冻土冻土的方法有:(1)传统方法,主要包括判读解译各种地质图、航空像片及钻孔数据等[9],并根据与冻土有关的区域特征进行外推[10];(2)地球物理方法,主要是根据冻土在物理性质上表现出的高电阻率和高波速等特征,对冻土进行试验性研究,如探地雷达等[11-12];(3)数值模拟方法[7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
Simulating soil freeze/thaw cycles typical of winter alpine conditions: implications for N and P availability
2
2007
... 近地表土壤冻融循环过程是陆面过程的“开关”,全球近60%近地表土壤经历冻融循环这一过程[1].土壤的冻结起始日期、持续时间和范围对地表能量过程[2]、水文过程[3-4]、植被动态[5]、二氧化碳交换[6]和生态系统功能[7]等都具有重要影响.研究近地表土壤冻融循环变化对探究当前气候背景下陆-气间相互作用具有重要意义[8].监测季节冻土和多年冻土冻土的方法有:(1)传统方法,主要包括判读解译各种地质图、航空像片及钻孔数据等[9],并根据与冻土有关的区域特征进行外推[10];(2)地球物理方法,主要是根据冻土在物理性质上表现出的高电阻率和高波速等特征,对冻土进行试验性研究,如探地雷达等[11-12];(3)数值模拟方法[7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
... [7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
The variation characteristics of different freeze-thaw status in the near surface and the relationship with temperature over the Qinghai-Tibet Plateau
1
2019
... 近地表土壤冻融循环过程是陆面过程的“开关”,全球近60%近地表土壤经历冻融循环这一过程[1].土壤的冻结起始日期、持续时间和范围对地表能量过程[2]、水文过程[3-4]、植被动态[5]、二氧化碳交换[6]和生态系统功能[7]等都具有重要影响.研究近地表土壤冻融循环变化对探究当前气候背景下陆-气间相互作用具有重要意义[8].监测季节冻土和多年冻土冻土的方法有:(1)传统方法,主要包括判读解译各种地质图、航空像片及钻孔数据等[9],并根据与冻土有关的区域特征进行外推[10];(2)地球物理方法,主要是根据冻土在物理性质上表现出的高电阻率和高波速等特征,对冻土进行试验性研究,如探地雷达等[11-12];(3)数值模拟方法[7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
青藏高原近地表土壤不同冻融状态的变化特征及其与气候的关系
1
2019
... 近地表土壤冻融循环过程是陆面过程的“开关”,全球近60%近地表土壤经历冻融循环这一过程[1].土壤的冻结起始日期、持续时间和范围对地表能量过程[2]、水文过程[3-4]、植被动态[5]、二氧化碳交换[6]和生态系统功能[7]等都具有重要影响.研究近地表土壤冻融循环变化对探究当前气候背景下陆-气间相互作用具有重要意义[8].监测季节冻土和多年冻土冻土的方法有:(1)传统方法,主要包括判读解译各种地质图、航空像片及钻孔数据等[9],并根据与冻土有关的区域特征进行外推[10];(2)地球物理方法,主要是根据冻土在物理性质上表现出的高电阻率和高波速等特征,对冻土进行试验性研究,如探地雷达等[11-12];(3)数值模拟方法[7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
Response of changes in seasonal soil freeze/thaw state to climate change from 1950 to 2010 across China
1
2016
... 近地表土壤冻融循环过程是陆面过程的“开关”,全球近60%近地表土壤经历冻融循环这一过程[1].土壤的冻结起始日期、持续时间和范围对地表能量过程[2]、水文过程[3-4]、植被动态[5]、二氧化碳交换[6]和生态系统功能[7]等都具有重要影响.研究近地表土壤冻融循环变化对探究当前气候背景下陆-气间相互作用具有重要意义[8].监测季节冻土和多年冻土冻土的方法有:(1)传统方法,主要包括判读解译各种地质图、航空像片及钻孔数据等[9],并根据与冻土有关的区域特征进行外推[10];(2)地球物理方法,主要是根据冻土在物理性质上表现出的高电阻率和高波速等特征,对冻土进行试验性研究,如探地雷达等[11-12];(3)数值模拟方法[7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
A statistical approach to modelling permafrost distribution in the European Alps or similar mountain ranges
1
2012
... 近地表土壤冻融循环过程是陆面过程的“开关”,全球近60%近地表土壤经历冻融循环这一过程[1].土壤的冻结起始日期、持续时间和范围对地表能量过程[2]、水文过程[3-4]、植被动态[5]、二氧化碳交换[6]和生态系统功能[7]等都具有重要影响.研究近地表土壤冻融循环变化对探究当前气候背景下陆-气间相互作用具有重要意义[8].监测季节冻土和多年冻土冻土的方法有:(1)传统方法,主要包括判读解译各种地质图、航空像片及钻孔数据等[9],并根据与冻土有关的区域特征进行外推[10];(2)地球物理方法,主要是根据冻土在物理性质上表现出的高电阻率和高波速等特征,对冻土进行试验性研究,如探地雷达等[11-12];(3)数值模拟方法[7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
Spatial variability of active layer thickness detected by ground-penetrating radar in the Qilian Mountains, Western China
1
2017
... 近地表土壤冻融循环过程是陆面过程的“开关”,全球近60%近地表土壤经历冻融循环这一过程[1].土壤的冻结起始日期、持续时间和范围对地表能量过程[2]、水文过程[3-4]、植被动态[5]、二氧化碳交换[6]和生态系统功能[7]等都具有重要影响.研究近地表土壤冻融循环变化对探究当前气候背景下陆-气间相互作用具有重要意义[8].监测季节冻土和多年冻土冻土的方法有:(1)传统方法,主要包括判读解译各种地质图、航空像片及钻孔数据等[9],并根据与冻土有关的区域特征进行外推[10];(2)地球物理方法,主要是根据冻土在物理性质上表现出的高电阻率和高波速等特征,对冻土进行试验性研究,如探地雷达等[11-12];(3)数值模拟方法[7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
Hillslope-scale variability in seasonal frost depth and soil water content investigated by GPR on the southern margin of the sporadic permafrost zone on the Tibetan Plateau
1
2015
... 近地表土壤冻融循环过程是陆面过程的“开关”,全球近60%近地表土壤经历冻融循环这一过程[1].土壤的冻结起始日期、持续时间和范围对地表能量过程[2]、水文过程[3-4]、植被动态[5]、二氧化碳交换[6]和生态系统功能[7]等都具有重要影响.研究近地表土壤冻融循环变化对探究当前气候背景下陆-气间相互作用具有重要意义[8].监测季节冻土和多年冻土冻土的方法有:(1)传统方法,主要包括判读解译各种地质图、航空像片及钻孔数据等[9],并根据与冻土有关的区域特征进行外推[10];(2)地球物理方法,主要是根据冻土在物理性质上表现出的高电阻率和高波速等特征,对冻土进行试验性研究,如探地雷达等[11-12];(3)数值模拟方法[7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
Characteristics of land surface heat and water exchange under different soil freeze/thaw conditions over the central Tibetan Plateau
1
2011
... 近地表土壤冻融循环过程是陆面过程的“开关”,全球近60%近地表土壤经历冻融循环这一过程[1].土壤的冻结起始日期、持续时间和范围对地表能量过程[2]、水文过程[3-4]、植被动态[5]、二氧化碳交换[6]和生态系统功能[7]等都具有重要影响.研究近地表土壤冻融循环变化对探究当前气候背景下陆-气间相互作用具有重要意义[8].监测季节冻土和多年冻土冻土的方法有:(1)传统方法,主要包括判读解译各种地质图、航空像片及钻孔数据等[9],并根据与冻土有关的区域特征进行外推[10];(2)地球物理方法,主要是根据冻土在物理性质上表现出的高电阻率和高波速等特征,对冻土进行试验性研究,如探地雷达等[11-12];(3)数值模拟方法[7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
Temporal and spatial variability of the beginning and end of daily spring freeze/thaw cycles derived from scatter meter data
1
2007
... 近地表土壤冻融循环过程是陆面过程的“开关”,全球近60%近地表土壤经历冻融循环这一过程[1].土壤的冻结起始日期、持续时间和范围对地表能量过程[2]、水文过程[3-4]、植被动态[5]、二氧化碳交换[6]和生态系统功能[7]等都具有重要影响.研究近地表土壤冻融循环变化对探究当前气候背景下陆-气间相互作用具有重要意义[8].监测季节冻土和多年冻土冻土的方法有:(1)传统方法,主要包括判读解译各种地质图、航空像片及钻孔数据等[9],并根据与冻土有关的区域特征进行外推[10];(2)地球物理方法,主要是根据冻土在物理性质上表现出的高电阻率和高波速等特征,对冻土进行试验性研究,如探地雷达等[11-12];(3)数值模拟方法[7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
An extended global Earth system data record on daily landscape freeze-thaw status determined from satellite passive microwave remote sensing
5
2017
... 常用的算法主要有双指标算法[20-22]及其演变而来的单指标算法[15]、时间序列变化检测算法[23]、决策树算法[24-25]和判别式算法[26-27],并由此发布了一系列基于不同目的及训练样本数据的近地表土壤冻融数据集.根据Jin等[28]的研究,结合覆盖不同地表类型的273个中国气象台站资料验证后,双指标算法的冻结分类精度、融化分类精度和总分类精度均超过80%,总分类精度最高可以达到89.9%.决策树算法基于3个指标:散射指数(Scatter Index, SI)、37 GHz 垂直极化亮温,以及19 GHz水平极化和垂直极化(Polarization Difference, PD)的亮温差实现对地表土壤冻融状态的判别,并利用国际协同加强观测期(CEOP)在青藏高原地区的土壤温度和湿度观测系统获取的4 cm地温数据代表浅层土壤真实冻融状态验证分类结果,其分类精度达87%[24-25].Kim等[15]简化了双指标算法,只选取了37 GHz垂直极化通道亮温作为判别依据,并利用模型模拟的气温数据进行验证,结果表明上午过境和下午过境的年平均分类精度分别为84.3%和90.3%. ...
... [15]简化了双指标算法,只选取了37 GHz垂直极化通道亮温作为判别依据,并利用模型模拟的气温数据进行验证,结果表明上午过境和下午过境的年平均分类精度分别为84.3%和90.3%. ...
... SSMIS: Tb37V
冻结、融化 | Kim等[15],2017 | 双指标算法数据集采用SMMR(1978—1987年)和SSM/I(1987—2009年)逐日亮温数据,由37 GHz垂直极化亮温和37 GHz和19 GHz垂直极化亮温梯度两个指标将地表分类为冻结地表、融化地表、沙漠和水体四种类型[24-25]. ...
... 由于冰的发射率大于水的发射率,土壤发射率会随着土壤冻结逐渐增加,但这种现象在微波频率较高时逐渐消失.据此Kim等[15]提出了单指标算法,仅采用37 GHz垂直极化通道的亮温,结合再分析资料ERA-Interim中的气温,统计地表土壤冻融边界时37 GHz垂直极化亮温的阈值,最终建立了1978—2017年全球逐日地表冻融状态数据集. ...
... 虽然利用被动微波卫星遥感亮温结合冻融算法能够监测近地表土壤的冻融状态,并且其分类精度达到了80%以上[15,21,24-25],但在长时间序列近地表土壤冻融状态研究中,该方法无法准确获取冻融过渡期近地表土壤的冻融状态.在冻融过渡期较长、气候变化缓慢、土壤含水量较多的地区,土壤中水分相变过程相对缓慢,浅层土壤中的水(冰)无法快速完全冻结(融化),长时间保持在0 ℃左右,土壤处于由融化(冻结)向冻结(融化)过渡的阶段,无法仅用冻结或融化描述该状态.另外,在气温日变化较大地区,浅层土壤可能在一天内出现反复冻融的现象,而被动微波卫星遥感亮温仅能反映卫星过境时刻地表的辐射特征,容易导致误分. ...
Evaluation of three supervised classifiers in mapping depth to late-summer frozen ground, Central Yukon Territory
1
1996
... 近地表土壤冻融循环过程是陆面过程的“开关”,全球近60%近地表土壤经历冻融循环这一过程[1].土壤的冻结起始日期、持续时间和范围对地表能量过程[2]、水文过程[3-4]、植被动态[5]、二氧化碳交换[6]和生态系统功能[7]等都具有重要影响.研究近地表土壤冻融循环变化对探究当前气候背景下陆-气间相互作用具有重要意义[8].监测季节冻土和多年冻土冻土的方法有:(1)传统方法,主要包括判读解译各种地质图、航空像片及钻孔数据等[9],并根据与冻土有关的区域特征进行外推[10];(2)地球物理方法,主要是根据冻土在物理性质上表现出的高电阻率和高波速等特征,对冻土进行试验性研究,如探地雷达等[11-12];(3)数值模拟方法[7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
Application of satellite remote sensing techniques to frozen ground studies
1
2004
... 近地表土壤冻融循环过程是陆面过程的“开关”,全球近60%近地表土壤经历冻融循环这一过程[1].土壤的冻结起始日期、持续时间和范围对地表能量过程[2]、水文过程[3-4]、植被动态[5]、二氧化碳交换[6]和生态系统功能[7]等都具有重要影响.研究近地表土壤冻融循环变化对探究当前气候背景下陆-气间相互作用具有重要意义[8].监测季节冻土和多年冻土冻土的方法有:(1)传统方法,主要包括判读解译各种地质图、航空像片及钻孔数据等[9],并根据与冻土有关的区域特征进行外推[10];(2)地球物理方法,主要是根据冻土在物理性质上表现出的高电阻率和高波速等特征,对冻土进行试验性研究,如探地雷达等[11-12];(3)数值模拟方法[7,13],即利用物理模型计算土壤温度,通过温度直接判定地表土壤冻融状态;(4)遥感手段[14-16],例如利用卫星遥感技术进行多年冻土分布制图.传统方法和地球物理方法虽然能够在点尺度上较为准确地描述近地表土壤冻融循环过程,并为其他方法的验证提供真实的地表信息,但是并不能适用于大尺度规模研究和长时间序列趋势研究,尤其在交通不便的山区和偏远地区,观测点稀疏或几乎没有.数值模拟方法则由于可靠的驱动资料(如雪的分布和土壤条件)相对有限,其应用仍然面临着挑战.遥感技术探测范围大,获取资料的速度快、周期短,并且受大气影响和地面条件限制少,已经被成功地应用于区域尺度和全球尺度的近地表土壤冻融循环研究中.卫星遥感技术的发展,尤其是具全天候全天时监测能力的微波遥感技术的发展,为同步监测大范围环境的近地表土壤的冻融状态提供了高技术、高精度的有效手段[17]. ...
Overview of the satellite remote sensing of frozen ground: visible-thermal infrared and Radar sensor
2
2009
... 土壤冻融过程实际就是土壤水的相变过程,而水和冰介电特性差异较大,导致冻土和融土的辐射亮温也存在显著差异[18].监测近地表土壤冻融状态的亮温数据主要来自于美国的SMMR (Scanning Multichannel Microwave Radiometer, 1978—1987年)、SSM/I(Special Sensor Microwave/Imager)及SSMIS(Special Sensor Microwave Imager/Sounder, 1987年至今)等传感器,形成了一套不同分辨率多源时空连续(1978年至今)的被动微波亮温产品,为气候变化背景下冻土的时间变化规律和空间分布特征提供了连续的观测数据[18].利用被动微波卫星遥感亮温监测近地表土壤冻融状态大致经历了理论基础和算法的研制、算法的验证和应用以及建立数据集三个主要过程[19],为近地表土壤冻融研究奠定了良好的开始和基础. ...
... [18].利用被动微波卫星遥感亮温监测近地表土壤冻融状态大致经历了理论基础和算法的研制、算法的验证和应用以及建立数据集三个主要过程[19],为近地表土壤冻融研究奠定了良好的开始和基础. ...
冻土遥感研究进展——可见光、红外及主动微波卫星遥感方法
2
2009
... 土壤冻融过程实际就是土壤水的相变过程,而水和冰介电特性差异较大,导致冻土和融土的辐射亮温也存在显著差异[18].监测近地表土壤冻融状态的亮温数据主要来自于美国的SMMR (Scanning Multichannel Microwave Radiometer, 1978—1987年)、SSM/I(Special Sensor Microwave/Imager)及SSMIS(Special Sensor Microwave Imager/Sounder, 1987年至今)等传感器,形成了一套不同分辨率多源时空连续(1978年至今)的被动微波亮温产品,为气候变化背景下冻土的时间变化规律和空间分布特征提供了连续的观测数据[18].利用被动微波卫星遥感亮温监测近地表土壤冻融状态大致经历了理论基础和算法的研制、算法的验证和应用以及建立数据集三个主要过程[19],为近地表土壤冻融研究奠定了良好的开始和基础. ...
... [18].利用被动微波卫星遥感亮温监测近地表土壤冻融状态大致经历了理论基础和算法的研制、算法的验证和应用以及建立数据集三个主要过程[19],为近地表土壤冻融研究奠定了良好的开始和基础. ...
Overview of the satellite remote sensing of frozen ground: passive microwave sensors
1
2009
... 土壤冻融过程实际就是土壤水的相变过程,而水和冰介电特性差异较大,导致冻土和融土的辐射亮温也存在显著差异[18].监测近地表土壤冻融状态的亮温数据主要来自于美国的SMMR (Scanning Multichannel Microwave Radiometer, 1978—1987年)、SSM/I(Special Sensor Microwave/Imager)及SSMIS(Special Sensor Microwave Imager/Sounder, 1987年至今)等传感器,形成了一套不同分辨率多源时空连续(1978年至今)的被动微波亮温产品,为气候变化背景下冻土的时间变化规律和空间分布特征提供了连续的观测数据[18].利用被动微波卫星遥感亮温监测近地表土壤冻融状态大致经历了理论基础和算法的研制、算法的验证和应用以及建立数据集三个主要过程[19],为近地表土壤冻融研究奠定了良好的开始和基础. ...
冻土遥感研究进展——被动微波遥感
1
2009
... 土壤冻融过程实际就是土壤水的相变过程,而水和冰介电特性差异较大,导致冻土和融土的辐射亮温也存在显著差异[18].监测近地表土壤冻融状态的亮温数据主要来自于美国的SMMR (Scanning Multichannel Microwave Radiometer, 1978—1987年)、SSM/I(Special Sensor Microwave/Imager)及SSMIS(Special Sensor Microwave Imager/Sounder, 1987年至今)等传感器,形成了一套不同分辨率多源时空连续(1978年至今)的被动微波亮温产品,为气候变化背景下冻土的时间变化规律和空间分布特征提供了连续的观测数据[18].利用被动微波卫星遥感亮温监测近地表土壤冻融状态大致经历了理论基础和算法的研制、算法的验证和应用以及建立数据集三个主要过程[19],为近地表土壤冻融研究奠定了良好的开始和基础. ...
Freeze/thaw classification for prairie soils using SSM/I radiobrightnesses
1
1997
... 常用的算法主要有双指标算法[20-22]及其演变而来的单指标算法[15]、时间序列变化检测算法[23]、决策树算法[24-25]和判别式算法[26-27],并由此发布了一系列基于不同目的及训练样本数据的近地表土壤冻融数据集.根据Jin等[28]的研究,结合覆盖不同地表类型的273个中国气象台站资料验证后,双指标算法的冻结分类精度、融化分类精度和总分类精度均超过80%,总分类精度最高可以达到89.9%.决策树算法基于3个指标:散射指数(Scatter Index, SI)、37 GHz 垂直极化亮温,以及19 GHz水平极化和垂直极化(Polarization Difference, PD)的亮温差实现对地表土壤冻融状态的判别,并利用国际协同加强观测期(CEOP)在青藏高原地区的土壤温度和湿度观测系统获取的4 cm地温数据代表浅层土壤真实冻融状态验证分类结果,其分类精度达87%[24-25].Kim等[15]简化了双指标算法,只选取了37 GHz垂直极化通道亮温作为判别依据,并利用模型模拟的气温数据进行验证,结果表明上午过境和下午过境的年平均分类精度分别为84.3%和90.3%. ...
Soil freeze/thaw cycles over snow free land detected by passive microwave remote sensing
2
2001
... 虽然利用被动微波卫星遥感亮温结合冻融算法能够监测近地表土壤的冻融状态,并且其分类精度达到了80%以上[15,21,24-25],但在长时间序列近地表土壤冻融状态研究中,该方法无法准确获取冻融过渡期近地表土壤的冻融状态.在冻融过渡期较长、气候变化缓慢、土壤含水量较多的地区,土壤中水分相变过程相对缓慢,浅层土壤中的水(冰)无法快速完全冻结(融化),长时间保持在0 ℃左右,土壤处于由融化(冻结)向冻结(融化)过渡的阶段,无法仅用冻结或融化描述该状态.另外,在气温日变化较大地区,浅层土壤可能在一天内出现反复冻融的现象,而被动微波卫星遥感亮温仅能反映卫星过境时刻地表的辐射特征,容易导致误分. ...
... 近年来关于利用被动微波卫星遥感监测地表冻融主要集中于算法的研制和参数调整,并且在参数调整和算法验证过程中所采用的资料各不相同,虽然其整体验证精度很高,但由于研究目的、研究时期和研究区域不同,近地表土壤冻融状态数据集之间差异较大.判别式算法数据集由于空间分辨率较粗(0.25°),且时间序列较短,极大地限制了其实际应用.本研究基于相同的气象台站观测资料,对比了三种近地表土壤冻融状态数据集在1987—2008年对近地表土壤冻融时间的判别能力.结果表明单指标算法数据集与气象台站观测资料的统计结果更加接近,而决策树算法数据集的偏差和均方根误差最大.主要原因是单指标算法是以再分析资料ERA-Interim中的气温为基础数据,标定各地表像元逐年冻结边界阈值,避免了在长时间序列研究中使用单一阈值.决策树算法则是以青藏高原多年冻土区、季节冻土区和河流融区的3个站点的4 cm土壤温度为基础数据确定37 GHz垂直极化亮温的阈值252 K.曹梅盛等[34]利用青海高原地区1983年SMMR亮温资料结合5 cm土壤温度,最终确定了37 GHz水平极化亮温阈值为222.5 K;Zhang等[21]在识别美国无雪地表土壤冻融时,则选取了258.2 K作为37 GHz垂直极化亮温冻结边界的阈值;Han等[35]关于中国北部和蒙古国地表冻融的研究中,分别以258.2 K和260.1 K作为上午过境和下午过境时37 GHz垂直极化亮温冻结边界阈值.由此可见在不同区域、不同时间利用37 GHz亮温冻结边界的阈值作为判别地表冻融状态的指标时,需要根据地表状况进行重新标定,避免使用单一阈值. ...
Investigation of the near-surface soil freeze-thaw cycle in the contiguous United States: algorithm development and validation
1
2003
... 常用的算法主要有双指标算法[20-22]及其演变而来的单指标算法[15]、时间序列变化检测算法[23]、决策树算法[24-25]和判别式算法[26-27],并由此发布了一系列基于不同目的及训练样本数据的近地表土壤冻融数据集.根据Jin等[28]的研究,结合覆盖不同地表类型的273个中国气象台站资料验证后,双指标算法的冻结分类精度、融化分类精度和总分类精度均超过80%,总分类精度最高可以达到89.9%.决策树算法基于3个指标:散射指数(Scatter Index, SI)、37 GHz 垂直极化亮温,以及19 GHz水平极化和垂直极化(Polarization Difference, PD)的亮温差实现对地表土壤冻融状态的判别,并利用国际协同加强观测期(CEOP)在青藏高原地区的土壤温度和湿度观测系统获取的4 cm地温数据代表浅层土壤真实冻融状态验证分类结果,其分类精度达87%[24-25].Kim等[15]简化了双指标算法,只选取了37 GHz垂直极化通道亮温作为判别依据,并利用模型模拟的气温数据进行验证,结果表明上午过境和下午过境的年平均分类精度分别为84.3%和90.3%. ...
Trends in high northern latitude soil freeze and thaw cycles from 1988 to 2002
1
2004
... 常用的算法主要有双指标算法[20-22]及其演变而来的单指标算法[15]、时间序列变化检测算法[23]、决策树算法[24-25]和判别式算法[26-27],并由此发布了一系列基于不同目的及训练样本数据的近地表土壤冻融数据集.根据Jin等[28]的研究,结合覆盖不同地表类型的273个中国气象台站资料验证后,双指标算法的冻结分类精度、融化分类精度和总分类精度均超过80%,总分类精度最高可以达到89.9%.决策树算法基于3个指标:散射指数(Scatter Index, SI)、37 GHz 垂直极化亮温,以及19 GHz水平极化和垂直极化(Polarization Difference, PD)的亮温差实现对地表土壤冻融状态的判别,并利用国际协同加强观测期(CEOP)在青藏高原地区的土壤温度和湿度观测系统获取的4 cm地温数据代表浅层土壤真实冻融状态验证分类结果,其分类精度达87%[24-25].Kim等[15]简化了双指标算法,只选取了37 GHz垂直极化通道亮温作为判别依据,并利用模型模拟的气温数据进行验证,结果表明上午过境和下午过境的年平均分类精度分别为84.3%和90.3%. ...
A decision tree algorithm for surface freeze/thaw classification using SSM/I
5
2008
... 常用的算法主要有双指标算法[20-22]及其演变而来的单指标算法[15]、时间序列变化检测算法[23]、决策树算法[24-25]和判别式算法[26-27],并由此发布了一系列基于不同目的及训练样本数据的近地表土壤冻融数据集.根据Jin等[28]的研究,结合覆盖不同地表类型的273个中国气象台站资料验证后,双指标算法的冻结分类精度、融化分类精度和总分类精度均超过80%,总分类精度最高可以达到89.9%.决策树算法基于3个指标:散射指数(Scatter Index, SI)、37 GHz 垂直极化亮温,以及19 GHz水平极化和垂直极化(Polarization Difference, PD)的亮温差实现对地表土壤冻融状态的判别,并利用国际协同加强观测期(CEOP)在青藏高原地区的土壤温度和湿度观测系统获取的4 cm地温数据代表浅层土壤真实冻融状态验证分类结果,其分类精度达87%[24-25].Kim等[15]简化了双指标算法,只选取了37 GHz垂直极化通道亮温作为判别依据,并利用模型模拟的气温数据进行验证,结果表明上午过境和下午过境的年平均分类精度分别为84.3%和90.3%. ...
... [24-25].Kim等[15]简化了双指标算法,只选取了37 GHz垂直极化通道亮温作为判别依据,并利用模型模拟的气温数据进行验证,结果表明上午过境和下午过境的年平均分类精度分别为84.3%和90.3%. ...
... 双指标算法数据集采用SMMR(1978—1987年)和SSM/I(1987—2009年)逐日亮温数据,由37 GHz垂直极化亮温和37 GHz和19 GHz垂直极化亮温梯度两个指标将地表分类为冻结地表、融化地表、沙漠和水体四种类型[24-25]. ...
... 基于双指标算法的理论基础,通过样本统计分析以及先验知识,晋锐等[24-25]发展了适用于业务化运行的地表冻融状态决策树算法.采用的数据包括SSM/I的19 GHz垂直极化亮温、22 GHz的水平和垂直极化亮温、37 GHz垂直极化亮温以及85 GHz垂直极化亮温,并在国家青藏高原科学数据中心发布了1987—2009年中国地表冻融状态数据集.由于85 GHz亮温的缺失,1989—1991年没有分类结果. ...
... 虽然利用被动微波卫星遥感亮温结合冻融算法能够监测近地表土壤的冻融状态,并且其分类精度达到了80%以上[15,21,24-25],但在长时间序列近地表土壤冻融状态研究中,该方法无法准确获取冻融过渡期近地表土壤的冻融状态.在冻融过渡期较长、气候变化缓慢、土壤含水量较多的地区,土壤中水分相变过程相对缓慢,浅层土壤中的水(冰)无法快速完全冻结(融化),长时间保持在0 ℃左右,土壤处于由融化(冻结)向冻结(融化)过渡的阶段,无法仅用冻结或融化描述该状态.另外,在气温日变化较大地区,浅层土壤可能在一天内出现反复冻融的现象,而被动微波卫星遥感亮温仅能反映卫星过境时刻地表的辐射特征,容易导致误分. ...
SSM/I监测地表冻融状态的决策树算法
5
2008
... 常用的算法主要有双指标算法[20-22]及其演变而来的单指标算法[15]、时间序列变化检测算法[23]、决策树算法[24-25]和判别式算法[26-27],并由此发布了一系列基于不同目的及训练样本数据的近地表土壤冻融数据集.根据Jin等[28]的研究,结合覆盖不同地表类型的273个中国气象台站资料验证后,双指标算法的冻结分类精度、融化分类精度和总分类精度均超过80%,总分类精度最高可以达到89.9%.决策树算法基于3个指标:散射指数(Scatter Index, SI)、37 GHz 垂直极化亮温,以及19 GHz水平极化和垂直极化(Polarization Difference, PD)的亮温差实现对地表土壤冻融状态的判别,并利用国际协同加强观测期(CEOP)在青藏高原地区的土壤温度和湿度观测系统获取的4 cm地温数据代表浅层土壤真实冻融状态验证分类结果,其分类精度达87%[24-25].Kim等[15]简化了双指标算法,只选取了37 GHz垂直极化通道亮温作为判别依据,并利用模型模拟的气温数据进行验证,结果表明上午过境和下午过境的年平均分类精度分别为84.3%和90.3%. ...
... [24-25].Kim等[15]简化了双指标算法,只选取了37 GHz垂直极化通道亮温作为判别依据,并利用模型模拟的气温数据进行验证,结果表明上午过境和下午过境的年平均分类精度分别为84.3%和90.3%. ...
... 双指标算法数据集采用SMMR(1978—1987年)和SSM/I(1987—2009年)逐日亮温数据,由37 GHz垂直极化亮温和37 GHz和19 GHz垂直极化亮温梯度两个指标将地表分类为冻结地表、融化地表、沙漠和水体四种类型[24-25]. ...
... 基于双指标算法的理论基础,通过样本统计分析以及先验知识,晋锐等[24-25]发展了适用于业务化运行的地表冻融状态决策树算法.采用的数据包括SSM/I的19 GHz垂直极化亮温、22 GHz的水平和垂直极化亮温、37 GHz垂直极化亮温以及85 GHz垂直极化亮温,并在国家青藏高原科学数据中心发布了1987—2009年中国地表冻融状态数据集.由于85 GHz亮温的缺失,1989—1991年没有分类结果. ...
... 虽然利用被动微波卫星遥感亮温结合冻融算法能够监测近地表土壤的冻融状态,并且其分类精度达到了80%以上[15,21,24-25],但在长时间序列近地表土壤冻融状态研究中,该方法无法准确获取冻融过渡期近地表土壤的冻融状态.在冻融过渡期较长、气候变化缓慢、土壤含水量较多的地区,土壤中水分相变过程相对缓慢,浅层土壤中的水(冰)无法快速完全冻结(融化),长时间保持在0 ℃左右,土壤处于由融化(冻结)向冻结(融化)过渡的阶段,无法仅用冻结或融化描述该状态.另外,在气温日变化较大地区,浅层土壤可能在一天内出现反复冻融的现象,而被动微波卫星遥感亮温仅能反映卫星过境时刻地表的辐射特征,容易导致误分. ...
A decision tree algorithm for surface soil freeze/thaw classification over China using SSM/I brightness temperature
6
2009
... 常用的算法主要有双指标算法[20-22]及其演变而来的单指标算法[15]、时间序列变化检测算法[23]、决策树算法[24-25]和判别式算法[26-27],并由此发布了一系列基于不同目的及训练样本数据的近地表土壤冻融数据集.根据Jin等[28]的研究,结合覆盖不同地表类型的273个中国气象台站资料验证后,双指标算法的冻结分类精度、融化分类精度和总分类精度均超过80%,总分类精度最高可以达到89.9%.决策树算法基于3个指标:散射指数(Scatter Index, SI)、37 GHz 垂直极化亮温,以及19 GHz水平极化和垂直极化(Polarization Difference, PD)的亮温差实现对地表土壤冻融状态的判别,并利用国际协同加强观测期(CEOP)在青藏高原地区的土壤温度和湿度观测系统获取的4 cm地温数据代表浅层土壤真实冻融状态验证分类结果,其分类精度达87%[24-25].Kim等[15]简化了双指标算法,只选取了37 GHz垂直极化通道亮温作为判别依据,并利用模型模拟的气温数据进行验证,结果表明上午过境和下午过境的年平均分类精度分别为84.3%和90.3%. ...
... -25].Kim等[15]简化了双指标算法,只选取了37 GHz垂直极化通道亮温作为判别依据,并利用模型模拟的气温数据进行验证,结果表明上午过境和下午过境的年平均分类精度分别为84.3%和90.3%. ...
... SSM/I: Tb19V、Tb37V
冻结、融化、沙漠、水体 | Jin等[28],2015 | 决策树算法 | 1987—2009年 | 中国 | 25 km | SSM/I: Tb19V、Tb22H、Tb22V、Tb37V、Tb85V | 冻结、融化、沙漠、水体 | Jin等[25],2009 |
单指标算法 | 1979—2017年 | 全球 | 25 km | SMMR: Tb37V ...
... 双指标算法数据集采用SMMR(1978—1987年)和SSM/I(1987—2009年)逐日亮温数据,由37 GHz垂直极化亮温和37 GHz和19 GHz垂直极化亮温梯度两个指标将地表分类为冻结地表、融化地表、沙漠和水体四种类型[24-25]. ...
... 基于双指标算法的理论基础,通过样本统计分析以及先验知识,晋锐等[24-25]发展了适用于业务化运行的地表冻融状态决策树算法.采用的数据包括SSM/I的19 GHz垂直极化亮温、22 GHz的水平和垂直极化亮温、37 GHz垂直极化亮温以及85 GHz垂直极化亮温,并在国家青藏高原科学数据中心发布了1987—2009年中国地表冻融状态数据集.由于85 GHz亮温的缺失,1989—1991年没有分类结果. ...
... 虽然利用被动微波卫星遥感亮温结合冻融算法能够监测近地表土壤的冻融状态,并且其分类精度达到了80%以上[15,21,24-25],但在长时间序列近地表土壤冻融状态研究中,该方法无法准确获取冻融过渡期近地表土壤的冻融状态.在冻融过渡期较长、气候变化缓慢、土壤含水量较多的地区,土壤中水分相变过程相对缓慢,浅层土壤中的水(冰)无法快速完全冻结(融化),长时间保持在0 ℃左右,土壤处于由融化(冻结)向冻结(融化)过渡的阶段,无法仅用冻结或融化描述该状态.另外,在气温日变化较大地区,浅层土壤可能在一天内出现反复冻融的现象,而被动微波卫星遥感亮温仅能反映卫星过境时刻地表的辐射特征,容易导致误分. ...
A new soil freeze/thaw discriminant algorithm using AMSR-E passive microwave imagery
2
2011
... 常用的算法主要有双指标算法[20-22]及其演变而来的单指标算法[15]、时间序列变化检测算法[23]、决策树算法[24-25]和判别式算法[26-27],并由此发布了一系列基于不同目的及训练样本数据的近地表土壤冻融数据集.根据Jin等[28]的研究,结合覆盖不同地表类型的273个中国气象台站资料验证后,双指标算法的冻结分类精度、融化分类精度和总分类精度均超过80%,总分类精度最高可以达到89.9%.决策树算法基于3个指标:散射指数(Scatter Index, SI)、37 GHz 垂直极化亮温,以及19 GHz水平极化和垂直极化(Polarization Difference, PD)的亮温差实现对地表土壤冻融状态的判别,并利用国际协同加强观测期(CEOP)在青藏高原地区的土壤温度和湿度观测系统获取的4 cm地温数据代表浅层土壤真实冻融状态验证分类结果,其分类精度达87%[24-25].Kim等[15]简化了双指标算法,只选取了37 GHz垂直极化通道亮温作为判别依据,并利用模型模拟的气温数据进行验证,结果表明上午过境和下午过境的年平均分类精度分别为84.3%和90.3%. ...
... 本研究的主要目的是利用中国大陆气象台站实测地表0 cm土壤温度资料,对比基于双指标算法、决策树算法、单指标算法和判别式算法建立的近地表土壤冻融数据集产品,分析利用被动微波卫星遥感亮温监测近地表土壤冻融状态的误差及主要来源.由于基于判别式算法[26]建立的全球近地表土壤冻融状态数据集的空间分辨率为0.25°,且其时间序列相对较短(2002—2014年),逐年数据完整度通常不到60%,严重影响各冻融指标的统计结果,因此在产品对比分析中将不再考虑. ...
Microwave radiation of frozen and thawed soils under complicated surface condition: simulation and discrimination analysis
1
2009
... 常用的算法主要有双指标算法[20-22]及其演变而来的单指标算法[15]、时间序列变化检测算法[23]、决策树算法[24-25]和判别式算法[26-27],并由此发布了一系列基于不同目的及训练样本数据的近地表土壤冻融数据集.根据Jin等[28]的研究,结合覆盖不同地表类型的273个中国气象台站资料验证后,双指标算法的冻结分类精度、融化分类精度和总分类精度均超过80%,总分类精度最高可以达到89.9%.决策树算法基于3个指标:散射指数(Scatter Index, SI)、37 GHz 垂直极化亮温,以及19 GHz水平极化和垂直极化(Polarization Difference, PD)的亮温差实现对地表土壤冻融状态的判别,并利用国际协同加强观测期(CEOP)在青藏高原地区的土壤温度和湿度观测系统获取的4 cm地温数据代表浅层土壤真实冻融状态验证分类结果,其分类精度达87%[24-25].Kim等[15]简化了双指标算法,只选取了37 GHz垂直极化通道亮温作为判别依据,并利用模型模拟的气温数据进行验证,结果表明上午过境和下午过境的年平均分类精度分别为84.3%和90.3%. ...
复杂地表条件下冻融土的微波辐射特性模拟及判别分析
1
2009
... 常用的算法主要有双指标算法[20-22]及其演变而来的单指标算法[15]、时间序列变化检测算法[23]、决策树算法[24-25]和判别式算法[26-27],并由此发布了一系列基于不同目的及训练样本数据的近地表土壤冻融数据集.根据Jin等[28]的研究,结合覆盖不同地表类型的273个中国气象台站资料验证后,双指标算法的冻结分类精度、融化分类精度和总分类精度均超过80%,总分类精度最高可以达到89.9%.决策树算法基于3个指标:散射指数(Scatter Index, SI)、37 GHz 垂直极化亮温,以及19 GHz水平极化和垂直极化(Polarization Difference, PD)的亮温差实现对地表土壤冻融状态的判别,并利用国际协同加强观测期(CEOP)在青藏高原地区的土壤温度和湿度观测系统获取的4 cm地温数据代表浅层土壤真实冻融状态验证分类结果,其分类精度达87%[24-25].Kim等[15]简化了双指标算法,只选取了37 GHz垂直极化通道亮温作为判别依据,并利用模型模拟的气温数据进行验证,结果表明上午过境和下午过境的年平均分类精度分别为84.3%和90.3%. ...
Mapping surface soil freeze-thaw cycles in China based on SMMR and SSM/I brightness temperatures from 1978 to 2008
3
2015
... 常用的算法主要有双指标算法[20-22]及其演变而来的单指标算法[15]、时间序列变化检测算法[23]、决策树算法[24-25]和判别式算法[26-27],并由此发布了一系列基于不同目的及训练样本数据的近地表土壤冻融数据集.根据Jin等[28]的研究,结合覆盖不同地表类型的273个中国气象台站资料验证后,双指标算法的冻结分类精度、融化分类精度和总分类精度均超过80%,总分类精度最高可以达到89.9%.决策树算法基于3个指标:散射指数(Scatter Index, SI)、37 GHz 垂直极化亮温,以及19 GHz水平极化和垂直极化(Polarization Difference, PD)的亮温差实现对地表土壤冻融状态的判别,并利用国际协同加强观测期(CEOP)在青藏高原地区的土壤温度和湿度观测系统获取的4 cm地温数据代表浅层土壤真实冻融状态验证分类结果,其分类精度达87%[24-25].Kim等[15]简化了双指标算法,只选取了37 GHz垂直极化通道亮温作为判别依据,并利用模型模拟的气温数据进行验证,结果表明上午过境和下午过境的年平均分类精度分别为84.3%和90.3%. ...
... SSM/I: Tb19V、Tb37V | 冻结、融化、沙漠、水体 | Jin等[28],2015 |
决策树算法 | 1987—2009年 | 中国 | 25 km | SSM/I: Tb19V、Tb22H、Tb22V、Tb37V、Tb85V | 冻结、融化、沙漠、水体 | Jin等[25],2009 |
单指标算法 | 1979—2017年 | 全球 | 25 km | SMMR: Tb37V ...
... 该数据来源于国家气象科学数据中心所提供的“中国地面气候资料日值数据集”,共计756个基本、基准地面气象观测站及自动站从1951年到现在的逐日数据集,涵盖了气温、气压、降水量、风速风向等20个要素.这些气象台站均匀分布在中国大陆,但在南方部分地区近地表土壤几乎没有冻融过程,为了减少统计量,最终剔除了年平均冻结概率小于10%的站点.本研究中近地表土壤冻融状态数据集采用的亮温数据均来自午夜或凌晨过境卫星,避免了湿雪的影响;并且地表最低温度是标定冻融边界37 GHz垂直极化亮温阈值的最优指标[28].经过质量控制及筛选,本研究最终以1987—2008年435个气象站逐日地表0 cm最低温度作为验证资料,对比分析近地表土壤冻融产品的判别结果.地表温度是采用水银球(水银球直径大约3 mm)温度计测量的,温度计的传感器通常一半掩埋在地下,另一半暴露在空气中,但在有积雪覆盖时,所测温度为积雪表面温度,而不是地表温度.因此在有积雪覆盖时,假设近地表土壤为冻结状态.日最低温度是通过最低温度表测量的[32-33]. ...
Long-term surface soil freeze-thaw states dataset of China using the dual-index algorithm (1978-2015)
1
2011
... 本研究选取了三套近地表土壤冻融状态数据集,分别为来自中国国家青藏高原科学数据中心发布的中国长时间序列地表冻融数据集——双指标算法(1978—2015年)[29]、中国长时间序列地表冻融数据集——决策树算法(1987—2009年)[30],以及来自美国冰雪数据中心发布的单指标算法逐日地表冻融状态数据集(1979—2017年,版本4)[31],各数据集的基本信息见表1. ...
中国长序列地表冻融数据集——双指标算法(1978—2015)
1
2011
... 本研究选取了三套近地表土壤冻融状态数据集,分别为来自中国国家青藏高原科学数据中心发布的中国长时间序列地表冻融数据集——双指标算法(1978—2015年)[29]、中国长时间序列地表冻融数据集——决策树算法(1987—2009年)[30],以及来自美国冰雪数据中心发布的单指标算法逐日地表冻融状态数据集(1979—2017年,版本4)[31],各数据集的基本信息见表1. ...
China long-sequence surface freeze-thaw dataset——decision tree algorithm (1987-2009)
1
2012
... 本研究选取了三套近地表土壤冻融状态数据集,分别为来自中国国家青藏高原科学数据中心发布的中国长时间序列地表冻融数据集——双指标算法(1978—2015年)[29]、中国长时间序列地表冻融数据集——决策树算法(1987—2009年)[30],以及来自美国冰雪数据中心发布的单指标算法逐日地表冻融状态数据集(1979—2017年,版本4)[31],各数据集的基本信息见表1. ...
中国长序列地表冻融数据集——决策树算法(1987—2009)
1
2012
... 本研究选取了三套近地表土壤冻融状态数据集,分别为来自中国国家青藏高原科学数据中心发布的中国长时间序列地表冻融数据集——双指标算法(1978—2015年)[29]、中国长时间序列地表冻融数据集——决策树算法(1987—2009年)[30],以及来自美国冰雪数据中心发布的单指标算法逐日地表冻融状态数据集(1979—2017年,版本4)[31],各数据集的基本信息见表1. ...
1
2017
... 本研究选取了三套近地表土壤冻融状态数据集,分别为来自中国国家青藏高原科学数据中心发布的中国长时间序列地表冻融数据集——双指标算法(1978—2015年)[29]、中国长时间序列地表冻融数据集——决策树算法(1987—2009年)[30],以及来自美国冰雪数据中心发布的单指标算法逐日地表冻融状态数据集(1979—2017年,版本4)[31],各数据集的基本信息见表1. ...
Influence of the seasonal snow cover on the ground thermal regime: an overview
1
2005
... 该数据来源于国家气象科学数据中心所提供的“中国地面气候资料日值数据集”,共计756个基本、基准地面气象观测站及自动站从1951年到现在的逐日数据集,涵盖了气温、气压、降水量、风速风向等20个要素.这些气象台站均匀分布在中国大陆,但在南方部分地区近地表土壤几乎没有冻融过程,为了减少统计量,最终剔除了年平均冻结概率小于10%的站点.本研究中近地表土壤冻融状态数据集采用的亮温数据均来自午夜或凌晨过境卫星,避免了湿雪的影响;并且地表最低温度是标定冻融边界37 GHz垂直极化亮温阈值的最优指标[28].经过质量控制及筛选,本研究最终以1987—2008年435个气象站逐日地表0 cm最低温度作为验证资料,对比分析近地表土壤冻融产品的判别结果.地表温度是采用水银球(水银球直径大约3 mm)温度计测量的,温度计的传感器通常一半掩埋在地下,另一半暴露在空气中,但在有积雪覆盖时,所测温度为积雪表面温度,而不是地表温度.因此在有积雪覆盖时,假设近地表土壤为冻结状态.日最低温度是通过最低温度表测量的[32-33]. ...
Changes in the timing and duration of the near-surface soil freeze/thaw status from 1956 to 2006 across China
1
2015
... 该数据来源于国家气象科学数据中心所提供的“中国地面气候资料日值数据集”,共计756个基本、基准地面气象观测站及自动站从1951年到现在的逐日数据集,涵盖了气温、气压、降水量、风速风向等20个要素.这些气象台站均匀分布在中国大陆,但在南方部分地区近地表土壤几乎没有冻融过程,为了减少统计量,最终剔除了年平均冻结概率小于10%的站点.本研究中近地表土壤冻融状态数据集采用的亮温数据均来自午夜或凌晨过境卫星,避免了湿雪的影响;并且地表最低温度是标定冻融边界37 GHz垂直极化亮温阈值的最优指标[28].经过质量控制及筛选,本研究最终以1987—2008年435个气象站逐日地表0 cm最低温度作为验证资料,对比分析近地表土壤冻融产品的判别结果.地表温度是采用水银球(水银球直径大约3 mm)温度计测量的,温度计的传感器通常一半掩埋在地下,另一半暴露在空气中,但在有积雪覆盖时,所测温度为积雪表面温度,而不是地表温度.因此在有积雪覆盖时,假设近地表土壤为冻结状态.日最低温度是通过最低温度表测量的[32-33]. ...
Monitoring terrain soil freeze/thaw condition on Qinghai Plateau in spring and autumn using microwave remote sensing
1
1997
... 近年来关于利用被动微波卫星遥感监测地表冻融主要集中于算法的研制和参数调整,并且在参数调整和算法验证过程中所采用的资料各不相同,虽然其整体验证精度很高,但由于研究目的、研究时期和研究区域不同,近地表土壤冻融状态数据集之间差异较大.判别式算法数据集由于空间分辨率较粗(0.25°),且时间序列较短,极大地限制了其实际应用.本研究基于相同的气象台站观测资料,对比了三种近地表土壤冻融状态数据集在1987—2008年对近地表土壤冻融时间的判别能力.结果表明单指标算法数据集与气象台站观测资料的统计结果更加接近,而决策树算法数据集的偏差和均方根误差最大.主要原因是单指标算法是以再分析资料ERA-Interim中的气温为基础数据,标定各地表像元逐年冻结边界阈值,避免了在长时间序列研究中使用单一阈值.决策树算法则是以青藏高原多年冻土区、季节冻土区和河流融区的3个站点的4 cm土壤温度为基础数据确定37 GHz垂直极化亮温的阈值252 K.曹梅盛等[34]利用青海高原地区1983年SMMR亮温资料结合5 cm土壤温度,最终确定了37 GHz水平极化亮温阈值为222.5 K;Zhang等[21]在识别美国无雪地表土壤冻融时,则选取了258.2 K作为37 GHz垂直极化亮温冻结边界的阈值;Han等[35]关于中国北部和蒙古国地表冻融的研究中,分别以258.2 K和260.1 K作为上午过境和下午过境时37 GHz垂直极化亮温冻结边界阈值.由此可见在不同区域、不同时间利用37 GHz亮温冻结边界的阈值作为判别地表冻融状态的指标时,需要根据地表状况进行重新标定,避免使用单一阈值. ...
青海高原春秋季地表土冻融的微波遥感监测
1
1997
... 近年来关于利用被动微波卫星遥感监测地表冻融主要集中于算法的研制和参数调整,并且在参数调整和算法验证过程中所采用的资料各不相同,虽然其整体验证精度很高,但由于研究目的、研究时期和研究区域不同,近地表土壤冻融状态数据集之间差异较大.判别式算法数据集由于空间分辨率较粗(0.25°),且时间序列较短,极大地限制了其实际应用.本研究基于相同的气象台站观测资料,对比了三种近地表土壤冻融状态数据集在1987—2008年对近地表土壤冻融时间的判别能力.结果表明单指标算法数据集与气象台站观测资料的统计结果更加接近,而决策树算法数据集的偏差和均方根误差最大.主要原因是单指标算法是以再分析资料ERA-Interim中的气温为基础数据,标定各地表像元逐年冻结边界阈值,避免了在长时间序列研究中使用单一阈值.决策树算法则是以青藏高原多年冻土区、季节冻土区和河流融区的3个站点的4 cm土壤温度为基础数据确定37 GHz垂直极化亮温的阈值252 K.曹梅盛等[34]利用青海高原地区1983年SMMR亮温资料结合5 cm土壤温度,最终确定了37 GHz水平极化亮温阈值为222.5 K;Zhang等[21]在识别美国无雪地表土壤冻融时,则选取了258.2 K作为37 GHz垂直极化亮温冻结边界的阈值;Han等[35]关于中国北部和蒙古国地表冻融的研究中,分别以258.2 K和260.1 K作为上午过境和下午过境时37 GHz垂直极化亮温冻结边界阈值.由此可见在不同区域、不同时间利用37 GHz亮温冻结边界的阈值作为判别地表冻融状态的指标时,需要根据地表状况进行重新标定,避免使用单一阈值. ...
Monitoring near-surface soil freeze-thaw cycles in northern China and Mongolia from 1998 to 2007
1
2010
... 近年来关于利用被动微波卫星遥感监测地表冻融主要集中于算法的研制和参数调整,并且在参数调整和算法验证过程中所采用的资料各不相同,虽然其整体验证精度很高,但由于研究目的、研究时期和研究区域不同,近地表土壤冻融状态数据集之间差异较大.判别式算法数据集由于空间分辨率较粗(0.25°),且时间序列较短,极大地限制了其实际应用.本研究基于相同的气象台站观测资料,对比了三种近地表土壤冻融状态数据集在1987—2008年对近地表土壤冻融时间的判别能力.结果表明单指标算法数据集与气象台站观测资料的统计结果更加接近,而决策树算法数据集的偏差和均方根误差最大.主要原因是单指标算法是以再分析资料ERA-Interim中的气温为基础数据,标定各地表像元逐年冻结边界阈值,避免了在长时间序列研究中使用单一阈值.决策树算法则是以青藏高原多年冻土区、季节冻土区和河流融区的3个站点的4 cm土壤温度为基础数据确定37 GHz垂直极化亮温的阈值252 K.曹梅盛等[34]利用青海高原地区1983年SMMR亮温资料结合5 cm土壤温度,最终确定了37 GHz水平极化亮温阈值为222.5 K;Zhang等[21]在识别美国无雪地表土壤冻融时,则选取了258.2 K作为37 GHz垂直极化亮温冻结边界的阈值;Han等[35]关于中国北部和蒙古国地表冻融的研究中,分别以258.2 K和260.1 K作为上午过境和下午过境时37 GHz垂直极化亮温冻结边界阈值.由此可见在不同区域、不同时间利用37 GHz亮温冻结边界的阈值作为判别地表冻融状态的指标时,需要根据地表状况进行重新标定,避免使用单一阈值. ...
Assessment of four near-surface soil freeze/thaw detection algorithms based on calibrated passive microwave remote sensing data over China
1
2020
... 虽然决策树算法数据集的统计结果误差较大,但其各项冻结指标的变化趋势与气象台站观测资料的结果基本一致,并且已经有研究表明了决策树算法中37 GHz阈值对地表土壤冻融分类精度的影响显著[36].因此在使用决策树算法判别地表土壤冻融时,尽量选取不同土地类型的观测资料,调整各节点阈值,将大大提高分类精度. ...
/
〈
|
|
〉
|
|