地表冻融状态的被动微波遥感判别研究进展
|
|
肖杨, 满浩然, 董星丰, 臧淑英, 李苗
|
Research advances in passive microwave remote sensing of surface freeze-thaw state
|
|
Yang XIAO, Haoran MAN, Xingfeng DONG, Shuying ZANG, Miao LI
|
|
表3 判别地表冻融状态算法对比
|
Table 3 Comparison of algorithms for discriminating surface freeze-thaw state
|
|
| 算法 | 优点 | 缺点 | 适用范围 |
|---|
| 双指标算法 | ①方法较为简单； ②便于理解 | ①存在使用条件限制； ②阈值选取较为困难 | 非积雪覆盖陆地区域 | | 决策树算法 | ①剔除了沙漠、降水等强散射体的影响 | ①使用判别指标较多； ②阈值选取较为复杂； ③该方法仅适合与青藏高原具有类似气候特征的研究区域 | 所有陆地区域 | | 冻融判别式算法 | ①方法简单、易实现； ②普适性强 | ①忽略不同气候类型和地形等条件下土壤冻融时的地表辐射和温度特征； ②该方法方程系数随训练数据发生变化，因此对数据的代表性要求较高 | 所有陆地区域 | | 季节阈值算法 | ①利用单频亮温就可以判别土壤冻融状态 | ①阈值选取困难； ②确定冻结、融化状态的参考值耗时长 | 所有陆地区域 | | 基于L波段相对冻结因子阈值判别算法 | ①利用单频亮温就可以判别土壤冻融状态； ②较为准确地探测干雪和植被下土壤冻融状况 | ①确定冻结、融化状态的参考值工作量大； ②对表层土壤冻结不敏感土壤 | 所有陆地区域 |
|
|
|