3
2018
... 冻土一般指温度在0 ℃或者0 ℃以下含有冰的各种岩石和土壤,根据冻结持续时间可以分为短时冻土(冻结时间为数小时、数日至半月)、季节冻土(冻结时间为半月至数月)、隔年冻土(冻结时间超过一年但少于两年)及多年冻土(连续冻结时间在2年以上)四种类型[1 ] .我国是世界第三冻土大国,多年冻土和季节冻土约占陆地总面积的70%[1 -2 ] ,主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
... [1 -2 ],主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
... 2[1 ].近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
3
2018
... 冻土一般指温度在0 ℃或者0 ℃以下含有冰的各种岩石和土壤,根据冻结持续时间可以分为短时冻土(冻结时间为数小时、数日至半月)、季节冻土(冻结时间为半月至数月)、隔年冻土(冻结时间超过一年但少于两年)及多年冻土(连续冻结时间在2年以上)四种类型[1 ] .我国是世界第三冻土大国,多年冻土和季节冻土约占陆地总面积的70%[1 -2 ] ,主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
... [1 -2 ],主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
... 2[1 ].近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
Impacts of climatic change on permafrost and cold regions environments in China
1
2000
... 冻土一般指温度在0 ℃或者0 ℃以下含有冰的各种岩石和土壤,根据冻结持续时间可以分为短时冻土(冻结时间为数小时、数日至半月)、季节冻土(冻结时间为半月至数月)、隔年冻土(冻结时间超过一年但少于两年)及多年冻土(连续冻结时间在2年以上)四种类型[1 ] .我国是世界第三冻土大国,多年冻土和季节冻土约占陆地总面积的70%[1 -2 ] ,主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
气候变化对中国多年冻土和寒区环境的影响
1
2000
... 冻土一般指温度在0 ℃或者0 ℃以下含有冰的各种岩石和土壤,根据冻结持续时间可以分为短时冻土(冻结时间为数小时、数日至半月)、季节冻土(冻结时间为半月至数月)、隔年冻土(冻结时间超过一年但少于两年)及多年冻土(连续冻结时间在2年以上)四种类型[1 ] .我国是世界第三冻土大国,多年冻土和季节冻土约占陆地总面积的70%[1 -2 ] ,主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
Climate change in northeast China over the past 50 years
1
2009
... 冻土一般指温度在0 ℃或者0 ℃以下含有冰的各种岩石和土壤,根据冻结持续时间可以分为短时冻土(冻结时间为数小时、数日至半月)、季节冻土(冻结时间为半月至数月)、隔年冻土(冻结时间超过一年但少于两年)及多年冻土(连续冻结时间在2年以上)四种类型[1 ] .我国是世界第三冻土大国,多年冻土和季节冻土约占陆地总面积的70%[1 -2 ] ,主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
Discrimination of Freezing and Thawing State of Surface Soils in Northeast China Based on AMSR-E Data
1
2020
... 冻土一般指温度在0 ℃或者0 ℃以下含有冰的各种岩石和土壤,根据冻结持续时间可以分为短时冻土(冻结时间为数小时、数日至半月)、季节冻土(冻结时间为半月至数月)、隔年冻土(冻结时间超过一年但少于两年)及多年冻土(连续冻结时间在2年以上)四种类型[1 ] .我国是世界第三冻土大国,多年冻土和季节冻土约占陆地总面积的70%[1 -2 ] ,主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
基于AMSR-E数据的东北三省地表土壤冻融状态判别研究
1
2020
... 冻土一般指温度在0 ℃或者0 ℃以下含有冰的各种岩石和土壤,根据冻结持续时间可以分为短时冻土(冻结时间为数小时、数日至半月)、季节冻土(冻结时间为半月至数月)、隔年冻土(冻结时间超过一年但少于两年)及多年冻土(连续冻结时间在2年以上)四种类型[1 ] .我国是世界第三冻土大国,多年冻土和季节冻土约占陆地总面积的70%[1 -2 ] ,主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
Effect of freezing and thawing on soil Anti-scourability under different land use types in the black soil region of northeast China
1
2015
... 冻土一般指温度在0 ℃或者0 ℃以下含有冰的各种岩石和土壤,根据冻结持续时间可以分为短时冻土(冻结时间为数小时、数日至半月)、季节冻土(冻结时间为半月至数月)、隔年冻土(冻结时间超过一年但少于两年)及多年冻土(连续冻结时间在2年以上)四种类型[1 ] .我国是世界第三冻土大国,多年冻土和季节冻土约占陆地总面积的70%[1 -2 ] ,主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
冻融作用下东北黑土区不同土地利用类型土壤抗冲性研究
1
2015
... 冻土一般指温度在0 ℃或者0 ℃以下含有冰的各种岩石和土壤,根据冻结持续时间可以分为短时冻土(冻结时间为数小时、数日至半月)、季节冻土(冻结时间为半月至数月)、隔年冻土(冻结时间超过一年但少于两年)及多年冻土(连续冻结时间在2年以上)四种类型[1 ] .我国是世界第三冻土大国,多年冻土和季节冻土约占陆地总面积的70%[1 -2 ] ,主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
Seasonal variation of vegetation productivity over an alpine meadow in the Qinghai-Tibet Plateau in China: modeling the interactions of vegetation productivity, phenology, and the soil freeze-thaw process
1
2013
... 冻土一般指温度在0 ℃或者0 ℃以下含有冰的各种岩石和土壤,根据冻结持续时间可以分为短时冻土(冻结时间为数小时、数日至半月)、季节冻土(冻结时间为半月至数月)、隔年冻土(冻结时间超过一年但少于两年)及多年冻土(连续冻结时间在2年以上)四种类型[1 ] .我国是世界第三冻土大国,多年冻土和季节冻土约占陆地总面积的70%[1 -2 ] ,主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
Review of the coupling of water and heat in the freeze-thaw process and its model of frozen soil
1
2019
... 冻土一般指温度在0 ℃或者0 ℃以下含有冰的各种岩石和土壤,根据冻结持续时间可以分为短时冻土(冻结时间为数小时、数日至半月)、季节冻土(冻结时间为半月至数月)、隔年冻土(冻结时间超过一年但少于两年)及多年冻土(连续冻结时间在2年以上)四种类型[1 ] .我国是世界第三冻土大国,多年冻土和季节冻土约占陆地总面积的70%[1 -2 ] ,主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
冻融过程土壤水热力耦合作用及其模型研究进展
1
2019
... 冻土一般指温度在0 ℃或者0 ℃以下含有冰的各种岩石和土壤,根据冻结持续时间可以分为短时冻土(冻结时间为数小时、数日至半月)、季节冻土(冻结时间为半月至数月)、隔年冻土(冻结时间超过一年但少于两年)及多年冻土(连续冻结时间在2年以上)四种类型[1 ] .我国是世界第三冻土大国,多年冻土和季节冻土约占陆地总面积的70%[1 -2 ] ,主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
The effect of a freeze-thaw cycle on dissolved nitrogen dynamics and its relation to dissolved organic matter and soil microbial biomass in the soil of a northern hardwood forest
1
2019
... 冻土一般指温度在0 ℃或者0 ℃以下含有冰的各种岩石和土壤,根据冻结持续时间可以分为短时冻土(冻结时间为数小时、数日至半月)、季节冻土(冻结时间为半月至数月)、隔年冻土(冻结时间超过一年但少于两年)及多年冻土(连续冻结时间在2年以上)四种类型[1 ] .我国是世界第三冻土大国,多年冻土和季节冻土约占陆地总面积的70%[1 -2 ] ,主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
Mechanism of freeze-thaw action in the process of soil salinization in Northeast China
1
2001
... 冻土一般指温度在0 ℃或者0 ℃以下含有冰的各种岩石和土壤,根据冻结持续时间可以分为短时冻土(冻结时间为数小时、数日至半月)、季节冻土(冻结时间为半月至数月)、隔年冻土(冻结时间超过一年但少于两年)及多年冻土(连续冻结时间在2年以上)四种类型[1 ] .我国是世界第三冻土大国,多年冻土和季节冻土约占陆地总面积的70%[1 -2 ] ,主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
Characterization of the unprecedented polynya events north of Greenland in 2017/2018 using remote sensing and reanalysis data
1
2020
... 冻土一般指温度在0 ℃或者0 ℃以下含有冰的各种岩石和土壤,根据冻结持续时间可以分为短时冻土(冻结时间为数小时、数日至半月)、季节冻土(冻结时间为半月至数月)、隔年冻土(冻结时间超过一年但少于两年)及多年冻土(连续冻结时间在2年以上)四种类型[1 ] .我国是世界第三冻土大国,多年冻土和季节冻土约占陆地总面积的70%[1 -2 ] ,主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
Mapping permafrost in the boreal forest with thematic mapper satellite data
1
1986
... 冻土一般指温度在0 ℃或者0 ℃以下含有冰的各种岩石和土壤,根据冻结持续时间可以分为短时冻土(冻结时间为数小时、数日至半月)、季节冻土(冻结时间为半月至数月)、隔年冻土(冻结时间超过一年但少于两年)及多年冻土(连续冻结时间在2年以上)四种类型[1 ] .我国是世界第三冻土大国,多年冻土和季节冻土约占陆地总面积的70%[1 -2 ] ,主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
Annual temperature and radiobrightness signatures for bare soils
1
1996
... 冻土一般指温度在0 ℃或者0 ℃以下含有冰的各种岩石和土壤,根据冻结持续时间可以分为短时冻土(冻结时间为数小时、数日至半月)、季节冻土(冻结时间为半月至数月)、隔年冻土(冻结时间超过一年但少于两年)及多年冻土(连续冻结时间在2年以上)四种类型[1 ] .我国是世界第三冻土大国,多年冻土和季节冻土约占陆地总面积的70%[1 -2 ] ,主要分布于青藏高原和东北地区.其中东北冻土区是欧亚大陆多年冻土的南缘地带,属于中高纬型多年冻土,面积为39×104 km2[1 ] .近年来,有研究表明东北冻土区增温较为明显,增温速率高于全国水平[3 ] .在气温升高的背景下,该区域多年冻土的退化较为明显,多年冻土南界不断北移,连续性多年冻土将会退化为非连续冻土,进一步退化为季节冻土,将会引起东北冻土区冻融循环过程发生变化[4 ] .随着季节融化的开始,冻土融化、冰雪融水无法迅速下渗,致使地表径流增加[5 ] .土壤冻融状态与植被生长季的开始和结束密切相关[6 ] .冻融作用引起土壤退化,土地生产力降低,对农业生产构成危害[7 ] .地表升温会使冻土融化提前,融化期变长,增加土壤中碳氮及甲烷的释放量,其中CO2 和CH4 释放量的增加还会引起气候不确定性变化[8 ] .土壤冻融循环对全球及区域范围内地表径流、植被生长、农业生产和陆地生态系统等均产生影响[9 ] .遥感技术具有探测范围大、受地面条件限制少、获取资料速度快等特点,为连续监测大范围和区域尺度的土壤冻融循环提供了有效技术手段[10 ] .可见光红外遥感虽然具有较高的空间分辨率,但冻土通常发育于地下,而可见光、红外传感器不能穿透地表,且受云层影响严重、时间分辨率较低,因此利用可见光红外遥感来判别冻融具有较大局限性[11 ] .而微波遥感波长较长,不受日照及云层的影响,可以穿透土壤获得地下一定深度范围内的信息.此外,微波遥感对土壤冻融状态之间的介电变化十分敏感,当近地表土壤经历冻融循环时,土壤中的介电常数发生改变,致使被动微波的亮温值发生变化,进而可识别出近地表土壤冻融状况[12 ] .目前,被动微波遥感已成为监测全球及区域近地表土壤冻融循环的有效手段. ...
Mapping surface soil freeze-thaw cycles in China based on SMMR and SSM/I brightness temperatures from 1978 to 2008
4
2015
... 基于微波数据进行地表冻融状态判别算法主要包括双指标算法[13 ] 、冻融判别函数算法[14 ] 、决策树算法[15 ] 、季节阈值算法[16 ] 四种,其中双指标算法和冻融判别函数算法应用较为广泛.双指标算法最早是基于SMMR亮温数据37 GHz垂直极化亮温和10.7~37 GHz的负亮温谱梯度作为判别地表冻融的指标[17 ] .Jin等[13 ] 利用双指标算法基于SMMR和SSM/I数据的37 GHz垂直极化亮度温度、37 GHz和18/19 GHz负亮温谱梯度,对中国近地表土壤冻融进行冻融监测,并取得了可靠的结果.Zhao等[18 ] 结合积雪辐射模型、冻土介电模型和面散射模型,建立了针对寒区复杂地表环境的微波辐射模型.经过模型模拟分析选择AMSR-E数据的36.5 GHz垂直极化亮温指示地表温度变化,选择低频波段(6.29 GHz、10.65 GHz、18.7 GHz)的水平极化亮温与36.5 GHz垂直极化亮温的比值作为衡量地表发射率的变化,通过Fisher 线性判别方法来构建判别地表冻融状态的方程,并使用包含18.7 GHz、36.5 GHz的水平和垂直极化4个通道亮温的地基微波辐射计对基于模拟数据建立的判别方程进行优化,得到判别地表冻融的冻融判别函数算法.Kou等[14 ] 结合我国森林生物量对Zhao[18 ] 提出的冻融判别函数算法的方程系数进行调整,经过实测数据验证,改进后的算法在中国区域具有较好判别精度.随着研究的深入,众多研究人员在中国区域对不同的算法进行了对比分析,Shao等[19 ] 以中国区域为研究区对判别地表冻融算法进行了评估,结果表明冻融判别函数算法对冻土的判别精度最高,双指标算法和季节阈值算法类似,决策树算法对冻土的判别精度最差.Wang等[20 ] 根据季节阈值算法和冻融判别函数算法制备了中国区域的冻融产品,并进行对比分析,结果发现两种冻融产品在非干旱区的判别精度均高于干旱区,而冻融判别函数算法受干旱气候影响比季节阈值算法小.Chai等[21 ] 采用冻融判别函数算法、双指标算法和决策树算法对中国区域冻融土进行判别,结果表明冻融判别函数算法对冻土的判别更具有优势.刘源等[22 ] 以青藏高原为研究区对双指标算法、决策树算法、冻融判别函数算法进行对比分析,研究发现双指标算法在该区域具有较好的判别精度,其次是决策树算法和冻融判别函数算法.总体来看,冻融判别函数算法和双指标算法具有较好的判别结果. ...
... [13 ]利用双指标算法基于SMMR和SSM/I数据的37 GHz垂直极化亮度温度、37 GHz和18/19 GHz负亮温谱梯度,对中国近地表土壤冻融进行冻融监测,并取得了可靠的结果.Zhao等[18 ] 结合积雪辐射模型、冻土介电模型和面散射模型,建立了针对寒区复杂地表环境的微波辐射模型.经过模型模拟分析选择AMSR-E数据的36.5 GHz垂直极化亮温指示地表温度变化,选择低频波段(6.29 GHz、10.65 GHz、18.7 GHz)的水平极化亮温与36.5 GHz垂直极化亮温的比值作为衡量地表发射率的变化,通过Fisher 线性判别方法来构建判别地表冻融状态的方程,并使用包含18.7 GHz、36.5 GHz的水平和垂直极化4个通道亮温的地基微波辐射计对基于模拟数据建立的判别方程进行优化,得到判别地表冻融的冻融判别函数算法.Kou等[14 ] 结合我国森林生物量对Zhao[18 ] 提出的冻融判别函数算法的方程系数进行调整,经过实测数据验证,改进后的算法在中国区域具有较好判别精度.随着研究的深入,众多研究人员在中国区域对不同的算法进行了对比分析,Shao等[19 ] 以中国区域为研究区对判别地表冻融算法进行了评估,结果表明冻融判别函数算法对冻土的判别精度最高,双指标算法和季节阈值算法类似,决策树算法对冻土的判别精度最差.Wang等[20 ] 根据季节阈值算法和冻融判别函数算法制备了中国区域的冻融产品,并进行对比分析,结果发现两种冻融产品在非干旱区的判别精度均高于干旱区,而冻融判别函数算法受干旱气候影响比季节阈值算法小.Chai等[21 ] 采用冻融判别函数算法、双指标算法和决策树算法对中国区域冻融土进行判别,结果表明冻融判别函数算法对冻土的判别更具有优势.刘源等[22 ] 以青藏高原为研究区对双指标算法、决策树算法、冻融判别函数算法进行对比分析,研究发现双指标算法在该区域具有较好的判别精度,其次是决策树算法和冻融判别函数算法.总体来看,冻融判别函数算法和双指标算法具有较好的判别结果. ...
... 以往对近地表土壤冻融判别的研究主要集中在中国全境以及青藏高原冻土区.针对中国全境的大尺度地表冻融判别研究,不能较好地反映东北冻土区整体土壤冻融判别情况.青藏高原冻土区和东北冻土区在冻土类型上有明显的差别,其中青藏高原冻土区属于高海拔冻土,东北冻土区为高纬度冻土.相较于青藏高原冻土区,东北冻土区积雪多、冬季辐射弱.为了探究适合东北冻土区冻融判别方法,本文选取2020年1月1日—2020年12月31日的升轨和降轨的AMSR2亮温数据为数据源,采用双指标算法(Double Index Algorithm,DIA)[13 ] 和冻融判别函数算法(Discriminant Function Algorithm,DFA)[14 ] ,判别东北冻土区地表土壤冻融状况,利用同时段的东北冻土区0 cm地温数据进行精度验证,对比分析这两种算法及在东北冻土区的判别精度及适用性,以期为制备高精度、长时序地表冻融数据集提供基础. ...
... DIA算法选取36.5 GHz垂直极化亮温(T B V 36.5 )、18.7 GHz垂直极化亮温(T B V 18.7 )和T B V 36.5 的负亮温谱梯度(SG )两个指标对地表土壤冻融状况进行判别[13 ] .其中T B V 36.5 与地表温度和气温具有高度的相关性;负亮温谱梯度则可用于识别冻结土壤特有的体散射变暗特性.DIA算法的表达形式如式(1 )、(2 )所示: ...
Research on the improvement of passive microwave freezing and thawing discriminant algorithms for complicated surface conditions
4
2018
... 基于微波数据进行地表冻融状态判别算法主要包括双指标算法[13 ] 、冻融判别函数算法[14 ] 、决策树算法[15 ] 、季节阈值算法[16 ] 四种,其中双指标算法和冻融判别函数算法应用较为广泛.双指标算法最早是基于SMMR亮温数据37 GHz垂直极化亮温和10.7~37 GHz的负亮温谱梯度作为判别地表冻融的指标[17 ] .Jin等[13 ] 利用双指标算法基于SMMR和SSM/I数据的37 GHz垂直极化亮度温度、37 GHz和18/19 GHz负亮温谱梯度,对中国近地表土壤冻融进行冻融监测,并取得了可靠的结果.Zhao等[18 ] 结合积雪辐射模型、冻土介电模型和面散射模型,建立了针对寒区复杂地表环境的微波辐射模型.经过模型模拟分析选择AMSR-E数据的36.5 GHz垂直极化亮温指示地表温度变化,选择低频波段(6.29 GHz、10.65 GHz、18.7 GHz)的水平极化亮温与36.5 GHz垂直极化亮温的比值作为衡量地表发射率的变化,通过Fisher 线性判别方法来构建判别地表冻融状态的方程,并使用包含18.7 GHz、36.5 GHz的水平和垂直极化4个通道亮温的地基微波辐射计对基于模拟数据建立的判别方程进行优化,得到判别地表冻融的冻融判别函数算法.Kou等[14 ] 结合我国森林生物量对Zhao[18 ] 提出的冻融判别函数算法的方程系数进行调整,经过实测数据验证,改进后的算法在中国区域具有较好判别精度.随着研究的深入,众多研究人员在中国区域对不同的算法进行了对比分析,Shao等[19 ] 以中国区域为研究区对判别地表冻融算法进行了评估,结果表明冻融判别函数算法对冻土的判别精度最高,双指标算法和季节阈值算法类似,决策树算法对冻土的判别精度最差.Wang等[20 ] 根据季节阈值算法和冻融判别函数算法制备了中国区域的冻融产品,并进行对比分析,结果发现两种冻融产品在非干旱区的判别精度均高于干旱区,而冻融判别函数算法受干旱气候影响比季节阈值算法小.Chai等[21 ] 采用冻融判别函数算法、双指标算法和决策树算法对中国区域冻融土进行判别,结果表明冻融判别函数算法对冻土的判别更具有优势.刘源等[22 ] 以青藏高原为研究区对双指标算法、决策树算法、冻融判别函数算法进行对比分析,研究发现双指标算法在该区域具有较好的判别精度,其次是决策树算法和冻融判别函数算法.总体来看,冻融判别函数算法和双指标算法具有较好的判别结果. ...
... [14 ]结合我国森林生物量对Zhao[18 ] 提出的冻融判别函数算法的方程系数进行调整,经过实测数据验证,改进后的算法在中国区域具有较好判别精度.随着研究的深入,众多研究人员在中国区域对不同的算法进行了对比分析,Shao等[19 ] 以中国区域为研究区对判别地表冻融算法进行了评估,结果表明冻融判别函数算法对冻土的判别精度最高,双指标算法和季节阈值算法类似,决策树算法对冻土的判别精度最差.Wang等[20 ] 根据季节阈值算法和冻融判别函数算法制备了中国区域的冻融产品,并进行对比分析,结果发现两种冻融产品在非干旱区的判别精度均高于干旱区,而冻融判别函数算法受干旱气候影响比季节阈值算法小.Chai等[21 ] 采用冻融判别函数算法、双指标算法和决策树算法对中国区域冻融土进行判别,结果表明冻融判别函数算法对冻土的判别更具有优势.刘源等[22 ] 以青藏高原为研究区对双指标算法、决策树算法、冻融判别函数算法进行对比分析,研究发现双指标算法在该区域具有较好的判别精度,其次是决策树算法和冻融判别函数算法.总体来看,冻融判别函数算法和双指标算法具有较好的判别结果. ...
... 以往对近地表土壤冻融判别的研究主要集中在中国全境以及青藏高原冻土区.针对中国全境的大尺度地表冻融判别研究,不能较好地反映东北冻土区整体土壤冻融判别情况.青藏高原冻土区和东北冻土区在冻土类型上有明显的差别,其中青藏高原冻土区属于高海拔冻土,东北冻土区为高纬度冻土.相较于青藏高原冻土区,东北冻土区积雪多、冬季辐射弱.为了探究适合东北冻土区冻融判别方法,本文选取2020年1月1日—2020年12月31日的升轨和降轨的AMSR2亮温数据为数据源,采用双指标算法(Double Index Algorithm,DIA)[13 ] 和冻融判别函数算法(Discriminant Function Algorithm,DFA)[14 ] ,判别东北冻土区地表土壤冻融状况,利用同时段的东北冻土区0 cm地温数据进行精度验证,对比分析这两种算法及在东北冻土区的判别精度及适用性,以期为制备高精度、长时序地表冻融数据集提供基础. ...
... Kou等[14 ] 将冻结土壤中的有机质对微波辐射影响考虑在冻土介电模型中,并结合积雪辐射模型和面散射模型[26 ] ,建立了针对寒区复杂地表环境的冻融判别模型.综合了AMSR-E亮温数据和全国气象站点0 cm日最高/低温度数据,利用T B V 36.5 和Q e 18.7 H / 36.5 V ( T B H 18.7 与T B V 36.5 的比值)指示地表温度和土壤发射率的变化,并基于Fisher判别分析,最终建立了DFA算法,DFA算法表达式如式(4 )、(5 )所示: ...
A decision tree algorithm for surface soil freeze-thaw classification over China using SSM/I brightness temperature
2
2009
... 基于微波数据进行地表冻融状态判别算法主要包括双指标算法[13 ] 、冻融判别函数算法[14 ] 、决策树算法[15 ] 、季节阈值算法[16 ] 四种,其中双指标算法和冻融判别函数算法应用较为广泛.双指标算法最早是基于SMMR亮温数据37 GHz垂直极化亮温和10.7~37 GHz的负亮温谱梯度作为判别地表冻融的指标[17 ] .Jin等[13 ] 利用双指标算法基于SMMR和SSM/I数据的37 GHz垂直极化亮度温度、37 GHz和18/19 GHz负亮温谱梯度,对中国近地表土壤冻融进行冻融监测,并取得了可靠的结果.Zhao等[18 ] 结合积雪辐射模型、冻土介电模型和面散射模型,建立了针对寒区复杂地表环境的微波辐射模型.经过模型模拟分析选择AMSR-E数据的36.5 GHz垂直极化亮温指示地表温度变化,选择低频波段(6.29 GHz、10.65 GHz、18.7 GHz)的水平极化亮温与36.5 GHz垂直极化亮温的比值作为衡量地表发射率的变化,通过Fisher 线性判别方法来构建判别地表冻融状态的方程,并使用包含18.7 GHz、36.5 GHz的水平和垂直极化4个通道亮温的地基微波辐射计对基于模拟数据建立的判别方程进行优化,得到判别地表冻融的冻融判别函数算法.Kou等[14 ] 结合我国森林生物量对Zhao[18 ] 提出的冻融判别函数算法的方程系数进行调整,经过实测数据验证,改进后的算法在中国区域具有较好判别精度.随着研究的深入,众多研究人员在中国区域对不同的算法进行了对比分析,Shao等[19 ] 以中国区域为研究区对判别地表冻融算法进行了评估,结果表明冻融判别函数算法对冻土的判别精度最高,双指标算法和季节阈值算法类似,决策树算法对冻土的判别精度最差.Wang等[20 ] 根据季节阈值算法和冻融判别函数算法制备了中国区域的冻融产品,并进行对比分析,结果发现两种冻融产品在非干旱区的判别精度均高于干旱区,而冻融判别函数算法受干旱气候影响比季节阈值算法小.Chai等[21 ] 采用冻融判别函数算法、双指标算法和决策树算法对中国区域冻融土进行判别,结果表明冻融判别函数算法对冻土的判别更具有优势.刘源等[22 ] 以青藏高原为研究区对双指标算法、决策树算法、冻融判别函数算法进行对比分析,研究发现双指标算法在该区域具有较好的判别精度,其次是决策树算法和冻融判别函数算法.总体来看,冻融判别函数算法和双指标算法具有较好的判别结果. ...
... 本研究对两种算法的判别结果进行验证时,由于观测数据的有限性,最终选取了0 cm地温数据作为判定标准.但实际上被动微波传感器对土壤具有一定穿透力,穿透深度可能受地表土壤特征,如土壤含水量、地表粗糙度和植被覆盖度等因素影响[34 ] .因此,亮温和地温可能并不来自同一深度,这是本研究判别精度出现误差的因素之一.以往研究也有选择0 cm地温[21 ] 、4 cm地温[15 ] 、5 cm地温[21 ] 、0~5 cm平均地温等数据进行精度验证[35 ] ,但不同深度下的土壤冻融状况不同,最后对于冻融判别结果的精度评价也不同.因此,为了提高被动微波遥感判别土壤冻融状态的分类精度,需分析被动微波探测深度的差异、土壤温度在垂直剖面内的差异以及同步大规模的地面观测数据. ...
Developing a global data record of daily landscape freeze-thaw status using satellite passive microwave remote sensing
1
2010
... 基于微波数据进行地表冻融状态判别算法主要包括双指标算法[13 ] 、冻融判别函数算法[14 ] 、决策树算法[15 ] 、季节阈值算法[16 ] 四种,其中双指标算法和冻融判别函数算法应用较为广泛.双指标算法最早是基于SMMR亮温数据37 GHz垂直极化亮温和10.7~37 GHz的负亮温谱梯度作为判别地表冻融的指标[17 ] .Jin等[13 ] 利用双指标算法基于SMMR和SSM/I数据的37 GHz垂直极化亮度温度、37 GHz和18/19 GHz负亮温谱梯度,对中国近地表土壤冻融进行冻融监测,并取得了可靠的结果.Zhao等[18 ] 结合积雪辐射模型、冻土介电模型和面散射模型,建立了针对寒区复杂地表环境的微波辐射模型.经过模型模拟分析选择AMSR-E数据的36.5 GHz垂直极化亮温指示地表温度变化,选择低频波段(6.29 GHz、10.65 GHz、18.7 GHz)的水平极化亮温与36.5 GHz垂直极化亮温的比值作为衡量地表发射率的变化,通过Fisher 线性判别方法来构建判别地表冻融状态的方程,并使用包含18.7 GHz、36.5 GHz的水平和垂直极化4个通道亮温的地基微波辐射计对基于模拟数据建立的判别方程进行优化,得到判别地表冻融的冻融判别函数算法.Kou等[14 ] 结合我国森林生物量对Zhao[18 ] 提出的冻融判别函数算法的方程系数进行调整,经过实测数据验证,改进后的算法在中国区域具有较好判别精度.随着研究的深入,众多研究人员在中国区域对不同的算法进行了对比分析,Shao等[19 ] 以中国区域为研究区对判别地表冻融算法进行了评估,结果表明冻融判别函数算法对冻土的判别精度最高,双指标算法和季节阈值算法类似,决策树算法对冻土的判别精度最差.Wang等[20 ] 根据季节阈值算法和冻融判别函数算法制备了中国区域的冻融产品,并进行对比分析,结果发现两种冻融产品在非干旱区的判别精度均高于干旱区,而冻融判别函数算法受干旱气候影响比季节阈值算法小.Chai等[21 ] 采用冻融判别函数算法、双指标算法和决策树算法对中国区域冻融土进行判别,结果表明冻融判别函数算法对冻土的判别更具有优势.刘源等[22 ] 以青藏高原为研究区对双指标算法、决策树算法、冻融判别函数算法进行对比分析,研究发现双指标算法在该区域具有较好的判别精度,其次是决策树算法和冻融判别函数算法.总体来看,冻融判别函数算法和双指标算法具有较好的判别结果. ...
Mapping freeze-thaw boundaries with SMMR data
2
1990
... 基于微波数据进行地表冻融状态判别算法主要包括双指标算法[13 ] 、冻融判别函数算法[14 ] 、决策树算法[15 ] 、季节阈值算法[16 ] 四种,其中双指标算法和冻融判别函数算法应用较为广泛.双指标算法最早是基于SMMR亮温数据37 GHz垂直极化亮温和10.7~37 GHz的负亮温谱梯度作为判别地表冻融的指标[17 ] .Jin等[13 ] 利用双指标算法基于SMMR和SSM/I数据的37 GHz垂直极化亮度温度、37 GHz和18/19 GHz负亮温谱梯度,对中国近地表土壤冻融进行冻融监测,并取得了可靠的结果.Zhao等[18 ] 结合积雪辐射模型、冻土介电模型和面散射模型,建立了针对寒区复杂地表环境的微波辐射模型.经过模型模拟分析选择AMSR-E数据的36.5 GHz垂直极化亮温指示地表温度变化,选择低频波段(6.29 GHz、10.65 GHz、18.7 GHz)的水平极化亮温与36.5 GHz垂直极化亮温的比值作为衡量地表发射率的变化,通过Fisher 线性判别方法来构建判别地表冻融状态的方程,并使用包含18.7 GHz、36.5 GHz的水平和垂直极化4个通道亮温的地基微波辐射计对基于模拟数据建立的判别方程进行优化,得到判别地表冻融的冻融判别函数算法.Kou等[14 ] 结合我国森林生物量对Zhao[18 ] 提出的冻融判别函数算法的方程系数进行调整,经过实测数据验证,改进后的算法在中国区域具有较好判别精度.随着研究的深入,众多研究人员在中国区域对不同的算法进行了对比分析,Shao等[19 ] 以中国区域为研究区对判别地表冻融算法进行了评估,结果表明冻融判别函数算法对冻土的判别精度最高,双指标算法和季节阈值算法类似,决策树算法对冻土的判别精度最差.Wang等[20 ] 根据季节阈值算法和冻融判别函数算法制备了中国区域的冻融产品,并进行对比分析,结果发现两种冻融产品在非干旱区的判别精度均高于干旱区,而冻融判别函数算法受干旱气候影响比季节阈值算法小.Chai等[21 ] 采用冻融判别函数算法、双指标算法和决策树算法对中国区域冻融土进行判别,结果表明冻融判别函数算法对冻土的判别更具有优势.刘源等[22 ] 以青藏高原为研究区对双指标算法、决策树算法、冻融判别函数算法进行对比分析,研究发现双指标算法在该区域具有较好的判别精度,其次是决策树算法和冻融判别函数算法.总体来看,冻融判别函数算法和双指标算法具有较好的判别结果. ...
... 在研究区内大片连续多年冻土区和岛状融区多年冻土区观测站点较少,所以将这两块冻土区与岛状多年冻土区合为一个区域,称为多年冻土区.图7 为两种算法在不同冻土分区总体判别精度的空间分布状况.总体来看,DFA算法和DIA算法总体判别精度主要在80%以上,其中在多年冻土区对地表土壤总体判别精度高于季节冻土区.两种算法在使用升轨数据时,在季节冻土区的东南区域以及在43°~48° N地区的判别精度略低于其他地区,大部分在80%~90%之间.季节冻土区的东南区域判别精度略低可能是因为该区域纬度较低、气温高,长期处于由冻土(融土)向融土(冻土)转化阶段.在43°~48° N范围以120° E为界,120° E以西为内蒙古高原,气候较为干旱;120° E以东湿地分布广泛,这些都可能造成判别精度的准确率低.两种算法在使用降轨数据时,双指标算法在东北冻土区122° E以东的区域的判别精度大于122° E以西的地区,冻融判别函数算法判别精度较低的站点在东北冻土区呈分散型分布.通过对比冻融判别函数算法和双指标算法在升轨和降轨时期的空间分布,发现两种算法在降轨时期判别精度均低于升轨时期的判别精度.这可能由于利用降轨数据T B V 36.5 反演地温数据的效果比升轨数据T B V 36.5 差[28 ] ,而地温数据是判别地表冻融算法的一个重要参数,所以导致在使用降轨数据判别时精度低于升轨数据.T B V 36.5 与地表温度相关性较高,大量研究仍用T B V 36.5 来识别地表的热状况[17 ,26 ] ,并将其作为双指标算法和冻融判别函数算法的关键指标. ...
A new soil freeze-thaw discriminant algorithm using AMSR‐E passive microwave imagery
2
2011
... 基于微波数据进行地表冻融状态判别算法主要包括双指标算法[13 ] 、冻融判别函数算法[14 ] 、决策树算法[15 ] 、季节阈值算法[16 ] 四种,其中双指标算法和冻融判别函数算法应用较为广泛.双指标算法最早是基于SMMR亮温数据37 GHz垂直极化亮温和10.7~37 GHz的负亮温谱梯度作为判别地表冻融的指标[17 ] .Jin等[13 ] 利用双指标算法基于SMMR和SSM/I数据的37 GHz垂直极化亮度温度、37 GHz和18/19 GHz负亮温谱梯度,对中国近地表土壤冻融进行冻融监测,并取得了可靠的结果.Zhao等[18 ] 结合积雪辐射模型、冻土介电模型和面散射模型,建立了针对寒区复杂地表环境的微波辐射模型.经过模型模拟分析选择AMSR-E数据的36.5 GHz垂直极化亮温指示地表温度变化,选择低频波段(6.29 GHz、10.65 GHz、18.7 GHz)的水平极化亮温与36.5 GHz垂直极化亮温的比值作为衡量地表发射率的变化,通过Fisher 线性判别方法来构建判别地表冻融状态的方程,并使用包含18.7 GHz、36.5 GHz的水平和垂直极化4个通道亮温的地基微波辐射计对基于模拟数据建立的判别方程进行优化,得到判别地表冻融的冻融判别函数算法.Kou等[14 ] 结合我国森林生物量对Zhao[18 ] 提出的冻融判别函数算法的方程系数进行调整,经过实测数据验证,改进后的算法在中国区域具有较好判别精度.随着研究的深入,众多研究人员在中国区域对不同的算法进行了对比分析,Shao等[19 ] 以中国区域为研究区对判别地表冻融算法进行了评估,结果表明冻融判别函数算法对冻土的判别精度最高,双指标算法和季节阈值算法类似,决策树算法对冻土的判别精度最差.Wang等[20 ] 根据季节阈值算法和冻融判别函数算法制备了中国区域的冻融产品,并进行对比分析,结果发现两种冻融产品在非干旱区的判别精度均高于干旱区,而冻融判别函数算法受干旱气候影响比季节阈值算法小.Chai等[21 ] 采用冻融判别函数算法、双指标算法和决策树算法对中国区域冻融土进行判别,结果表明冻融判别函数算法对冻土的判别更具有优势.刘源等[22 ] 以青藏高原为研究区对双指标算法、决策树算法、冻融判别函数算法进行对比分析,研究发现双指标算法在该区域具有较好的判别精度,其次是决策树算法和冻融判别函数算法.总体来看,冻融判别函数算法和双指标算法具有较好的判别结果. ...
... [18 ]提出的冻融判别函数算法的方程系数进行调整,经过实测数据验证,改进后的算法在中国区域具有较好判别精度.随着研究的深入,众多研究人员在中国区域对不同的算法进行了对比分析,Shao等[19 ] 以中国区域为研究区对判别地表冻融算法进行了评估,结果表明冻融判别函数算法对冻土的判别精度最高,双指标算法和季节阈值算法类似,决策树算法对冻土的判别精度最差.Wang等[20 ] 根据季节阈值算法和冻融判别函数算法制备了中国区域的冻融产品,并进行对比分析,结果发现两种冻融产品在非干旱区的判别精度均高于干旱区,而冻融判别函数算法受干旱气候影响比季节阈值算法小.Chai等[21 ] 采用冻融判别函数算法、双指标算法和决策树算法对中国区域冻融土进行判别,结果表明冻融判别函数算法对冻土的判别更具有优势.刘源等[22 ] 以青藏高原为研究区对双指标算法、决策树算法、冻融判别函数算法进行对比分析,研究发现双指标算法在该区域具有较好的判别精度,其次是决策树算法和冻融判别函数算法.总体来看,冻融判别函数算法和双指标算法具有较好的判别结果. ...
Assessment of four near‐surface soil freeze-thaw detection algorithms based on calibrated passive microwave remote sensing data over China
1
2020
... 基于微波数据进行地表冻融状态判别算法主要包括双指标算法[13 ] 、冻融判别函数算法[14 ] 、决策树算法[15 ] 、季节阈值算法[16 ] 四种,其中双指标算法和冻融判别函数算法应用较为广泛.双指标算法最早是基于SMMR亮温数据37 GHz垂直极化亮温和10.7~37 GHz的负亮温谱梯度作为判别地表冻融的指标[17 ] .Jin等[13 ] 利用双指标算法基于SMMR和SSM/I数据的37 GHz垂直极化亮度温度、37 GHz和18/19 GHz负亮温谱梯度,对中国近地表土壤冻融进行冻融监测,并取得了可靠的结果.Zhao等[18 ] 结合积雪辐射模型、冻土介电模型和面散射模型,建立了针对寒区复杂地表环境的微波辐射模型.经过模型模拟分析选择AMSR-E数据的36.5 GHz垂直极化亮温指示地表温度变化,选择低频波段(6.29 GHz、10.65 GHz、18.7 GHz)的水平极化亮温与36.5 GHz垂直极化亮温的比值作为衡量地表发射率的变化,通过Fisher 线性判别方法来构建判别地表冻融状态的方程,并使用包含18.7 GHz、36.5 GHz的水平和垂直极化4个通道亮温的地基微波辐射计对基于模拟数据建立的判别方程进行优化,得到判别地表冻融的冻融判别函数算法.Kou等[14 ] 结合我国森林生物量对Zhao[18 ] 提出的冻融判别函数算法的方程系数进行调整,经过实测数据验证,改进后的算法在中国区域具有较好判别精度.随着研究的深入,众多研究人员在中国区域对不同的算法进行了对比分析,Shao等[19 ] 以中国区域为研究区对判别地表冻融算法进行了评估,结果表明冻融判别函数算法对冻土的判别精度最高,双指标算法和季节阈值算法类似,决策树算法对冻土的判别精度最差.Wang等[20 ] 根据季节阈值算法和冻融判别函数算法制备了中国区域的冻融产品,并进行对比分析,结果发现两种冻融产品在非干旱区的判别精度均高于干旱区,而冻融判别函数算法受干旱气候影响比季节阈值算法小.Chai等[21 ] 采用冻融判别函数算法、双指标算法和决策树算法对中国区域冻融土进行判别,结果表明冻融判别函数算法对冻土的判别更具有优势.刘源等[22 ] 以青藏高原为研究区对双指标算法、决策树算法、冻融判别函数算法进行对比分析,研究发现双指标算法在该区域具有较好的判别精度,其次是决策树算法和冻融判别函数算法.总体来看,冻融判别函数算法和双指标算法具有较好的判别结果. ...
Evaluation and analysis of SMAP, AMSR2 and MEaSUREs freeze-thaw products in China
1
2020
... 基于微波数据进行地表冻融状态判别算法主要包括双指标算法[13 ] 、冻融判别函数算法[14 ] 、决策树算法[15 ] 、季节阈值算法[16 ] 四种,其中双指标算法和冻融判别函数算法应用较为广泛.双指标算法最早是基于SMMR亮温数据37 GHz垂直极化亮温和10.7~37 GHz的负亮温谱梯度作为判别地表冻融的指标[17 ] .Jin等[13 ] 利用双指标算法基于SMMR和SSM/I数据的37 GHz垂直极化亮度温度、37 GHz和18/19 GHz负亮温谱梯度,对中国近地表土壤冻融进行冻融监测,并取得了可靠的结果.Zhao等[18 ] 结合积雪辐射模型、冻土介电模型和面散射模型,建立了针对寒区复杂地表环境的微波辐射模型.经过模型模拟分析选择AMSR-E数据的36.5 GHz垂直极化亮温指示地表温度变化,选择低频波段(6.29 GHz、10.65 GHz、18.7 GHz)的水平极化亮温与36.5 GHz垂直极化亮温的比值作为衡量地表发射率的变化,通过Fisher 线性判别方法来构建判别地表冻融状态的方程,并使用包含18.7 GHz、36.5 GHz的水平和垂直极化4个通道亮温的地基微波辐射计对基于模拟数据建立的判别方程进行优化,得到判别地表冻融的冻融判别函数算法.Kou等[14 ] 结合我国森林生物量对Zhao[18 ] 提出的冻融判别函数算法的方程系数进行调整,经过实测数据验证,改进后的算法在中国区域具有较好判别精度.随着研究的深入,众多研究人员在中国区域对不同的算法进行了对比分析,Shao等[19 ] 以中国区域为研究区对判别地表冻融算法进行了评估,结果表明冻融判别函数算法对冻土的判别精度最高,双指标算法和季节阈值算法类似,决策树算法对冻土的判别精度最差.Wang等[20 ] 根据季节阈值算法和冻融判别函数算法制备了中国区域的冻融产品,并进行对比分析,结果发现两种冻融产品在非干旱区的判别精度均高于干旱区,而冻融判别函数算法受干旱气候影响比季节阈值算法小.Chai等[21 ] 采用冻融判别函数算法、双指标算法和决策树算法对中国区域冻融土进行判别,结果表明冻融判别函数算法对冻土的判别更具有优势.刘源等[22 ] 以青藏高原为研究区对双指标算法、决策树算法、冻融判别函数算法进行对比分析,研究发现双指标算法在该区域具有较好的判别精度,其次是决策树算法和冻融判别函数算法.总体来看,冻融判别函数算法和双指标算法具有较好的判别结果. ...
Comparison of the classification accuracy of three soil freeze-thaw discrimination algorithms in China using SSMIS and AMSR-E passive microwave imagery
3
2014
... 基于微波数据进行地表冻融状态判别算法主要包括双指标算法[13 ] 、冻融判别函数算法[14 ] 、决策树算法[15 ] 、季节阈值算法[16 ] 四种,其中双指标算法和冻融判别函数算法应用较为广泛.双指标算法最早是基于SMMR亮温数据37 GHz垂直极化亮温和10.7~37 GHz的负亮温谱梯度作为判别地表冻融的指标[17 ] .Jin等[13 ] 利用双指标算法基于SMMR和SSM/I数据的37 GHz垂直极化亮度温度、37 GHz和18/19 GHz负亮温谱梯度,对中国近地表土壤冻融进行冻融监测,并取得了可靠的结果.Zhao等[18 ] 结合积雪辐射模型、冻土介电模型和面散射模型,建立了针对寒区复杂地表环境的微波辐射模型.经过模型模拟分析选择AMSR-E数据的36.5 GHz垂直极化亮温指示地表温度变化,选择低频波段(6.29 GHz、10.65 GHz、18.7 GHz)的水平极化亮温与36.5 GHz垂直极化亮温的比值作为衡量地表发射率的变化,通过Fisher 线性判别方法来构建判别地表冻融状态的方程,并使用包含18.7 GHz、36.5 GHz的水平和垂直极化4个通道亮温的地基微波辐射计对基于模拟数据建立的判别方程进行优化,得到判别地表冻融的冻融判别函数算法.Kou等[14 ] 结合我国森林生物量对Zhao[18 ] 提出的冻融判别函数算法的方程系数进行调整,经过实测数据验证,改进后的算法在中国区域具有较好判别精度.随着研究的深入,众多研究人员在中国区域对不同的算法进行了对比分析,Shao等[19 ] 以中国区域为研究区对判别地表冻融算法进行了评估,结果表明冻融判别函数算法对冻土的判别精度最高,双指标算法和季节阈值算法类似,决策树算法对冻土的判别精度最差.Wang等[20 ] 根据季节阈值算法和冻融判别函数算法制备了中国区域的冻融产品,并进行对比分析,结果发现两种冻融产品在非干旱区的判别精度均高于干旱区,而冻融判别函数算法受干旱气候影响比季节阈值算法小.Chai等[21 ] 采用冻融判别函数算法、双指标算法和决策树算法对中国区域冻融土进行判别,结果表明冻融判别函数算法对冻土的判别更具有优势.刘源等[22 ] 以青藏高原为研究区对双指标算法、决策树算法、冻融判别函数算法进行对比分析,研究发现双指标算法在该区域具有较好的判别精度,其次是决策树算法和冻融判别函数算法.总体来看,冻融判别函数算法和双指标算法具有较好的判别结果. ...
... 本研究对两种算法的判别结果进行验证时,由于观测数据的有限性,最终选取了0 cm地温数据作为判定标准.但实际上被动微波传感器对土壤具有一定穿透力,穿透深度可能受地表土壤特征,如土壤含水量、地表粗糙度和植被覆盖度等因素影响[34 ] .因此,亮温和地温可能并不来自同一深度,这是本研究判别精度出现误差的因素之一.以往研究也有选择0 cm地温[21 ] 、4 cm地温[15 ] 、5 cm地温[21 ] 、0~5 cm平均地温等数据进行精度验证[35 ] ,但不同深度下的土壤冻融状况不同,最后对于冻融判别结果的精度评价也不同.因此,为了提高被动微波遥感判别土壤冻融状态的分类精度,需分析被动微波探测深度的差异、土壤温度在垂直剖面内的差异以及同步大规模的地面观测数据. ...
... [21 ]、0~5 cm平均地温等数据进行精度验证[35 ] ,但不同深度下的土壤冻融状况不同,最后对于冻融判别结果的精度评价也不同.因此,为了提高被动微波遥感判别土壤冻融状态的分类精度,需分析被动微波探测深度的差异、土壤温度在垂直剖面内的差异以及同步大规模的地面观测数据. ...
Evaluation of classification accuracy in Tibetan Plateau of three soil freeze-thaw discrimination algorithms
1
2018
... 基于微波数据进行地表冻融状态判别算法主要包括双指标算法[13 ] 、冻融判别函数算法[14 ] 、决策树算法[15 ] 、季节阈值算法[16 ] 四种,其中双指标算法和冻融判别函数算法应用较为广泛.双指标算法最早是基于SMMR亮温数据37 GHz垂直极化亮温和10.7~37 GHz的负亮温谱梯度作为判别地表冻融的指标[17 ] .Jin等[13 ] 利用双指标算法基于SMMR和SSM/I数据的37 GHz垂直极化亮度温度、37 GHz和18/19 GHz负亮温谱梯度,对中国近地表土壤冻融进行冻融监测,并取得了可靠的结果.Zhao等[18 ] 结合积雪辐射模型、冻土介电模型和面散射模型,建立了针对寒区复杂地表环境的微波辐射模型.经过模型模拟分析选择AMSR-E数据的36.5 GHz垂直极化亮温指示地表温度变化,选择低频波段(6.29 GHz、10.65 GHz、18.7 GHz)的水平极化亮温与36.5 GHz垂直极化亮温的比值作为衡量地表发射率的变化,通过Fisher 线性判别方法来构建判别地表冻融状态的方程,并使用包含18.7 GHz、36.5 GHz的水平和垂直极化4个通道亮温的地基微波辐射计对基于模拟数据建立的判别方程进行优化,得到判别地表冻融的冻融判别函数算法.Kou等[14 ] 结合我国森林生物量对Zhao[18 ] 提出的冻融判别函数算法的方程系数进行调整,经过实测数据验证,改进后的算法在中国区域具有较好判别精度.随着研究的深入,众多研究人员在中国区域对不同的算法进行了对比分析,Shao等[19 ] 以中国区域为研究区对判别地表冻融算法进行了评估,结果表明冻融判别函数算法对冻土的判别精度最高,双指标算法和季节阈值算法类似,决策树算法对冻土的判别精度最差.Wang等[20 ] 根据季节阈值算法和冻融判别函数算法制备了中国区域的冻融产品,并进行对比分析,结果发现两种冻融产品在非干旱区的判别精度均高于干旱区,而冻融判别函数算法受干旱气候影响比季节阈值算法小.Chai等[21 ] 采用冻融判别函数算法、双指标算法和决策树算法对中国区域冻融土进行判别,结果表明冻融判别函数算法对冻土的判别更具有优势.刘源等[22 ] 以青藏高原为研究区对双指标算法、决策树算法、冻融判别函数算法进行对比分析,研究发现双指标算法在该区域具有较好的判别精度,其次是决策树算法和冻融判别函数算法.总体来看,冻融判别函数算法和双指标算法具有较好的判别结果. ...
3种土壤冻融判别算法在青藏高原的分类精度评价
1
2018
... 基于微波数据进行地表冻融状态判别算法主要包括双指标算法[13 ] 、冻融判别函数算法[14 ] 、决策树算法[15 ] 、季节阈值算法[16 ] 四种,其中双指标算法和冻融判别函数算法应用较为广泛.双指标算法最早是基于SMMR亮温数据37 GHz垂直极化亮温和10.7~37 GHz的负亮温谱梯度作为判别地表冻融的指标[17 ] .Jin等[13 ] 利用双指标算法基于SMMR和SSM/I数据的37 GHz垂直极化亮度温度、37 GHz和18/19 GHz负亮温谱梯度,对中国近地表土壤冻融进行冻融监测,并取得了可靠的结果.Zhao等[18 ] 结合积雪辐射模型、冻土介电模型和面散射模型,建立了针对寒区复杂地表环境的微波辐射模型.经过模型模拟分析选择AMSR-E数据的36.5 GHz垂直极化亮温指示地表温度变化,选择低频波段(6.29 GHz、10.65 GHz、18.7 GHz)的水平极化亮温与36.5 GHz垂直极化亮温的比值作为衡量地表发射率的变化,通过Fisher 线性判别方法来构建判别地表冻融状态的方程,并使用包含18.7 GHz、36.5 GHz的水平和垂直极化4个通道亮温的地基微波辐射计对基于模拟数据建立的判别方程进行优化,得到判别地表冻融的冻融判别函数算法.Kou等[14 ] 结合我国森林生物量对Zhao[18 ] 提出的冻融判别函数算法的方程系数进行调整,经过实测数据验证,改进后的算法在中国区域具有较好判别精度.随着研究的深入,众多研究人员在中国区域对不同的算法进行了对比分析,Shao等[19 ] 以中国区域为研究区对判别地表冻融算法进行了评估,结果表明冻融判别函数算法对冻土的判别精度最高,双指标算法和季节阈值算法类似,决策树算法对冻土的判别精度最差.Wang等[20 ] 根据季节阈值算法和冻融判别函数算法制备了中国区域的冻融产品,并进行对比分析,结果发现两种冻融产品在非干旱区的判别精度均高于干旱区,而冻融判别函数算法受干旱气候影响比季节阈值算法小.Chai等[21 ] 采用冻融判别函数算法、双指标算法和决策树算法对中国区域冻融土进行判别,结果表明冻融判别函数算法对冻土的判别更具有优势.刘源等[22 ] 以青藏高原为研究区对双指标算法、决策树算法、冻融判别函数算法进行对比分析,研究发现双指标算法在该区域具有较好的判别精度,其次是决策树算法和冻融判别函数算法.总体来看,冻融判别函数算法和双指标算法具有较好的判别结果. ...
Analyzing the spatial-temporal variations of snow depth in the Northeast China by means of remote sensing in consideration of frozen ground zonation
1
2018
... 东北冻土区位于我国的东北部,包括黑龙江、吉林和辽宁三省以及内蒙古自治区东北部地区,经纬度范围为115.08°~135.03° E,38.67°~53.57° N,如图1 所示.该区属于大陆性季风气候,区内年平均气温0 ℃以下,年均降水量约460 mm,每年降水主要集中在7—8月.降雪一般从11月上旬开始至次年4月上旬结束.受大陆及海洋季风交替影响,四季分明,夏季湿热多雨,冬季漫长寒冷.东北冻土区北部地貌多为山地,森林覆盖度高,西部有内蒙古典型草原及草甸草原分布,中部平原以草地、农田和湿地为主,此外分布着松花江、黑龙江、乌苏里江、牡丹江等诸多河流和湖泊[23 ] . ...
东北冻土区积雪深度时空变化遥感分析
1
2018
... 东北冻土区位于我国的东北部,包括黑龙江、吉林和辽宁三省以及内蒙古自治区东北部地区,经纬度范围为115.08°~135.03° E,38.67°~53.57° N,如图1 所示.该区属于大陆性季风气候,区内年平均气温0 ℃以下,年均降水量约460 mm,每年降水主要集中在7—8月.降雪一般从11月上旬开始至次年4月上旬结束.受大陆及海洋季风交替影响,四季分明,夏季湿热多雨,冬季漫长寒冷.东北冻土区北部地貌多为山地,森林覆盖度高,西部有内蒙古典型草原及草甸草原分布,中部平原以草地、农田和湿地为主,此外分布着松花江、黑龙江、乌苏里江、牡丹江等诸多河流和湖泊[23 ] . ...
Geocryological regionalization and classification map of the frozen soil in China
2
1
... 东北冻土区位于我国的东北部,包括黑龙江、吉林和辽宁三省以及内蒙古自治区东北部地区,经纬度范围为115.08°~135.03° E,38.67°~53.57° N,如
图1 所示.该区属于大陆性季风气候,区内年平均气温0 ℃以下,年均降水量约460 mm,每年降水主要集中在7—8月.降雪一般从11月上旬开始至次年4月上旬结束.受大陆及海洋季风交替影响,四季分明,夏季湿热多雨,冬季漫长寒冷.东北冻土区北部地貌多为山地,森林覆盖度高,西部有内蒙古典型草原及草甸草原分布,中部平原以草地、农田和湿地为主,此外分布着松花江、黑龙江、乌苏里江、牡丹江等诸多河流和湖泊
[23 ] .
图1 研究区概况 Location of the study area (a) and permafrost distribution (b)[24 ] in the frozen ground region of northeast China Fig. 1 ![]()
1.2 数据 1.2.1 气象站点数据 本文使用东北冻土区的87个国家气象站2020年每日0 cm地温(包括日最高地表温度和日最低地表温度)用于算法的验证,0 cm地温数据来源于中国国家气象科学数据中心(http://data.cma.cn/ )的“中国地面气候资料日值数据集(V3.0)”. ...
... 中国1∶1 000万冻土区划及类型图(2000年)来自国家青藏高原数据中心(http://www.tpdc.ac.cn/ ).该数据是通过中国冻土区划及类型图(1∶10 000 000)[24 -25 ] 的数字化获得,利用ArcGIS软件裁剪得到东北冻土区冻土分布图. ...
中国1:1 000万冻土区划及类型图(2000)
2
2011
... 东北冻土区位于我国的东北部,包括黑龙江、吉林和辽宁三省以及内蒙古自治区东北部地区,经纬度范围为115.08°~135.03° E,38.67°~53.57° N,如
图1 所示.该区属于大陆性季风气候,区内年平均气温0 ℃以下,年均降水量约460 mm,每年降水主要集中在7—8月.降雪一般从11月上旬开始至次年4月上旬结束.受大陆及海洋季风交替影响,四季分明,夏季湿热多雨,冬季漫长寒冷.东北冻土区北部地貌多为山地,森林覆盖度高,西部有内蒙古典型草原及草甸草原分布,中部平原以草地、农田和湿地为主,此外分布着松花江、黑龙江、乌苏里江、牡丹江等诸多河流和湖泊
[23 ] .
图1 研究区概况 Location of the study area (a) and permafrost distribution (b)[24 ] in the frozen ground region of northeast China Fig. 1 ![]()
1.2 数据 1.2.1 气象站点数据 本文使用东北冻土区的87个国家气象站2020年每日0 cm地温(包括日最高地表温度和日最低地表温度)用于算法的验证,0 cm地温数据来源于中国国家气象科学数据中心(http://data.cma.cn/ )的“中国地面气候资料日值数据集(V3.0)”. ...
... 中国1∶1 000万冻土区划及类型图(2000年)来自国家青藏高原数据中心(http://www.tpdc.ac.cn/ ).该数据是通过中国冻土区划及类型图(1∶10 000 000)[24 -25 ] 的数字化获得,利用ArcGIS软件裁剪得到东北冻土区冻土分布图. ...
Cryospheric change in China
1
2008
... 中国1∶1 000万冻土区划及类型图(2000年)来自国家青藏高原数据中心(http://www.tpdc.ac.cn/ ).该数据是通过中国冻土区划及类型图(1∶10 000 000)[24 -25 ] 的数字化获得,利用ArcGIS软件裁剪得到东北冻土区冻土分布图. ...
Microwave radiation of frozen and thawed soils under complicated surface condition: simulation and discrimination analysis
2
2009
... Kou等[14 ] 将冻结土壤中的有机质对微波辐射影响考虑在冻土介电模型中,并结合积雪辐射模型和面散射模型[26 ] ,建立了针对寒区复杂地表环境的冻融判别模型.综合了AMSR-E亮温数据和全国气象站点0 cm日最高/低温度数据,利用T B V 36.5 和Q e 18.7 H / 36.5 V ( T B H 18.7 与T B V 36.5 的比值)指示地表温度和土壤发射率的变化,并基于Fisher判别分析,最终建立了DFA算法,DFA算法表达式如式(4 )、(5 )所示: ...
... 在研究区内大片连续多年冻土区和岛状融区多年冻土区观测站点较少,所以将这两块冻土区与岛状多年冻土区合为一个区域,称为多年冻土区.图7 为两种算法在不同冻土分区总体判别精度的空间分布状况.总体来看,DFA算法和DIA算法总体判别精度主要在80%以上,其中在多年冻土区对地表土壤总体判别精度高于季节冻土区.两种算法在使用升轨数据时,在季节冻土区的东南区域以及在43°~48° N地区的判别精度略低于其他地区,大部分在80%~90%之间.季节冻土区的东南区域判别精度略低可能是因为该区域纬度较低、气温高,长期处于由冻土(融土)向融土(冻土)转化阶段.在43°~48° N范围以120° E为界,120° E以西为内蒙古高原,气候较为干旱;120° E以东湿地分布广泛,这些都可能造成判别精度的准确率低.两种算法在使用降轨数据时,双指标算法在东北冻土区122° E以东的区域的判别精度大于122° E以西的地区,冻融判别函数算法判别精度较低的站点在东北冻土区呈分散型分布.通过对比冻融判别函数算法和双指标算法在升轨和降轨时期的空间分布,发现两种算法在降轨时期判别精度均低于升轨时期的判别精度.这可能由于利用降轨数据T B V 36.5 反演地温数据的效果比升轨数据T B V 36.5 差[28 ] ,而地温数据是判别地表冻融算法的一个重要参数,所以导致在使用降轨数据判别时精度低于升轨数据.T B V 36.5 与地表温度相关性较高,大量研究仍用T B V 36.5 来识别地表的热状况[17 ,26 ] ,并将其作为双指标算法和冻融判别函数算法的关键指标. ...
复杂地表条件下冻融土的微波辐射特性模拟及判别分析
2
2009
... Kou等[14 ] 将冻结土壤中的有机质对微波辐射影响考虑在冻土介电模型中,并结合积雪辐射模型和面散射模型[26 ] ,建立了针对寒区复杂地表环境的冻融判别模型.综合了AMSR-E亮温数据和全国气象站点0 cm日最高/低温度数据,利用T B V 36.5 和Q e 18.7 H / 36.5 V ( T B H 18.7 与T B V 36.5 的比值)指示地表温度和土壤发射率的变化,并基于Fisher判别分析,最终建立了DFA算法,DFA算法表达式如式(4 )、(5 )所示: ...
... 在研究区内大片连续多年冻土区和岛状融区多年冻土区观测站点较少,所以将这两块冻土区与岛状多年冻土区合为一个区域,称为多年冻土区.图7 为两种算法在不同冻土分区总体判别精度的空间分布状况.总体来看,DFA算法和DIA算法总体判别精度主要在80%以上,其中在多年冻土区对地表土壤总体判别精度高于季节冻土区.两种算法在使用升轨数据时,在季节冻土区的东南区域以及在43°~48° N地区的判别精度略低于其他地区,大部分在80%~90%之间.季节冻土区的东南区域判别精度略低可能是因为该区域纬度较低、气温高,长期处于由冻土(融土)向融土(冻土)转化阶段.在43°~48° N范围以120° E为界,120° E以西为内蒙古高原,气候较为干旱;120° E以东湿地分布广泛,这些都可能造成判别精度的准确率低.两种算法在使用降轨数据时,双指标算法在东北冻土区122° E以东的区域的判别精度大于122° E以西的地区,冻融判别函数算法判别精度较低的站点在东北冻土区呈分散型分布.通过对比冻融判别函数算法和双指标算法在升轨和降轨时期的空间分布,发现两种算法在降轨时期判别精度均低于升轨时期的判别精度.这可能由于利用降轨数据T B V 36.5 反演地温数据的效果比升轨数据T B V 36.5 差[28 ] ,而地温数据是判别地表冻融算法的一个重要参数,所以导致在使用降轨数据判别时精度低于升轨数据.T B V 36.5 与地表温度相关性较高,大量研究仍用T B V 36.5 来识别地表的热状况[17 ,26 ] ,并将其作为双指标算法和冻融判别函数算法的关键指标. ...
Inter-calibration of AMSR-E and AMSR2 brightness temperature
1
2016
... DFA算法是基于AMSR-E亮温数据和实测数据发展而来的,本文所用的是AMSR2亮温数据,为了确保两者亮温数据的一致性,本文采用胡同喜根据观测值直接对比的方案分别对AMSR2和AMSR-E的T B H 18.7 和T B V 36.5 两个波段的亮温建立线性转换关系[27 ] ,转换关系表达式如(6)、(7)所示,对AMSR2亮温数据校正之后,并应用到DFA算法中. ...
AMSR-E与AMSR2被动微波亮温数据交叉定标
1
2016
... DFA算法是基于AMSR-E亮温数据和实测数据发展而来的,本文所用的是AMSR2亮温数据,为了确保两者亮温数据的一致性,本文采用胡同喜根据观测值直接对比的方案分别对AMSR2和AMSR-E的T B H 18.7 和T B V 36.5 两个波段的亮温建立线性转换关系[27 ] ,转换关系表达式如(6)、(7)所示,对AMSR2亮温数据校正之后,并应用到DFA算法中. ...
Downscaling method for near-surface freeze-thaw state monitoring in Genhe area of China
1
2019
... 在研究区内大片连续多年冻土区和岛状融区多年冻土区观测站点较少,所以将这两块冻土区与岛状多年冻土区合为一个区域,称为多年冻土区.图7 为两种算法在不同冻土分区总体判别精度的空间分布状况.总体来看,DFA算法和DIA算法总体判别精度主要在80%以上,其中在多年冻土区对地表土壤总体判别精度高于季节冻土区.两种算法在使用升轨数据时,在季节冻土区的东南区域以及在43°~48° N地区的判别精度略低于其他地区,大部分在80%~90%之间.季节冻土区的东南区域判别精度略低可能是因为该区域纬度较低、气温高,长期处于由冻土(融土)向融土(冻土)转化阶段.在43°~48° N范围以120° E为界,120° E以西为内蒙古高原,气候较为干旱;120° E以东湿地分布广泛,这些都可能造成判别精度的准确率低.两种算法在使用降轨数据时,双指标算法在东北冻土区122° E以东的区域的判别精度大于122° E以西的地区,冻融判别函数算法判别精度较低的站点在东北冻土区呈分散型分布.通过对比冻融判别函数算法和双指标算法在升轨和降轨时期的空间分布,发现两种算法在降轨时期判别精度均低于升轨时期的判别精度.这可能由于利用降轨数据T B V 36.5 反演地温数据的效果比升轨数据T B V 36.5 差[28 ] ,而地温数据是判别地表冻融算法的一个重要参数,所以导致在使用降轨数据判别时精度低于升轨数据.T B V 36.5 与地表温度相关性较高,大量研究仍用T B V 36.5 来识别地表的热状况[17 ,26 ] ,并将其作为双指标算法和冻融判别函数算法的关键指标. ...
根河地区冻融监测和降尺度算法的验证分析
1
2019
... 在研究区内大片连续多年冻土区和岛状融区多年冻土区观测站点较少,所以将这两块冻土区与岛状多年冻土区合为一个区域,称为多年冻土区.图7 为两种算法在不同冻土分区总体判别精度的空间分布状况.总体来看,DFA算法和DIA算法总体判别精度主要在80%以上,其中在多年冻土区对地表土壤总体判别精度高于季节冻土区.两种算法在使用升轨数据时,在季节冻土区的东南区域以及在43°~48° N地区的判别精度略低于其他地区,大部分在80%~90%之间.季节冻土区的东南区域判别精度略低可能是因为该区域纬度较低、气温高,长期处于由冻土(融土)向融土(冻土)转化阶段.在43°~48° N范围以120° E为界,120° E以西为内蒙古高原,气候较为干旱;120° E以东湿地分布广泛,这些都可能造成判别精度的准确率低.两种算法在使用降轨数据时,双指标算法在东北冻土区122° E以东的区域的判别精度大于122° E以西的地区,冻融判别函数算法判别精度较低的站点在东北冻土区呈分散型分布.通过对比冻融判别函数算法和双指标算法在升轨和降轨时期的空间分布,发现两种算法在降轨时期判别精度均低于升轨时期的判别精度.这可能由于利用降轨数据T B V 36.5 反演地温数据的效果比升轨数据T B V 36.5 差[28 ] ,而地温数据是判别地表冻融算法的一个重要参数,所以导致在使用降轨数据判别时精度低于升轨数据.T B V 36.5 与地表温度相关性较高,大量研究仍用T B V 36.5 来识别地表的热状况[17 ,26 ] ,并将其作为双指标算法和冻融判别函数算法的关键指标. ...
Diurnal variations of landscape thermal effect in city parks from the later autumn to early winter
1
2015
... 本文使用AMSR2被动微波数据的空间分辨率为0.1°,空间分辨率较低,在地表覆被类型复杂的微波像元内,像元亮温值为多种地物类型的平均辐射亮温值,而点观测的地温数据代表的是点尺度范围内地表土壤冻融状态,以站点数据去验证整个像元区域内的地表土壤冻融变化,使得点尺度的观测数据无法与卫星产品准确匹配,导致判别结果不确定性增加.如图10 (a)~10 (f)表示每个站点所在的像元,不同站点所在的像元内包含多种土地类型,而不同地表类型对太阳辐射吸收能力不同,会导致不同土地覆盖类型的亮温值存在差异[29 ] .如图10 (a)和10 (d)所示,该站点所在的像元包含多种地表类型,并通过查看验证数据,两种算法在地表完全融化时对该站点判别时普遍出现了较低的判别精度,这可能是由于像元内水体亮温值较其他地物类型最低,在水体占比较大的像元内,水体的存在会对像元内的亮温值产生较大影响.有研究表明,相较于像元内完全是水体或者完全是陆地的区域,水体和陆地混合像元的地区引起的辐射亮温值误差更大[30 -31 ] ,所以导致河流分布广泛的像元内判别精度较差. ...
城市公园景观秋冬季动态热效应
1
2015
... 本文使用AMSR2被动微波数据的空间分辨率为0.1°,空间分辨率较低,在地表覆被类型复杂的微波像元内,像元亮温值为多种地物类型的平均辐射亮温值,而点观测的地温数据代表的是点尺度范围内地表土壤冻融状态,以站点数据去验证整个像元区域内的地表土壤冻融变化,使得点尺度的观测数据无法与卫星产品准确匹配,导致判别结果不确定性增加.如图10 (a)~10 (f)表示每个站点所在的像元,不同站点所在的像元内包含多种土地类型,而不同地表类型对太阳辐射吸收能力不同,会导致不同土地覆盖类型的亮温值存在差异[29 ] .如图10 (a)和10 (d)所示,该站点所在的像元包含多种地表类型,并通过查看验证数据,两种算法在地表完全融化时对该站点判别时普遍出现了较低的判别精度,这可能是由于像元内水体亮温值较其他地物类型最低,在水体占比较大的像元内,水体的存在会对像元内的亮温值产生较大影响.有研究表明,相较于像元内完全是水体或者完全是陆地的区域,水体和陆地混合像元的地区引起的辐射亮温值误差更大[30 -31 ] ,所以导致河流分布广泛的像元内判别精度较差. ...
Comparative analysis of microwave brightness temperature data in Northeast China using AMSR-E and MWRI products
1
2011
... 本文使用AMSR2被动微波数据的空间分辨率为0.1°,空间分辨率较低,在地表覆被类型复杂的微波像元内,像元亮温值为多种地物类型的平均辐射亮温值,而点观测的地温数据代表的是点尺度范围内地表土壤冻融状态,以站点数据去验证整个像元区域内的地表土壤冻融变化,使得点尺度的观测数据无法与卫星产品准确匹配,导致判别结果不确定性增加.如图10 (a)~10 (f)表示每个站点所在的像元,不同站点所在的像元内包含多种土地类型,而不同地表类型对太阳辐射吸收能力不同,会导致不同土地覆盖类型的亮温值存在差异[29 ] .如图10 (a)和10 (d)所示,该站点所在的像元包含多种地表类型,并通过查看验证数据,两种算法在地表完全融化时对该站点判别时普遍出现了较低的判别精度,这可能是由于像元内水体亮温值较其他地物类型最低,在水体占比较大的像元内,水体的存在会对像元内的亮温值产生较大影响.有研究表明,相较于像元内完全是水体或者完全是陆地的区域,水体和陆地混合像元的地区引起的辐射亮温值误差更大[30 -31 ] ,所以导致河流分布广泛的像元内判别精度较差. ...
Review on the super resolution enhancement and unmixing method for passive microwave remote sensing data
1
2012
... 本文使用AMSR2被动微波数据的空间分辨率为0.1°,空间分辨率较低,在地表覆被类型复杂的微波像元内,像元亮温值为多种地物类型的平均辐射亮温值,而点观测的地温数据代表的是点尺度范围内地表土壤冻融状态,以站点数据去验证整个像元区域内的地表土壤冻融变化,使得点尺度的观测数据无法与卫星产品准确匹配,导致判别结果不确定性增加.如图10 (a)~10 (f)表示每个站点所在的像元,不同站点所在的像元内包含多种土地类型,而不同地表类型对太阳辐射吸收能力不同,会导致不同土地覆盖类型的亮温值存在差异[29 ] .如图10 (a)和10 (d)所示,该站点所在的像元包含多种地表类型,并通过查看验证数据,两种算法在地表完全融化时对该站点判别时普遍出现了较低的判别精度,这可能是由于像元内水体亮温值较其他地物类型最低,在水体占比较大的像元内,水体的存在会对像元内的亮温值产生较大影响.有研究表明,相较于像元内完全是水体或者完全是陆地的区域,水体和陆地混合像元的地区引起的辐射亮温值误差更大[30 -31 ] ,所以导致河流分布广泛的像元内判别精度较差. ...
被动微波遥感数据超分辨率增强与混合像元分解研究综述
1
2012
... 本文使用AMSR2被动微波数据的空间分辨率为0.1°,空间分辨率较低,在地表覆被类型复杂的微波像元内,像元亮温值为多种地物类型的平均辐射亮温值,而点观测的地温数据代表的是点尺度范围内地表土壤冻融状态,以站点数据去验证整个像元区域内的地表土壤冻融变化,使得点尺度的观测数据无法与卫星产品准确匹配,导致判别结果不确定性增加.如图10 (a)~10 (f)表示每个站点所在的像元,不同站点所在的像元内包含多种土地类型,而不同地表类型对太阳辐射吸收能力不同,会导致不同土地覆盖类型的亮温值存在差异[29 ] .如图10 (a)和10 (d)所示,该站点所在的像元包含多种地表类型,并通过查看验证数据,两种算法在地表完全融化时对该站点判别时普遍出现了较低的判别精度,这可能是由于像元内水体亮温值较其他地物类型最低,在水体占比较大的像元内,水体的存在会对像元内的亮温值产生较大影响.有研究表明,相较于像元内完全是水体或者完全是陆地的区域,水体和陆地混合像元的地区引起的辐射亮温值误差更大[30 -31 ] ,所以导致河流分布广泛的像元内判别精度较差. ...
Spatiotemporal variations of soil freeze-thaw state in Northeast China based on the ERA5-LAND dataset
1
2021
... 虽然利用被动微波传感器亮温数据结合DFA算法和DIA算法能够较好的判别地表土壤的冻融状态,但通过查看验证数据发现两种算法都无法准确获取冻融过渡时期地表土壤的冻融状态.在春、秋季冻融过渡期间,地表温度变化缓慢时,土壤中水分相变过程相对缓慢,土壤中的水或者冰无法快速完全冻结或者融化,地表温度长时间在0 ℃附近,土壤处于由融化(冻结)向冻结(融化)过渡的阶段,尤其是在季节冻土区,随着气温变暖季节冻土区地表土壤冻结时间缩短融化时间增加,将会出现更频繁的冻融循环现象[32 ] .仅用冻结或融化来描述土壤状态将导致判别精度低的状况出现.此外,在温度一天之内变化较大区域,地表土壤可能在日内发生多次冻融循环的现象,有研究表明在季节冻土区发生日内冻融循环的次数多于多年冻土区[33 ] ,而被动微波传感器可能在过境时刻没有捕捉到地表土壤的冻融状况,使得两种算法在季节冻土区比在多年冻土区更容易产生误判. ...
基于ERA5-LAND的中国东北地区近地表土壤冻融状态时空变化特征
1
2021
... 虽然利用被动微波传感器亮温数据结合DFA算法和DIA算法能够较好的判别地表土壤的冻融状态,但通过查看验证数据发现两种算法都无法准确获取冻融过渡时期地表土壤的冻融状态.在春、秋季冻融过渡期间,地表温度变化缓慢时,土壤中水分相变过程相对缓慢,土壤中的水或者冰无法快速完全冻结或者融化,地表温度长时间在0 ℃附近,土壤处于由融化(冻结)向冻结(融化)过渡的阶段,尤其是在季节冻土区,随着气温变暖季节冻土区地表土壤冻结时间缩短融化时间增加,将会出现更频繁的冻融循环现象[32 ] .仅用冻结或融化来描述土壤状态将导致判别精度低的状况出现.此外,在温度一天之内变化较大区域,地表土壤可能在日内发生多次冻融循环的现象,有研究表明在季节冻土区发生日内冻融循环的次数多于多年冻土区[33 ] ,而被动微波传感器可能在过境时刻没有捕捉到地表土壤的冻融状况,使得两种算法在季节冻土区比在多年冻土区更容易产生误判. ...
Processes of soil thawing freezing and features of ground temperature and moisture at D105 on the northern Tibetan Plateau
1
2012
... 虽然利用被动微波传感器亮温数据结合DFA算法和DIA算法能够较好的判别地表土壤的冻融状态,但通过查看验证数据发现两种算法都无法准确获取冻融过渡时期地表土壤的冻融状态.在春、秋季冻融过渡期间,地表温度变化缓慢时,土壤中水分相变过程相对缓慢,土壤中的水或者冰无法快速完全冻结或者融化,地表温度长时间在0 ℃附近,土壤处于由融化(冻结)向冻结(融化)过渡的阶段,尤其是在季节冻土区,随着气温变暖季节冻土区地表土壤冻结时间缩短融化时间增加,将会出现更频繁的冻融循环现象[32 ] .仅用冻结或融化来描述土壤状态将导致判别精度低的状况出现.此外,在温度一天之内变化较大区域,地表土壤可能在日内发生多次冻融循环的现象,有研究表明在季节冻土区发生日内冻融循环的次数多于多年冻土区[33 ] ,而被动微波传感器可能在过境时刻没有捕捉到地表土壤的冻融状况,使得两种算法在季节冻土区比在多年冻土区更容易产生误判. ...
藏北高原 D105 点土壤冻融状况与温湿特征分析
1
2012
... 虽然利用被动微波传感器亮温数据结合DFA算法和DIA算法能够较好的判别地表土壤的冻融状态,但通过查看验证数据发现两种算法都无法准确获取冻融过渡时期地表土壤的冻融状态.在春、秋季冻融过渡期间,地表温度变化缓慢时,土壤中水分相变过程相对缓慢,土壤中的水或者冰无法快速完全冻结或者融化,地表温度长时间在0 ℃附近,土壤处于由融化(冻结)向冻结(融化)过渡的阶段,尤其是在季节冻土区,随着气温变暖季节冻土区地表土壤冻结时间缩短融化时间增加,将会出现更频繁的冻融循环现象[32 ] .仅用冻结或融化来描述土壤状态将导致判别精度低的状况出现.此外,在温度一天之内变化较大区域,地表土壤可能在日内发生多次冻融循环的现象,有研究表明在季节冻土区发生日内冻融循环的次数多于多年冻土区[33 ] ,而被动微波传感器可能在过境时刻没有捕捉到地表土壤的冻融状况,使得两种算法在季节冻土区比在多年冻土区更容易产生误判. ...
Sampling depth of L-band radiometer measurements of soil moisture and freeze-thaw dynamics on the Tibetan Plateau
1
2019
... 本研究对两种算法的判别结果进行验证时,由于观测数据的有限性,最终选取了0 cm地温数据作为判定标准.但实际上被动微波传感器对土壤具有一定穿透力,穿透深度可能受地表土壤特征,如土壤含水量、地表粗糙度和植被覆盖度等因素影响[34 ] .因此,亮温和地温可能并不来自同一深度,这是本研究判别精度出现误差的因素之一.以往研究也有选择0 cm地温[21 ] 、4 cm地温[15 ] 、5 cm地温[21 ] 、0~5 cm平均地温等数据进行精度验证[35 ] ,但不同深度下的土壤冻融状况不同,最后对于冻融判别结果的精度评价也不同.因此,为了提高被动微波遥感判别土壤冻融状态的分类精度,需分析被动微波探测深度的差异、土壤温度在垂直剖面内的差异以及同步大规模的地面观测数据. ...
Monitoring soil condition in the northern Tibetan Plateau using SSM/I data
1
1996
... 本研究对两种算法的判别结果进行验证时,由于观测数据的有限性,最终选取了0 cm地温数据作为判定标准.但实际上被动微波传感器对土壤具有一定穿透力,穿透深度可能受地表土壤特征,如土壤含水量、地表粗糙度和植被覆盖度等因素影响[34 ] .因此,亮温和地温可能并不来自同一深度,这是本研究判别精度出现误差的因素之一.以往研究也有选择0 cm地温[21 ] 、4 cm地温[15 ] 、5 cm地温[21 ] 、0~5 cm平均地温等数据进行精度验证[35 ] ,但不同深度下的土壤冻融状况不同,最后对于冻融判别结果的精度评价也不同.因此,为了提高被动微波遥感判别土壤冻融状态的分类精度,需分析被动微波探测深度的差异、土壤温度在垂直剖面内的差异以及同步大规模的地面观测数据. ...