公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

面向LAI反演的参数化SAILH模型被引量：3: 2010年; 建立了一种基于植被冠层辐射传输模型SAILH的参数化模型。该模型首先对SAILH模型中用到的9个中间变量的计算过程进行简化,然后用一个明确的表达式计算光照冠层的单次散射贡献。分别用模拟数据和2008年黑河地区星-机-地同步实验中获取的地面测量数据对该参数化模型的反演精度和效率进行了评价。评价结果表明该参数化模型能在保证反演精度的基础上极大的提高反演效率;利用模拟数据进行的模型稳定性评价表明,参数化模型的稳定性优于SAILH模型。; 李静李静阎广建; 关键词：参数化

行播作物地面方向性测量的视场不确定性分析被引量：3: 2009年; 行播作物以其独特的几何结构介于离散与连续植被之间。地面测量此类地物的双向反射系数（Bidirectional Reflectance Factor，BRF）特征，不可回避视场变化所引起的不确定性问题。在Kimes垄行结构模型中加入等效视场的概念，对视场进行分解，从而建立了一个行结构多角度地面测量的视场不确定性分析模型，为定量分析视场变化所引起的BRF测量误差提供了可能。利用该模型较为全面地模拟分析了视场变化对视场内四组分比例及冠层BRF的影响。结果表明：①BRF误差基本独立于植被-土壤光谱对比度。②误差与观测天顶角之间的关系复杂，前向观测表现得尤为明显。③垂直观测视场满1个垄周期后，四组分比例及冠层BRF的误差可保持较小且稳定的状态；满2个垄周期，误差达到局部最小值（局部指垂直视场含2．5个垄周期以下，不排除视场更大，误差更小的可能性）。④垂直视场若仅含0．5个垄周期，BRF误差最大值一般可高达67．8％，最小值亦可达38．7％；满1个垄周期后，BRF误差极大值降至20％以下，极小值可控制在6％以内。其中视场为1个整周期，误差范围为6％～12％；2个整周期，误差范围为0．6％～3．9％。⑤垂直视场大小为1～2个垄周期之间的非整周期，四组分比例及冠层BRF误差总体上均稍高于1个整周期，故建议在实际测量过程中，测量高度若无法满足垂直视场为2个垄周期，可优先考虑1个整周期的情况。还通过非线性最优化函数将2个模型分别与黑河实验玉米地方向性观测实测数据进行拟合，得出的结果与模拟分析的结论一致，即在垂直视场内包含2个垄周期以上的生长初期，方向性测量无需考虑视场效应；若垂直视场内不足一个垄周期（生长中期），则有必要考虑视场的不确定性。; 陈玲阎广建李静余莹洁

森林过火区植被遥感参数的变化与恢复特征分析被引量：9: 2018年; 遥感技术可以快速、准确地监测森林火灾火烧迹地的植被遥感参数变化,分析植被对火灾的响应与恢复特征,为防灾减灾决策提供科学依据。本文首先基于森林火灾前后的Landsat5 TM数据,利用差分归一化燃烧指数(the Differential Normalized Burn Ratio,d NBR)来提取2009年澳大利亚维多利亚州火烧迹地的范围,计算过火区面积及火烧强度;其次基于时间序列的全球地表特征参量(Global Land Surface Satellite,GLASS)产品中的叶面积指数(Leaf Area Index,LAI)、吸收光合有效辐射比例(Fraction of Absorbed Photosynthetically Active Radiation,FAPAR)数据,利用距平分析法对比不同火烧强度过火区植被与未过火区植被受森林火灾的影响状况与植被恢复特征。结果表明,森林火灾发生后,LAI、FAPAR值迅速降低,火烧强度越大,LAI、FAPAR下降程度越大,高火烧强度过火区的LAI、FAPAR最大降幅分别为中火烧强度、低火烧强度过火区的1.2、1.3倍;随时间推移,LAI、FAPAR值逐渐上升,在2-3年内恢复至未过火区水平。LAI、FAPAR恢复至未过火区平均水平的时间与森林火灾规模、火烧强度密切相关:维多利亚州森林火灾过火区域中大过火斑块、高火烧强度林地的植被遥感参数恢复时间相比小过火斑块、低火烧强度林地滞后1-2年。植被遥感参数LAI、FAPAR能很好地反映过火区植被的受损状况及恢复过程。; 李静宫阿都宫阿都王静梅曾婷婷; 关键词：森林火灾植被变化植被恢复 GLASS

基于改进温度植被干旱指数的农田土壤水分反演方法被引量：4: 2015年; 基于植被指数-地表温度(VI-Ts)特征空间的温度植被干旱指数(TVDI)被广泛应用于土壤水分监测,但TVDI为土壤水分相对值,而且利用散点图确定干湿边会造成很大的不确定性。基于能量平衡方程和TVDI,该文提出一种定量干湿边选取方法和改进的TVDI模型——定量温度植被指数(Temperature Vegetation Quantitative Index,TVQI),以MODIS遥感数据为基础,实现了定量干湿边真实土壤水分的遥感估算。结果表明:TVQI估算结果与所观测土壤水分呈0.01水平显著相关,总体上的平均绝对误差小于0.02cm^3/cm^3,均方根误差RMSE小于0.035cm^3/cm^3;相对TVDI,TVQI克服了传统干边计算中对植被覆盖类型的限制,更能够准确反应土壤深度在0~10cm、10cm^20cm的土壤水分值,尤其与10cm^20cm土壤水分值更为贴近。; 苏永荣宫阿都吕潇然李静; 关键词：农田土壤水分

基于植被状态指数的云南省农业干旱状况时空分析被引量：14: 2016年; 本文首先计算了云南省2004-2013年农业干旱指数VCI,然后使用Pearson相关系数评价降水与VCI的相关性,基于VCI识别云南省2004-2013年农业干旱事件,最后,与SPEI气象干旱识别结果进行对比分析,在VCI农业干旱识别的基础上,使用干旱频率和干旱面积占比指标分析了云南省2004-2013年农业干旱时空特征。结果表明:降水只是影响VCI指数的关键因素之一;VCI和SPEI指数均能够较好对干旱进行监测并识别典型干旱,但两者的识别结果存在差异;云南省农业干旱频率在春冬两季较高,夏季较低,秋季介于夏季和春冬季之间;春夏冬三季农业干旱频率空间分布较为均匀,秋季农业干旱频率呈南低北高的分布态势,整体上北部干旱频率高于南部;2004-2013年云南省整体干旱面积占比呈现先减小后增加再波动的趋势,春冬两季整体干旱面积占比最高,分别为46.63%和47.18%,呈现下降趋势,夏季整体干旱面积占比最低,为43.81%,呈现上升趋势,秋季整体干旱面积占比介于冬春季和夏季之间,为45.74%,呈现下降趋势。总之,云南省农业干旱春冬易发性最高,影响范围最大,夏季易发性最低,影响范围最小。; 吕潇然尹晓天宫阿都王前锋李静张慧; 关键词：农业干旱 MODIS

全选清除导出

共1页<1>

李静

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

李静

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈