公共文化服务平台

聂磊: 作品数：11 被引量：72H指数：5; 供职机构：武汉大学测绘遥感信息工程国家重点实验室更多>>; 发文基金：国家自然科学基金中央高校基本科研业务费专项资金中央级公益性科研院所基本科研业务费专项资金项目更多>>; 相关领域：天文地球自动化与计算机技术农业科学生物学更多>>

合作作者

积雪-荒漠植被及其组合反射光谱特征观测实验及分析: 2019年; 光谱混合机制研究对混合像元解算具有一定指导意义。利用全波段光谱仪累积期和消融期对规则和非规则分布模式下积雪-荒漠植被混合像元及纯净积雪和荒漠植被像元控制式采集反射光谱。K-均值法计算采集影像积雪和荒漠植被面积比并分析其对应混合像元光谱变化特征以获取更加精细的光谱特征信息,准同步Tetracam ADC3(Agricultural Digital Camera 3)采集图像并计算典型指数,从微观尺度上证实了混合像元主要出现在地类边界处。结果发现,1 456～1 697nm粗粒径冻结雪反射光谱高于新雪反射光谱,新雪反射光谱明显高于陈雪;因冻结覆冰,荒漠植被光谱为积雪、冰晶和植被枝干混合光谱信息,新降积雪覆盖植被光谱特征为积雪和植被枝干的混合光谱信息,不存在常规绿色植被"红边"效应;采集角度为5°和10°时光谱低于垂直角度采集光谱,角度大于10°随角度增加荒漠植被光谱逐渐增大。像元内各个组成物质的面积比及所处像元的位置、采集角度和方向都会影响混合像元的光谱组合信息。; 刘艳杨耘聂磊李帅

一种遥感土壤湿度误差空间协方差的估算方法被引量：2: 2019年; 针对遥感反演土壤湿度空间相关的误差协方差难以估计的问题,提出了一种遥感反演数据误差空间协方差估算方法——3类数据集成分析误差协方差(triple collocation covariance,TC_Cov),将土壤湿度场的每个单元(像元)看作一个空间随机变量,用两个随机变量表示的土壤湿度值的时间序列作为样本进行空间协方差估计,由任何两个随机变量的协方差形成多个随机变量(随机场)的协方差矩阵。利用先进散射计(advanced scatterometer,ASCAT)和热带降雨测量卫星(tropical rainfall measuring mission, TRMM)的遥感土壤湿度数据以及ERA-Interim土壤湿度再分析数据作为TC_Cov方法的输入数据,分别估算了ERA-Interim、ASCAT和TRMM在澳大利亚Murrumbidgee流域的土壤湿度误差协方差矩阵,验证了估算方法的合理性和可行性。; 吴凯舒红聂磊焦振航; 关键词：土壤湿度

降水驱动数据改进对VIC土壤湿度模拟的影响被引量：1: 2017年; 降水驱动数据精度显著影响模型模拟土壤湿度的能力。本文提出了逐日校正降水驱动数据的方法,利用澳大利亚气象局发布的逐日降水数据改进ERA-Interim再分析资料逐6小时降水数据,用以驱动Variable Infiltration Capacity(VIC)水文模型,并与逐月校正法和直接用再分析资料驱动模型得到的结果进行对比分析。利用澳大利亚Yanco地区内13个观测站点数据进行验证,结果表明逐日和逐月校正方法均能提高模拟值同站点观测值的相关系数,且逐日改进方法效果更显著,相关系数提高了24%左右,在大部分站点逐日改进方法还能降低均方根误差5%左右。; 焦振航舒红吴凯聂磊; 关键词：土壤湿度

基于植被指数估算天山牧区不同利用类型草地总产草量被引量：12: 2018年; 针对天山牧区草地面积广、生长环境差异大等特点,选用MODIS/MOD13Q1数据,生成归一化植被指数、增强植被指数、土壤调节植被指数和差值植被指数4种从不同角度反映牧草长势的植被指数,对4个不同牧草利用类型分区分别建立了4种指数及其组合与总产草量的4类回归方程。利用留一交叉检验法评价各模型精度,最终获得适合不同草地利用类型的产草量遥感估算模型。结果表明:4种植被指数都可用于产草量估算,不同植被指数估算模型的拟合精度有区域差异性。当采用SAVI和二次多项式拟合时,RMSE最大值出现在I区,为5 857 kg/hm2,当采用NDVI和二次多项式拟合时,最小值出现在III区,仅为616.487 kg/hm2。值得注意的是采用差值植被指数、土壤调节植被指数估算产草量需考虑植被覆盖状况。其次,多个植被指数组合有信息互补的优势,采用线性回归模型估产时,多个植被指数组合精度高于单一植被指数。该研究可为天山地区草地总产草量遥感估算提供有意义的借鉴。; 刘艳聂磊聂磊; 关键词：植被指数遥感估算

遥感数据同化中亮温数据质量控制分析被引量：1: 2018年; 数据同化可以通过同化观测资料为数值天气预报提供高精度的初值数据。但是,在数据同化使用的卫星观测资料中存在与辐射传输模型模拟数据不一致的数据。同化与模拟不一致的观测数据可能导致分析值不平衡,甚至导致系统崩溃。为保证数据同化结果的准确性,在数据同化前应对观测资料进行质量控制。依据国内外的相关研究,尝试对亮温数据的质量控制方案进行系统总结。针对亮温数据,分析了直接同化中亮温数据的误差来源;介绍了亮温数据质量控制方法,包括合理性检验、离群数据剔除、偏差订正和变分质量控制;并以双权重算法为例,进行了亮温数据质量控制的实例分析;最后,针对亮温数据质量控制提出了几点展望。; 杨向阳舒红吴凯聂磊; 关键词：亮温数据同化遥感

复杂地形地区月平均气温(混合)地理加权回归克里格插值被引量：18: 2018年; 以地形地貌特征复杂、观测站点分布稀疏不均匀的四川省为研究区,引入地形因子(坡度和坡向)和植被指数,采用顾及空间关系非平稳性的(混合)地理加权回归克里格模型((mixed)geographically weighted regression Kriging,(m)GWRK)进行月尺度平均气温插值方法及精度分析研究。针对不同季节和不同地区,将(m)GWRK插值结果与基于全局回归的回归克里格(regression Kriging,RK)插值结果进行对比。结果表明,RK、GWRK、mGWRK回归关系的决定系数R2分别为0.795、0.922、0.911,均方根误差分别为0.83℃、0.64℃、0.55℃,表明GWRK、mGWRK对目标变量的解释能力以及插值精度都优于RK;GWRK、mGWRK相对于RK对月平均气温插值的改进具有季节与地区差异,冬半年的改进大于夏半年,在地形地貌变化大的地区改进大于地形地貌变化小的地区。; 聂磊舒红刘艳; 关键词：月平均气温

玛纳斯河出山口径流EEMD-ARIMA预测被引量：13: 2017年; 定量估算暖湿化背景下干旱内陆河径流变化尤其是非线性变化和未来发展趋势对区域水资源配置具有指导意义。以干旱区典型流域——玛纳斯河流域流量最大的玛纳斯河为例,运用曼—肯德尔(Mann-Kendal1),集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)多种方法对出山口水文控制站肯斯瓦特1957—2012年年均径流进行了分析,得到年均径流非线性和多年代趋势定量特征。结果表明:1957—2012年年均径流显著增加;经EEMD分解后获取年均径流时间序列4个模态IMF分量和一个趋势项,各模态中心频率不一样,表明年均径流存在多种周期规律。将表征多年代际震荡的IMF分量引入ARIMA预测年均径流,预测精度明显高于直接应用年均径流的ARIMA预测精度,这表明EEMD-ARIMA组合径流预测法对短期径流预测具有一定参考价值。; 刘艳杨耘杨耘聂磊; 关键词：径流变化

2001—2015年天山地区草地NDVI时空演变和气候驱动特征分析被引量：15: 2018年; 草地分布时空特征演变和气候驱动特征研究对草地生态环境评价意义重大。基于2000—2015年MOD13Q1 NDVI数据开展了天山地区近15年NDVI年均状况及其变化趋势的空间制图,以及12种典型草地NDVI年均状况等级及其面积发展趋势的时空统计。根据地面气象站同期日观测数据形成了3—8月≥10℃积温和5月、6月、7月及5—6月累积降水序列并完成了空间制图,与天山地区7月NDVI均值进行相关分析和F检验,得到NDVI水热影响空间特征。结果显示,不同草地类型NDVI差异显著,温性草原化荒漠、温性荒漠和温性草原NDVI集中在[0.2,0.4],低地草甸、高寒草甸、高寒草原、沼泽集中在[0.4,0.7],山地草甸、改良草地和热性灌草丛集中在[0.7,1.0],温性荒漠草原类和温性草甸草原类分别介于[0.4,0.7]和[0.7,1.0]。约44%的区域NDVI呈增加趋势,其中8.3%显著增加;约10.6%的区域NDVI显著下降。山地草甸、温性草甸草原和改良草地及热性灌草丛类的NDVI下降趋势显著,温性草原化荒漠、温性荒漠、低地草甸和沼泽增加趋势显著,其他草地类型变化趋势不显著。不同草地类型水热影响程度差异显著,约41%的区域与降水量呈显著正相关,31%的区域与温度呈显著负相关,说明草地生态系统受气候环境因子影响程度较大。; 刘艳聂磊聂磊; 关键词：草地

NDVI相似性分区下天山地区草地总产草量遥感估算被引量：4: 2018年; 山区草地总产草量遥感估算是定量评价区域牧业生产力的有效手段。常规总产草量地面观测数据准确性较高,但无法覆盖整个天山山区,且耗时耗力。针对此问题,以新疆天山山区为研究区,选取MODIS/MOD13Q1 250m植被指数(normalized difference vegetation index,NDVI)产品数据,以县(市)为单元,基于巴氏距离定量评价研究区植被指数分布区域相似性以得到有效遥感建模分区,在此分区基础上,结合草地总产草量实测数据,建立研究区植被指数-草地总产草量遥感估算模型。结果显示,1)基于各县(市)2009-2015年7月底至8月初植被生长期多年NDVI均值直方图计算巴氏距离,以巴氏距离d>0.5为阈值,研究区被划分为7个遥感建模区;2)各分区内NDVI-草地总产草量数据拟合方程形式不同,有线性、指数、幂指数和多项式回归方程几种形式。总体来看,各分区NDVI-草地总产草量拟合相关系数在0.784~0.836。交叉检验除天山北坡西段-伊犁河谷草原畜牧业区RMSE值在2 951kg·hm-2外,其他分区RMSE值均在266~928kg·hm-2,原因在于伊犁河谷草原畜牧业区实测草地总产量在10 000~30 000kg·hm-2的样点居多,区域草地总产量较其他区域多。; 刘艳聂磊聂磊

基于Triple Collocation方法的土壤湿度误差分析被引量：6: 2018年; 土壤湿度作为水循环中重要的驱动参数之一,对天气变化有着显著影响。遥感技术的发展促使土壤湿度的大范围动态性观测变为可能,但对其误差的准确估计仍需进一步的研究。利用ASCAT散射计、AMSR-E辐射计反演得到的2种卫星遥感土壤湿度数据以及ERA-Interim土壤湿度再分析资料,通过三重组合(Triple Collocation,TC)方法得到了研究区域(15°N^55°N,73°E^135°E) 3种土壤湿度数据的误差方差和信噪比估计,并结合MODIS土地覆盖类型数据分析了3种土壤湿度数据的误差特征。结果表明:植被覆盖会影响遥感土壤湿度的TC误差方差估计;从TC误差方差估计值来看,ERA土壤湿度精度最高,AMSR-E精度次之,ASCAT精度最低;从信噪比来看,ASCAT土壤湿度信噪比最高,ERA的信噪比低于ASCAT高于AMSR-E,AMSR-E信噪比最低;通过研究区MODIS土地覆盖类型数据与TC结果的分析可知TC结果多分布在草原、农田和裸地,TC结果比较符合客观实际情况。; 吴凯舒红聂磊焦振航; 关键词：土壤湿度 TRIPLE COLLOCATION

聂磊

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

聂磊

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