CN114037023A - 海洋卫星校正微波辐射计极地异常水汽数据的校正方法 - Google Patents
海洋卫星校正微波辐射计极地异常水汽数据的校正方法 Download PDFInfo
- Publication number
- CN114037023A CN114037023A CN202111558702.8A CN202111558702A CN114037023A CN 114037023 A CN114037023 A CN 114037023A CN 202111558702 A CN202111558702 A CN 202111558702A CN 114037023 A CN114037023 A CN 114037023A
- Authority
- CN
- China
- Prior art keywords
- water vapor
- cmr
- data
- pwv
- era5
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 144
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000012937 correction Methods 0.000 claims abstract description 24
- 238000012360 testing method Methods 0.000 claims abstract description 8
- 230000002547 anomalous effect Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000012417 linear regression Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 239000012808 vapor phase Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000005457 ice water Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于水汽探测技术领域，涉及一种海洋卫星校正微波辐射计极地异常水汽数据的校正方法，包括：从海洋二号卫星（HY‑2A）CMR水汽产品中，提取试验区标识为海冰+陆地的CMR水汽数据点及其亮温数据；根据CMR水汽数据点的观测时间，选择一天内最接近的某一个小时的ERA5 PWV数据，进行数据点的时间匹配；根据CMR水汽数据点的位置坐标，确定其所在ERA5数据的网格单元，并利用四个网格点的ERA5 PWV，采用双线性内插法计算得到CMR水汽数据点处的ERA5 PWV，完成数据点的空间匹配；构建CMR海冰+陆地异常水汽的校正模型；模型精度验证。
Description
技术领域
本发明属于水汽探测技术领域，涉及一种海洋卫星校正微波辐射计极地异常水汽数据的校正方法。
背景技术
大气水汽是影响天气***和大气运动的决定因素之一，准确测量其分布对天气分析和预测具有重要意义，尤其是在全球变暖的大环境下，全球大气水汽含量的监测显得格外重要。海洋二号卫星(HaiYang-2A,HY-2A)是我国自主研发的第一颗海洋动力环境卫星，其搭载的校正微波辐射计(Calibration Microwave Radiometer,CMR)可以实现对全球大气水汽含量的监测。HY-2A CMR是一个三频率(18.7GHz、23.8GHz、37.0GHz)微波辐射计，地面足迹约为40km。
目前CMR水汽反演常用的回归模型是对数模型，包括七参数模型和四参数模型。HY-2A CMR水汽反演主要针对标识为海洋的数据，受足迹(约40km)影响，在穿越海陆交接处或海冰时，足迹探测的信号同时包含陆地或海冰和海洋信号。由于陆地、海冰与海水的辐射特征不一致，海洋亮温反演模型并不适用陆地或海冰区域，导致标识为海冰、陆地的水汽数据出现异常。目前大多数研究选择将此类异常水汽数据删除，但这样会造成海岸带尤其是极地海域水汽数据的大量缺失。
海冰+陆地异常水汽数据主要分布在南极海域，以2015年时间窗口11：30-12：30为例，图1给出了HY-2A CMR在南极海域经度为130°W至150°W，纬度在70°S至80°S附近的海冰+陆地异常水汽数据与ECMWF发布的最新ERA5大气可降水量(Precipitable Water Vapor,PWV)数据的对比结果。由图1可知，二者的相关性很差，仅为15.46％，平均偏差达到了11.81mm，说明标识为海冰+陆地的CMR异常水汽数据的反演模型不准确或不适用。
发明内容
本发明的目的在于提供海洋卫星校正微波辐射计极地异常水汽数据的校正方法，以解决现有技术中，海洋二号卫星校正微波辐射计在极地海域标识为海冰+陆地的水汽数据存在异常和水汽反演模型不准确的问题。
一种海洋卫星校正微波辐射计极地异常水汽数据的校正方法，包括：
S1.从HY-2A CMR水汽产品中，提取试验区标识为海冰+陆地的CMR水汽数据点及其亮温数据；
S2.进行ERA5 PWV与CMR水汽数据的时空匹配和计算；
S3.构建CMR海冰+陆地异常水汽的校正模型；
S4.模型精度验证。
优选地，步骤S2中，采用双线性内插法提取与CMR水汽数据点相匹配的ERA5 PWV。
优选地，步骤S2包括以下子步骤：
S2.1.根据CMR水汽数据的观测时间，选择一天内最接近的某一个小时的ERA5 PWV数据，进行CMR水汽数据点的时间匹配；
S2.2.根据CMR水汽数据点的位置坐标，确定其所在ERA5数据的网格单元；
S2.3.利用四个网格点的ERA5 PWV，采用双线性内插法计算得到CMR水汽数据点处的 ERA5 PWV，完成数据点的空间匹配。
优选地，步骤S2.3的双线性内插法算法具体为：
a＝round((round(Lat)+1-Lat)/0.25)+1+(Lat0-round(Lat)-1)/0.25；
b＝round((Lon-round(Lon))/0.25)+1+(round(Lon)-Lon0)/0.25；
y1＝Lat0-0.25*a；y2＝y1+0.25；x2＝b*0.25+Lon0；x1＝x2-0.25；
P1＝PWV(a,b)/(x2-x1)*(y2-y1)*(x2-Lon0)*(Lat0-y1)；
P2＝PWV(a,b+1)/(x2-x1)*(y2-y1)*(Lon0-x1)*(Lat0-y1)；
P3＝PWV(a+1,b)/(x2-x1)*(y2-y1)*(x2-Lon0)*(y2-Lat0)；
P4＝PWV(a+1,b+1)/(x2-x1)*(y2-y1)*(Lon0-x1)*(y2-Lat0)；
P＝P1+P2+P3+P4；
上述round为取整符号，Lat为待求CMR水汽数据点纬度，Lon为待求CMR水汽数据点经度，Lat0为试验区西北角网格点纬度，Lon0为试验区西北角网格点经度，单位为°；a为网格点的行数，b为网格点的列数；PWV(a,b)代表第a行b列网格点的水汽值；(x1,y1)、(x1,y2)、(x2,y1)和(x2,y2)为待求CMR水汽数据点所在网格单元四个网格点的坐标；P为待求CMR水汽数据点的ERA5 PWV。
优选地，步骤S3的校正模型为：P＝a0+a18.7TB18.7+a23.8TB23.8+a37.0TB37.0，P为大气水汽含量；TB18.7、TB23.8和TB37.0分别为HY-2A CMR的三个频率测定的亮温值，单位为 K；a0、a18.7、a23.8、a37.0为模型系数。
优选地，步骤S4中，将HY-2A CMR亮温数据代入上述校正模型中，得到校正后的CMR海冰+陆地水汽值，然后将其与匹配的ERA5 PWV进行对比和精度验证。
与现有技术相比，本发明实现了ERA5 PWV与HY-2A CMR水汽数据点的时空匹配、以ERA5 PWV和CMR亮温为样本数据的线性回归校正模型的构建，与传统对数回归模型相比，本发明提出和构建的线性回归校正模型具有模型简单、精度更高等优点，为HY-2A CMR异常水汽数据的校正提供了一种新的思路和方法。
附图说明
图1是校正前CMR海冰+陆地水汽与ERA5 PWV的对比；
图2是校正前CMR海冰+陆地水汽的误差序列；
图3是校正前后的CMR海冰+陆地水汽与ERA5 PWV偏差对比。
具体实施方式
下面结合具体实施方式对本发明作进一步详细说明：
一种海洋卫星校正微波辐射计极地异常水汽数据的校正方法，包括：
S1.从CMR水汽产品中，提取试验区标识为海冰+陆地的CMR水汽数据点及其亮温数据；
S2.进行ERA5 PWV与CMR水汽数据的时空匹配和计算；
S3.构建CMR海冰+陆地异常水汽的校正模型；
S4.模型精度验证。
步骤S2中，采用双线性内插法提取与上述CMR水汽数据点相匹配的ERA5 PWV。
步骤S2包括以下子步骤：
S2.1.根据CMR水汽数据的观测时间，选择一天内最接近的某一个小时的ERA5 PWV数据，进行数据点的时间匹配；
S2.2.根据CMR水汽数据点的位置坐标，确定其所在ERA5数据的网格单元；
S2.3.利用四个网格点的ERA5 PWV，采用双线性内插法计算得到CMR水汽数据点处的 ERA5 PWV，完成数据点的空间匹配。
步骤S2.3的双线性内插法算法具体为：
a＝round((round(Lat)+1-Lat)/0.25)+1+(Lat0-round(Lat)-1)/0.25；
b＝round((Lon-round(Lon))/0.25)+1+(round(Lon)-Lon0)/0.25；
y1＝Lat0-0.25*a；y2＝y1+0.25；x2＝b*0.25+Lon0；x1＝x2-0.25；
P1＝PWV(a,b)/(x2-x1)*(y2-y1)*(x2-Lon0)*(Lat0-y1)；
P2＝PWV(a,b+1)/(x2-x1)*(y2-y1)*(Lon0-x1)*(Lat0-y1)；
P3＝PWV(a+1,b)/(x2-x1)*(y2-y1)*(x2-Lon0)*(y2-Lat0)；
P4＝PWV(a+1,b+1)/(x2-x1)*(y2-y1)*(Lon0-x1)*(y2-Lat0)；
P＝P1+P2+P3+P4；
上述round为取整符号，Lat为待求CMR水汽数据点纬度，Lon为待求CMR水汽数据点经度，Lat0为试验区西北角网格点纬度，Lon0为试验区西北角网格点经度，单位为°；a为网格点的行数，b为网格点的列数；PWV(a,b)代表第a行b列网格点的水汽值；(x1,y1)、(x1,y2)、(x2,y1)和(x2,y2)为待求CMR水汽数据点所在网格单元四个网格点的坐标；P为待求CMR水汽数据点的ERA5 PWV。
步骤S3的校正模型为：P＝a0+a18.7TB18.7+a23.8TB23.8+a37.0TB37.0，P为大气水汽含量；TB18.7、TB23.8和TB37.0分别为HY-2A CMR的三个频率测定的亮温值，单位为K；a0、 a18.7、a23.8、a37.0为模型系数。
利用2015年前9个月的HY-2A CMR亮温数据和匹配的ERA5 PWV建立观测方程，采用最小二乘方法得到上述线性回归模型的系数如表1所示。
表1 CMR海冰+陆地水汽校正模型的系数
步骤S4中，将HY-2A CMR亮温数据代入上述校正模型中，得到校正后的CMR海冰+陆地水汽值，然后将其与匹配的ERA5 PWV进行对比和精度验证。
图2为HY-2A CMR在南极海域的海冰+陆地异常水汽数据相对于ERA5 PWV的误差序列。对上述误差序列进行统计分析，发现CMR异常水汽数据与ERA5 PWV之间存在明显的线性关系，线性回归模型更加适用于上述CMR异常水汽数据的校正。以2015年南极海域 130°W至150°W，70°S至80°S附近为试验区，将标识为海冰+陆地的HY-2A CMR亮温数据和ERA5 PWV作为样本数据，利用前9个月的数据建立了CMR海冰+陆地异常水汽数据的线性回归校正模型，然后利用后3个月的数据进行模型的精度验证和误差分析。
(1)校正前后CMR海冰+陆地水汽的偏差对比
采用本发明构建的线性回归校正模型，利用2015年后3个月的HY-2A CMR亮温反演计算南极海域CMR海冰+陆地水汽。然后，将模型校正前后的海冰+陆地水汽分别与相匹配的ERA5 PWV作差，得到CMR水汽相对于ERA5 PWV的偏差，结果对比如图3所示。
由图3可知，南极海域标识为海冰+陆地的CMR水汽在未经校正之前表现出了很强的异常性，与ERA5 PWV相比，两者之间的偏差在10mm附近波动，平均偏差为11.65mm，最大达到了35mm，相关性很差，表明海冰+陆地CMR水汽受到了很大程度的污染，CMR海洋水汽反演模型不适用于海冰+陆地海域。而利用本发明构建的线性回归校正模型，得到的CMR 海冰+陆地水汽与ERA5 PWV相比，平均偏差仅为0.07mm，二者具有良好的一致性。
(2)校正后CMR海冰+陆地水汽数据的精度评价
将利用本发明构建的线性回归校正模型得到的CMR海冰+陆地水汽数据相对于ERA5 PWV的偏差进行误差统计，以平均偏差、均方根误差(RMS)和标准差(STD)作为数值指标，对校正后的CMR海冰+陆地水汽数据进行精度评价。
表2分别给出了利用本发明提出的线性回归校正模型和传统对数回归模型校正后HY-2A CMR海冰+陆地水汽相对于ERA5 PWV的误差统计结果。可以看出，线性回归模型的校正结果达到了理想的效果，校正后CMR海冰+陆地水汽的平均偏差小于0.1mm，与ERA5 PWV的一致性良好；STD和RMS均在0.8mm以内，CMR海冰+陆地水汽数据相对于ERA5 PWV 具有较高的精度。
表2校正后CMR海冰+陆地水汽数据的误差统计(mm)
当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。
Claims (6)
1.一种海洋卫星校正微波辐射计极地异常水汽数据的校正方法，其特征在于，包括：
S1.从HY-2A CMR水汽产品中，提取试验区标识为海冰+陆地的CMR水汽数据点及其亮温数据；
S2.进行ERA5 PWV与CMR水汽数据点的时空匹配和计算；
S3.构建CMR海冰+陆地异常水汽的校正模型；
S4.模型精度验证。
2.根据权利要求1所述的海洋卫星校正微波辐射计极地异常水汽数据的校正方法，其特征在于，步骤S2中，采用双线性内插法提取与CMR水汽数据点相匹配的ERA5 PWV。
3.根据权利要求2所述的海洋卫星校正微波辐射计极地异常水汽数据的校正方法，其特征在于，步骤S2包括以下子步骤：
S2.1.根据CMR水汽数据的观测时间，选择一天内最接近的某一个小时的ERA5 PWV数据，进行CMR水汽数据点的时间匹配；
S2.2.根据CMR水汽数据点的位置坐标，确定其所在ERA5数据的网格单元；
S2.3.利用四个网格点的ERA5 PWV，采用双线性内插法计算得到CMR水汽数据点处的ERA5 PWV，完成CMR水汽数据点的空间匹配。
4.根据权利要求3所述的海洋卫星校正微波辐射计极地异常水汽数据的校正方法，其特征在于，步骤S2.3的双线性内插法算法具体为：
a＝round((round(Lat)+1-Lat)/0.25)+1+(Lat0-round(Lat)-1)/0.25；
b＝round((Lon-round(Lon))/0.25)+1+(round(Lon)-Lon0)/0.25；
y1＝Lat0-0.25*a；y2＝y1+0.25；x2＝b*0.25+Lon0；x1＝x2-0.25；
P1＝PWV(a，b)/(x2-x1)*(y2-y1)*(x2-Lon0)*(Lot0-y1)；
P2＝PWV(a，b+1)/(x2-x1)*(y2-y1)*(Lon0-x1)*(Lat0-y1)；
P3＝PWV(a+1，b)/(x2-x1)*(y2-y1)*(x2-Lon0)*(y2-Lat0)；
P4＝PWV(a+1，b+1)/(x2-x1)*(y2-y1)*(Lon0-x1)*(y2-Lat0)；
P＝P1+P2+P3+P4；
上述round为取整符号，Lat为待求CMR水汽数据点纬度，Lon为待求CMR水汽数据点经度，Lat0为试验区西北角网格点纬度，Lon0为试验区西北角网格点经度，单位为°；a为网格点的行数，b为网格点的列数；PWV(a，b)代表第a行b列网格点的水汽值；(x1，y1)、(x1，y2)、(x2，y1)和(x2，y2)为待求CMR水汽数据点所在网格单元四个网格点的坐标；P为待求CMR水汽数据点的ERA5 PWV。
5.根据权利要求4所述的海洋卫星校正微波辐射计极地异常水汽数据的校正方法，其特征在于，步骤S3的校正模型为：P＝a0+a18.7TB18.7+a23.8TB23.8+a37.0TB37.0，P为大气水汽含量；TB18.7、TB23.8和TB37.0分别为HY-2A CMR的三个频率测定的亮温值，单位为K；a0、a18.7、a23.8、a37.0为模型系数。
6.根据权利要求5所述的海洋卫星校正微波辐射计极地异常水汽数据的校正方法，其特征在于，步骤S4中，将HY-2A CMR亮温数据代入上述校正模型中，得到校正后的CMR海冰+陆地水汽值，然后将其与匹配的ERA5 PWV进行对比和精度验证。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111558702.8A CN114037023B (zh) | 2021-12-20 | 2021-12-20 | 海洋卫星校正微波辐射计极地异常水汽数据的校正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111558702.8A CN114037023B (zh) | 2021-12-20 | 2021-12-20 | 海洋卫星校正微波辐射计极地异常水汽数据的校正方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114037023A true CN114037023A (zh) | 2022-02-11 |
| CN114037023B CN114037023B (zh) | 2024-05-10 |
Family
ID=80140915
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111558702.8A Active CN114037023B (zh) | 2021-12-20 | 2021-12-20 | 海洋卫星校正微波辐射计极地异常水汽数据的校正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114037023B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115184967A (zh) * | 2022-09-14 | 2022-10-14 | 中国石油大学(华东) | 一种扫描微波辐射计水汽数据的gnss校正方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2015154086A (ru) * | 2015-12-16 | 2017-06-21 | Федеральное государственное бюджетное учреждение "Арктический и антарктический научно-исследовательский институт" | Способ оценки интенсивности дождя по данным измерений спутникового микроволнового радиометра amsr2 |
| CN109633573A (zh) * | 2018-10-24 | 2019-04-16 | 上海无线电设备研究所 | 一种对大幅宽范围内湿对流层延时误差的校正方法 |
| CN109709558A (zh) * | 2019-03-06 | 2019-05-03 | 成都信息工程大学 | 一种星载微波遥感陆地上空pwv的物理反演算法 |
| WO2020230501A1 (ja) * | 2019-05-13 | 2020-11-19 | 古野電気株式会社 | 水蒸気観測システム及び水蒸気観測方法 |
| CN112414554A (zh) * | 2020-12-02 | 2021-02-26 | 国家卫星海洋应用中心 | 海面盐度获取方法、装置、设备及介质 |
| CN113127794A (zh) * | 2021-04-07 | 2021-07-16 | 中山大学 | 一种北极海冰密集度的计算方法 |
-
2021
- 2021-12-20 CN CN202111558702.8A patent/CN114037023B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2015154086A (ru) * | 2015-12-16 | 2017-06-21 | Федеральное государственное бюджетное учреждение "Арктический и антарктический научно-исследовательский институт" | Способ оценки интенсивности дождя по данным измерений спутникового микроволнового радиометра amsr2 |
| CN109633573A (zh) * | 2018-10-24 | 2019-04-16 | 上海无线电设备研究所 | 一种对大幅宽范围内湿对流层延时误差的校正方法 |
| CN109709558A (zh) * | 2019-03-06 | 2019-05-03 | 成都信息工程大学 | 一种星载微波遥感陆地上空pwv的物理反演算法 |
| WO2020230501A1 (ja) * | 2019-05-13 | 2020-11-19 | 古野電気株式会社 | 水蒸気観測システム及び水蒸気観測方法 |
| CN112414554A (zh) * | 2020-12-02 | 2021-02-26 | 国家卫星海洋应用中心 | 海面盐度获取方法、装置、设备及介质 |
| CN113127794A (zh) * | 2021-04-07 | 2021-07-16 | 中山大学 | 一种北极海冰密集度的计算方法 |
Non-Patent Citations (2)
| Title |
|---|
| 石立坚;王其茂;邹斌;施英妮;焦敏: "利用海洋(H Y -2)卫星微波辐射计数据反演北极区域海冰密集度", 极地研究, vol. 26, no. 4, 31 December 2014 (2014-12-31) * |
| 邹玉学;岳迎春;叶涛;李振;: "吉林地区非线性大气加权平均温度模型", 导航定位学报, no. 04, 17 August 2020 (2020-08-17) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115184967A (zh) * | 2022-09-14 | 2022-10-14 | 中国石油大学(华东) | 一种扫描微波辐射计水汽数据的gnss校正方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114037023B (zh) | 2024-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ning et al. | Homogenized time series of the atmospheric water vapor content obtained from the GNSS reprocessed data | |
| CN110287457B (zh) | 基于卫星雷达遥感数据的玉米生物量反演测算方法 | |
| CN106483147B (zh) | 基于多源数据的长时间序列被动微波土壤水分精度改进研究方法 | |
| Zhang et al. | Development of the direct-estimation albedo algorithm for snow-free Landsat TM albedo retrievals using field flux measurements | |
| CN114037023A (zh) | 海洋卫星校正微波辐射计极地异常水汽数据的校正方法 | |
| CN116027010A (zh) | 一种多源卫星测量土壤水分的数据校正方法 | |
| Shangguan et al. | GF-3 polarimetric data quality assessment based on automatic extraction of distributed targets | |
| CN116910041A (zh) | 一种基于尺度分析的遥感降水产品的逐日订正方法 | |
| Rawat et al. | Parameterization of the modified water cloud model (MWCM) using normalized difference vegetation index (NDVI) for winter wheat crop: a case study from Punjab, India | |
| Tang et al. | CYGNSS soil moisture estimations based on quality control | |
| Lindsley et al. | Adapting the SIR algorithm to ASCAT | |
| Yang et al. | Land contamination correction for passive microwave radiometer data: Demonstration of wind retrieval in the great lakes using SSM/I | |
| CN111751286B (zh) | 基于变化检测算法的土壤水分提取方法 | |
| Fan et al. | Extension of the generalized split-window algorithm for land surface temperature retrieval to atmospheres with heavy dust aerosol loading | |
| Rao et al. | Evaluation and comparison of 11 sets of gridded precipitation products over the Qinghai-Tibet Plateau | |
| CN109406911B (zh) | 星载微波传感器低频通道无线电频率干扰检测及校正方法 | |
| CN114611699A (zh) | 土壤水分降尺度方法、装置、电子设备及存储介质 | |
| Yang et al. | Assessment of the Two Successive GPM-Based V3 and V4 GSMaP Precipitation Products at Multiple Temporal and Spatial Scales Over China | |
| Jiang et al. | Consistency of the troposphere wet delay from water vapor radiometer and co-located GPS station | |
| Anterrieu et al. | One year of RFI detection and quantification with L1a signals provided by SMOS reference radiometers | |
| CN116341352B (zh) | 地表温度观测信息约束的静止卫星陆上红外亮温模拟方法 | |
| CN116542132B (zh) | 结合球冠谐模型和神经网络的水汽数据校准与优化方法 | |
| Xu et al. | Fuxi-DA: A Generalized Deep Learning Data Assimilation Framework for Assimilating Satellite Observations | |
| Tilton et al. | On-orbit measurement of the focal length of the SNPP VIIRS instrument | |
| Yang et al. | Monitoring and Risk Assessment of High-Temperature Heat Damage for Summer Maize Based on Remote Sensing Data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |