CN103940781A - 基于走航数据的smos卫星反演表层海水盐度的校正方法 - Google Patents
基于走航数据的smos卫星反演表层海水盐度的校正方法 Download PDFInfo
- Publication number
- CN103940781A CN103940781A CN201410168565.0A CN201410168565A CN103940781A CN 103940781 A CN103940781 A CN 103940781A CN 201410168565 A CN201410168565 A CN 201410168565A CN 103940781 A CN103940781 A CN 103940781A
- Authority
- CN
- China
- Prior art keywords
- salinity
- data
- smos
- underway
- sea surface
- 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
- 239000013535 sea water Substances 0.000 title claims abstract description 33
- 238000012937 correction Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 title abstract description 18
- 239000002689 soil Substances 0.000 title abstract description 4
- 230000008878 coupling Effects 0.000 claims description 17
- 238000010168 coupling process Methods 0.000 claims description 17
- 238000005859 coupling reaction Methods 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 7
- 230000001419 dependent effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 6
- 241001489705 Aquarius Species 0.000 description 5
- 230000001915 proofreading effect Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 150000003839 salts Chemical class 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 235000007689 Borago officinalis Nutrition 0.000 description 1
- 240000004355 Borago officinalis Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Image Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种基于走航数据的SMOS卫星反演表层海水盐度校正方法,考虑到走航数据与SMOS卫星数据在反演海水盐度方面存在一定的关联性,利用相关性最佳的走航数据与SMOS卫星数据进行曲线拟合,以获得修正函数,从而实现对SMOS卫星反演盐度数据进行校正。本发明方法使用走航数据进行遥感反演盐度的校正,进一步提高了遥感反演盐度的精度,扩大了其应用价值,同时拓展了走航数据的应用范围。
Description
技术领域
本发明涉及一种基于走航数据的SMOS卫星反演表层海水盐度校正方法,属于海洋遥感领域。
背景技术
海水是十分复杂的液体,含盐量是海水的重要特性之一。海洋中的许多现象无不与海水的盐度有关,因此海水盐度是海洋水文诸要素中,最基本也是最重要的要素之一。海水盐度对海水密度、海水结冰、环流等有重要的影响。研究海水盐度的分布与变化规律,对研究发生在海洋中的许多自然现象有着重要意义。盐度分布影响地球水循环和海洋环流,进而对全球的热量分布以及全球气候变化产生影响,盐度在海洋科学中具有重要的意义。
海水盐度的大面积观测资料较少,这限制了对海水盐度的全球分布和变化的研究。从欧洲太空局(European Space Agency,ESA)发射土壤湿度和海洋盐度(Soil Moisture and Ocean Salinity,SMOS)卫星和美国航空航天局(National Aeronautics and Space Administration,NASA)发射宝瓶座(Aquarius)卫星以来,利用遥感数据反演海洋表层盐度得到了大幅度的提高。但是遥感反演的表层海水盐度误差较大,只有进一步减小误差,提高精度,才能拓展遥感卫星反演盐度的应用范围。
走航数据,是指把传感器安装或悬挂在船上,在船的行走过程中,实时获取海水的各要素信息。根据传感器的工作原理和测量要素,分别命名不同的传感器。
因此发明人设想,是否能够利用走航数据来对SMOS卫星反演海水盐度进行校正,并进行了大量研究和尝试。
发明内容
本发明要解决的技术问题是:克服现有技术缺点,针对目前遥感反演盐度误差较大的问题,提出一种基于走航数据的SMOS卫星反演表层海水盐度校正方法,提高SMOS卫星反演盐度的精度。
本发明基于走航数据的SMOS卫星反演表层海水盐度校正方法,其步骤包括:
第一步、从走航数据中提取目标区域内的采样点坐标及对应的实测盐度数据和采样时刻;
第二步、下载对应时间和区域的SMOS遥感数据;
第三步、以空间半径和时间窗口作为遍历条件,选取最佳时空组合所对应的匹配盐度数据,在该最佳时空组合下,匹配盐度数据的相关性最高,所述匹配盐度数据是指落入该最佳时空组合的SMOS遥感数据与走航数据,时空组合是指空间半径与时间窗口的组合;
第四步、将匹配的SMOS遥感像元的卫星反演盐度与对应的实测盐度平均值分别作为待拟合方程的自变量和因变量,并进行去重处理,最终获得若干对由卫星反演盐度和实测盐度构成的关于海水盐度的数据对;
第五步、将最终获得的关于海水盐度的数据对进行去噪滤波和曲线拟合,获得拟合方程及其参数;
第六步;利用第五步获得的拟合方程校正SMOS反演的表层海水盐度。
本发明考虑到走航数据与SMOS卫星数据在反演海水盐度方面存在一定的关联性,利用相关性最佳的走航数据与SMOS卫星数据进行曲线拟合,以获得修正函数,从而实现对SMOS卫星反演盐度数据进行校正。
本发明基于走航数据的SMOS卫星反演表层海水盐度校正方法,还具有如 下进一步的特征:
1、所述第六步完成后,若校正结果不能满足要求,则调整滤波函数和拟合方程,重新执行第五步,直至校正结果满足要求。
2、所述第一步中各采样点的采样时刻根据走航数据中已知的采样起始时刻和采样频率获得。
3、所述第四步中空间半径为0.011°-0.22°,空间半径步长为0.011°,所述时间窗口为1h-24h,时间窗口步长为1h,所述时间窗口以SMOS遥感图像的起始时刻为基准,向对应的走航数据两侧推移。
4、所述SMOS遥感数据中含有三个根据不同反演模型获得的海水盐度值,第三步中,利用这三个海水盐度值的平均值作为卫星反演盐度参与匹配及相关性计算;所述第四步中的卫星反演盐度为三个海水盐度的平均值。
5、所述第五步中,分别利用函数f1(x),f2(x),f3(x)进行曲线拟合,以获得拟合方程的参数,其中
f1(x)=a*exp(b*x)+c*exp(d*x)
f2(x)=a0+a1*cos(x*w)+b1*sin(x*w)+a2*cos(2*x*w)+b2*sin(2*x*w)
f3(x)=p1*x^3+p2*x^2+p3*x+p4
函数f1(x)中,a、b、c、d为拟合方程f1(x)的待求参数;
函数f2(x)中,a0、a1、w、b1、a2、b2为拟合方程f2(x)的待求参数;
函数f3(x)中,p1、p2、p3、p4为拟合方程f3(x)的待求参数;
第六步中,分别利用上述拟合获得的方程对SMOS反演的表层海水盐度进行修正,然后进行平均或加权平均,获得最终的校正结果。
6、所述第三步中,利用软件MATLAB进行数据的自动匹配,获得不同空间半径和时间窗口下的若干组由走航数据与SMOS遥感数据组成的数据对,并 且计算匹配后各组数据对的相关系数,选择相关系数最大的一组数据对参与第四步。
7、所述第四步中,去重处理是指,卫星反演盐度和实测盐度平均值都相同的数据对有1对以上时,则只保留一组数据对,其余进行剔除。
本发明第三步中时间半径和空间窗口的选择参考了其他文献,例如Burrage等人2011年在European Geoscience Union General Assembly中的论文“SMOS observations of the Gulf of Mexico and Caribbean Sea:evaluating surface salinity retrieval and roughness correction performance”,使用的最大时间窗口为2d,最大空间半经为0.5°;Werdell等人2011年在Washington:Aquarius Project Document中的论文“Aquarius Validation Data Segment(AVDS)to Aquarius Data processing Segment(ADPS)interface control document revision1.1”,使用的时空窗口为6h和0.5°;王新新等人在2013年第35卷第5期的《海洋学报》中的论文“SMOS卫星盐度数据在中国近岸海域的准确度评估”,使用的时间窗口为6h,最大匹配半径为56km。为了更接近现场真实数据,本发明测试的空间半径为0.011°-0.22°,时间窗口为1h-24h。随着时空窗口变大,数据量增大,程序就需要较多的运行时间。
本发明利用了走航数据和SMOS数据,数据获取方法简单可行。数据格式的转换相对简单,后续的配对、滤波、拟合等处理可以通过MATLAB工具自动实现。本发明大量的数据处理均可通过MATLAB编程自动处理,大大减少了工 作量,同时降低了人工误差。利用MATLAB工具箱CFTOOL进行交互处理可增加遥感反演盐度校正处理的效率。
本发明方法的执行步骤简单易行,效果较好。由于目前盐度的大面积观测资料比较少,而且遥感反演盐度普遍精度不高。本发明使用走航数据进行遥感反演盐度的校正,进一步提高了遥感反演盐度的精度,扩大了其应用价值,同时拓展了走航数据的应用范围。
附图说明
下面结合附图对本发明作进一步的说明。
图1是基于走航数据的SMOS卫星反演盐度校正方法流程图。
图2是校正前的目标区域SMOS卫星反演海水盐度图像。
图3是指数拟合的方程。
图4是傅里叶拟合的方程。
图5是三次多项式拟合的方程。
图6是利用走航数据校正后的目标区域SMOS反演盐度。
图7是校正前SMOS反演盐度与校正后SMOS反演盐度的误差。
具体实施方式
下面根据附图详细阐述本发明,使本发明的技术路线和操作步骤更加清晰。
本实施例所使用的走航数据是中国第29次南极科学考察获得的温盐数据,使用的仪器是海鸟系列的温盐深测量仪(CTD)。所使用的SMOS遥感数据可以从欧洲太空局的数据库中下载。
如图1所示,为本发明基于走航数据的SMOS卫星反演表层海水盐度校正 方法的流程图,具体步骤如下:
第一步、从走航数据中提取目标区域内的采样点坐标及对应的实测盐度数据和采样时刻。
本步骤中,首先利用SBE Data Processing软件将走航数据转换为CNV格式,以便MATALB读取;然后将只需要实验区的盐度与地理经纬度信息从CNV文件中提取出来,以减少数据量,提高效率;MATLAB将提取的数据分别保存为MAT和EXCEL格式,以备使用;最后,对各采样点添加采样时刻。根据走航数据中已知的采样起始时刻和采样频率获得。
本实施例目标区域的走航数据为2012年11月19日的文件,利用采样开始时间与间隔给每个采样点加入采样时间。由于采样开始时间已知,扫描间隔是10秒,如果数据点较少可以手动加入,数据点较多时利用程序自动添加。
第二步、下载对应时间和区域的SMOS遥感数据。
本步骤中,下载与走航数据对应时间和区域的SMOS遥感数据(如图2所示),并利用BEAM软件将其转换为NC格式,以便利用MATLAB处理。
上述两步骤为本方法数据准备阶段,其利用SBE Data Processing和BEAM分别进行走航数据与SMOS数据的格式转换,以便利用MATLAB自动处理后续过程,使后续处理更加高效准确。实验区域的选择主要考虑到陆地与冰川对微波信号的影响,所以选择距离陆地与冰川一定距离的海区作为实验区域。
第三步、以空间半径和时间窗口作为遍历条件,选取最佳时空组合所对应的匹配盐度数据,在该最佳时空组合下,匹配盐度数据的相关性最高,所述匹配盐度数据是指落入该最佳时空组合的SMOS遥感数据与走航数据,时空组合是指空间半径与时间窗口的组合。
本步骤中,主要进行数据配对和相关性的计算,两者都可以借助MATLAB 实现。SMOS遥感数据中含有三个根据不同反演模型获得的海水盐度值,本实施例中,利用这三个海水盐度值的平均值作为卫星反演盐度参与数据匹配和相关性计算。
本实施例中,利用MATALB程序自动配对走航观测与每景SMOS数据,找到相关性较好的时间空间窗口,如下以其中一景为例说明配对的具体的步骤:
a.加载该景SMOS的盐度数据、位置信息、时间信息。
b.加载该景SMOS数据对应时间窗口的走航数据,例如该景SMOS遥感数据2012年11月20日23时22分49秒开始2012年11月21日00时16分08秒结束,则1h表示加载对应时间区间的走航数据,2h表示上述时间向前半小时向后半小时;
c.以SMOS数据的网格中心坐标为基准,以一定的半径(0.011-0.22)为矩形逐个搜索每个矩形是否存在走航数据,若存在作为该网格反演盐度的对应实测走航数据,则可进行后续的处理。如果存在多个则用平均值作为实测值。
d.全部像元扫描之后,计算实测数据与三个模型数据之间的相关性,并保存。
当所有空间半径和时间窗口测试之后,利用保存的数据,找到相关性最大的一组,作为备用数据,备用数据的相关性如表1。
表1
参数 | 模型1盐度 | 模型2盐度 | 模型3盐度 | 模型温度 |
实测盐度 | 0.4824 | 0.4452 | 0.4767 | —— |
实测温度 | —— | —— | —— | 0.7982 |
从表1可知:SMOS中的模型温度由欧洲中期天气预报中心(The European Centre for Medium-Range Weather Forecasts,ECMWF)提供,可以看出 实测温度与模型温度具有很强的相关性,相关系数R=0.7982,说明温度反演精度较高;同时SMOS卫星盐度反演数据与实测数据存在线性正相关关系,但是两组数据之间的线性关系不太显著,说明反演盐度确实存在较大误差。
第四步、在所述匹配盐度数据中,对SMOS遥感图像像元对应的实测盐度求平均,将匹配的SMOS遥感图像像元的卫星反演盐度与对应的实测盐度平均值分别作为待拟合方程的自变量和因变量,并进行去重处理,最终获得若干对由卫星反演盐度和实测盐度构成的关于海水盐度的数据对。
去重处理是指,卫星反演盐度和实测盐度平均值都相同的数据对有1对以上时,则只保留一组数据对,其余进行剔除。
本步骤中,卫星反演盐度为所述三个海水盐度值的平均值。
由于海水盐度是基于位置信息的,存在相同的点。本步骤主要是将配对的重复数据删除,并且求出三个模型的平均盐度作为自变量,将实测数据作为因变量处理。
第五步、将最终获得的关于海水盐度的数据对进行去噪滤波和曲线拟合,获得拟合方程及参数。
本实施例中,第五步主要通过人机交互方式进行。利用判定系数与均方根误差来判定拟合结果与滤波方法的好坏,最后求出各个方程的参数。
具体来说,利用MATLAB中的CFTOOL工具进行数据平滑方法探索和拟合方程,以获取较好的滤波函数及拟合方程。最后的测试结果如表2。
表2
其中Raw表示原始数据,Moving为利用滑动平均法得到的数据,Loess是利用加权线性最小二乘法和一个二次多项式模型得到的数据,Sgolay是Savitzky-Golay滤波的缩写形式,表示广义移动平均法处理后得到的数据,RLoess是Robust Loess的缩写形式,表示Loess的稳健形式;方程的形式分别为指数形式(Exponential)、傅里叶形式(Fourier)、高斯形式(Gaussian)、多项式(Polynomial)。
从表2可以看出RLoess的效果滤波较好,并且傅里叶级数形式、高斯方程形式、多项式方程形式的判定系数都较高,如图3-4是各个方程的拟合曲线。
本实施例中,分别利用指数函数方程f1(x),傅里叶级数方程f2(x),多项式方程f3(x)进行曲线拟合,以获得拟合方程的参数:
f1(x)=17.85*exp(-0.007839*x)+17.51*exp(0.008159*x);
f2(x)=35.36-0.002566*cos(x*1.176)+0.004442*sin(x*1.176)-0.001634*cos(2*x*1.176)-0.001517*sin(2*x*1.176);
f3(x)=-5.203*10-07*x^3+0.001131*x^2+0.002924*x+35.36。
第六步;分别利用第五步获得的拟合方程f1(x)、f2(x)、f3(x)校正SMOS反演的表层海水盐度,然后进行平均,获得最终的校正结果。若校正结果不能满足要求,则调整滤波函数和拟合方程,重新执行第五步,直至校正结果满足要求。
本例中校正后的SMOS反演盐度如图6所示。利用校正前盐度减去校正后盐度得到两者的误差如图7所示。对比图3、图6、图7可知,SMOS反演盐度在该目标区域的变化幅度约为5.2PSU,但是从走航数据可以看出其变化幅度在0.1PSU左右,显然SMOS反演盐度误差较大,需要纠正。从本发明的结果可以看出,该发明很好地解决了反演盐度变化幅度较大的问题,且保持了表层海水盐度的整体特征。
除上述实施例外,本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案,均落在本发明要求的保护范围。
Claims (8)
1.基于走航数据的SMOS卫星反演表层海水盐度校正方法,其步骤包括:
第一步、从走航数据中提取目标区域内的采样点坐标及对应的实测盐度数据和采样时刻;
第二步、下载对应时间和区域的SMOS遥感数据;
第三步、以空间半径和时间窗口作为遍历条件,选取最佳时空组合所对应的匹配盐度数据,在该最佳时空组合下,匹配盐度数据的相关性最高,所述匹配盐度数据是指落入该最佳时空组合的SMOS遥感数据与走航数据,时空组合是指空间半径与时间窗口的组合;
第四步、将匹配的SMOS遥感像元的卫星反演盐度与对应的实测盐度平均值分别作为待拟合方程的自变量和因变量,并进行去重处理,最终获得若干对由卫星反演盐度和实测盐度构成的关于海水盐度的数据对;
第五步、将最终获得的关于海水盐度的数据对进行去噪滤波和曲线拟合,获得拟合方程及其参数;
第六步;利用第五步获得的拟合方程校正SMOS反演的表层海水盐度。
2.根据权利要求1所述的基于走航数据的SMOS卫星反演表层海水盐度校正方法,所述第六步完成后,若校正结果不能满足要求,则调整滤波函数和拟合方程,重新执行第五步,直至校正结果满足要求。
3.根据权利要求1所述的基于走航数据的SMOS卫星反演表层海水盐度校正方法,其特征在于:所述第一步中各采样点的采样时刻根据走航数据中已知的采样起始时刻和采样频率获得。
4.根据权利要求1所述的基于走航数据的SMOS卫星反演表层海水盐度校正方法,其特征在于:所述第四步中空间半径为0.011°-0.22°,空间半径步长为0.011°,所述时间窗口为1h-24h,时间窗口步长为1h,所述时间窗口以 SMOS遥感图像的起始时刻为基准,向对应的走航数据两侧推移。
5.根据权利要求1所述的基于走航数据的SMOS卫星反演表层海水盐度校正方法,其特征在于:所述SMOS遥感数据中含有三个根据不同反演模型获得的海水盐度值,第三步中,利用这三个海水盐度值的平均值作为卫星反演盐度参与匹配及相关性计算;所述第四步中的卫星反演盐度为所述三个海水盐度的平均值。
6.根据权利要求1所述的基于走航数据的SMOS卫星反演表层海水盐度校正方法,其特征在于:所述第五步中,分别利用函数f1(x),f2(x),f3(x)进行曲线拟合,以获得拟合方程的参数,其中
f1(x)=a*exp(b*x)+c*exp(d*x)
f2(x)=a0+a1*cos(x*w)+b1*sin(x*w)+a2*cos(2*x*w)+b2*sin(2*x*w)
f3(x)=p1*x^3+p2*x^2+p3*x+p4
函数f1(x)中,a、b、c、d为拟合方程f1(x)的待求参数;
函数f2(x)中,a0、a1、w、b1、a2、b2为拟合方程f2(x)的待求参数;
函数f3(x)中,p1、p2、p3、p4为拟合方程f3(x)的待求参数;
第六步中,分别利用上述拟合获得的方程对SMOS反演的表层海水盐度进行修正,然后进行平均或加权平均,获得最终的校正结果。
7.根据权利要求1所述的基于走航数据的SMOS卫星反演表层海水盐度校正方法,其特征在于:所述第三步中,利用软件MATLAB进行数据的自动匹配,获得不同空间半径和时间窗口下的若干组由走航数据与SMOS遥感数据组成的数据对,并且计算匹配后各组数据对的相关系数,选择相关系数最大的一组数据对参与第四步。
8.根据权利要求1所述的基于走航数据的SMOS卫星反演表层海水盐度校 正方法,其特征在于所述第四步中,所述去重处理是指,卫星反演盐度和实测盐度平均值都相同的数据对有1对以上时,则只保留一组数据对,其余进行剔除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410168565.0A CN103940781B (zh) | 2014-04-24 | 2014-04-24 | 基于走航数据的smos卫星反演表层海水盐度的校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410168565.0A CN103940781B (zh) | 2014-04-24 | 2014-04-24 | 基于走航数据的smos卫星反演表层海水盐度的校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103940781A true CN103940781A (zh) | 2014-07-23 |
CN103940781B CN103940781B (zh) | 2016-01-20 |
Family
ID=51188543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410168565.0A Expired - Fee Related CN103940781B (zh) | 2014-04-24 | 2014-04-24 | 基于走航数据的smos卫星反演表层海水盐度的校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103940781B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760699A (zh) * | 2016-03-18 | 2016-07-13 | 中国科学院国家空间科学中心 | 一种海表盐度反演方法和装置 |
CN107870043A (zh) * | 2017-10-25 | 2018-04-03 | 中国科学院国家空间科学中心 | 一种海表参数同步反演优化方法 |
CN109241632A (zh) * | 2018-09-12 | 2019-01-18 | 国家海洋局第海洋研究所 | 采用温盐镜像层评估海洋数值模式模拟能力的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4034190A (en) * | 1974-03-15 | 1977-07-05 | Trw Inc. | Method and apparatus for remote salinity sensing |
CN102889946A (zh) * | 2012-10-25 | 2013-01-23 | 杭州师范大学 | 一种表层水体温盐度原位传感测量装置 |
-
2014
- 2014-04-24 CN CN201410168565.0A patent/CN103940781B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4034190A (en) * | 1974-03-15 | 1977-07-05 | Trw Inc. | Method and apparatus for remote salinity sensing |
CN102889946A (zh) * | 2012-10-25 | 2013-01-23 | 杭州师范大学 | 一种表层水体温盐度原位传感测量装置 |
Non-Patent Citations (3)
Title |
---|
J. BOUTIN ET AL: "Sea surface freshening from SMOS and ARGO salinity: Impact of rain", 《OCEAN SCIENCE》, vol. 9, 22 February 2013 (2013-02-22) * |
JACQUELINE BOUTIN ET AL: "Surface Salinity Retrieved from SMOS Measurements over the Global Ocean: Imprecisions Due to Sea Surface Roughness and Temperature Uncertainties", 《JOURNAL OF ATMOSPHERIC AND OCEANIC TECHNOLOGY》, vol. 21, 30 September 2004 (2004-09-30) * |
王新新等: "SMOS卫星盐度数据在中国近岸海域的准确度评估", 《海洋学报》, vol. 35, no. 5, 30 September 2013 (2013-09-30) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760699A (zh) * | 2016-03-18 | 2016-07-13 | 中国科学院国家空间科学中心 | 一种海表盐度反演方法和装置 |
CN105760699B (zh) * | 2016-03-18 | 2018-08-17 | 中国科学院国家空间科学中心 | 一种海表盐度反演方法和装置 |
CN107870043A (zh) * | 2017-10-25 | 2018-04-03 | 中国科学院国家空间科学中心 | 一种海表参数同步反演优化方法 |
CN109241632A (zh) * | 2018-09-12 | 2019-01-18 | 国家海洋局第海洋研究所 | 采用温盐镜像层评估海洋数值模式模拟能力的方法 |
CN109241632B (zh) * | 2018-09-12 | 2023-04-07 | 国家海洋局第一海洋研究所 | 采用温盐镜像层评估海洋数值模式模拟能力的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103940781B (zh) | 2016-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pieczonka et al. | Region-wide glacier mass budgets and area changes for the Central Tien Shan between~ 1975 and 1999 using Hexagon KH-9 imagery | |
Woodgate | Increases in the Pacific inflow to the Arctic from 1990 to 2015, and insights into seasonal trends and driving mechanisms from year-round Bering Strait mooring data | |
Syariz et al. | Retrieval of sea surface temperature over Poteran Island water of Indonesia with Landsat 8 TIRS image: A preliminary algorithm | |
Detert et al. | Proof‐of‐concept for low‐cost and non‐contact synoptic airborne river flow measurements | |
Yin et al. | An ensemble ocean data assimilation system for seasonal prediction | |
Rajeshwari et al. | Estimation of land surface temperature of Dindigul district using Landsat 8 data | |
Satgé et al. | Accuracy assessment of SRTM v4 and ASTER GDEM v2 over the Altiplano watershed using ICESat/GLAS data | |
Jin et al. | A novel compound smoother—RMMEH to reconstruct MODIS NDVI time series | |
Huang et al. | Estimating vertical error of SRTM and map-based DEMs using ICESat altimetry data in the eastern Tibetan Plateau | |
Huang et al. | Mapping vegetation heights in China using slope correction ICESat data, SRTM, MODIS-derived and climate data | |
Moore et al. | A 4D-Var analysis system for the California Current: A prototype for an operational regional ocean data assimilation system | |
CN110133655B (zh) | 基于多源雷达遥感技术的河流径流监测反演方法 | |
CN103940781B (zh) | 基于走航数据的smos卫星反演表层海水盐度的校正方法 | |
Marcer et al. | Three decades of volume change of a small Greenlandic glacier using ground penetrating radar, Structure from Motion, and aerial photogrammetry | |
Marghany et al. | 3-D visualizations of coastal bathymetry by utilization of airborne TOPSAR polarized data | |
Pe'eri et al. | Identifying bathymetric differences over Alaska's North Slope using a satellite-derived bathymetry multi-temporal approach | |
Fatolazadeh et al. | Wavelet and Gaussian approaches for estimation of groundwater variations using GRACE data | |
CN102867184A (zh) | 一种sar图像中海冰运动特征的提取方法 | |
Hjelmervik et al. | Time-calibrated estimates of oceanographic profiles using empirical orthogonal functions and clustering | |
Sparavigna | Image segmentation applied to satellite imagery for monitoring water in lakes and reservoirs | |
Yosefi Kebriya et al. | Combining interpolation methods and precipitation products of TRMM satellite to increase the accuracy of rainfall maps in Mazandaran province | |
Kato et al. | Efficient field data collection of tropical forest using terrestrial laser scanner | |
Taqi et al. | Extension of satellite altimetry Jason-2 sea level anomalies towards the Red Sea coast using polynomial harmonic techniques | |
Pillodar et al. | Estimation of aboveground biomass and carbon stock of Bacolod Protected Landscape and Seascape using LiDAR Data and GIS | |
Bi et al. | Digital terrain analysis based on DEM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160120 Termination date: 20170424 |