CN107179145A - 海洋表面温度漂流浮标点观测空间代表性评价算法 - Google Patents
海洋表面温度漂流浮标点观测空间代表性评价算法 Download PDFInfo
- Publication number
- CN107179145A CN107179145A CN201710548544.5A CN201710548544A CN107179145A CN 107179145 A CN107179145 A CN 107179145A CN 201710548544 A CN201710548544 A CN 201710548544A CN 107179145 A CN107179145 A CN 107179145A
- Authority
- CN
- China
- Prior art keywords
- mrow
- error
- spatial
- sst
- drifting buoy
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 13
- 238000005070 sampling Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims 1
- 230000002776 aggregation Effects 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 claims 1
- 238000009826 distribution Methods 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K15/00—Testing or calibrating of thermometers
- G01K15/007—Testing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Remote Sensing (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种海洋表面温度漂流浮标点观测空间代表性评价算法，在进行SST遥感产品验证时，首先需要根据抽样误差借助高分辨率SST遥感产品计算不同尺度的MSD、RMSD和RMD来定量评价SST多点位观测空间代表性误差；然后以漂流浮标点位观测为参考值，计算SST遥感产品的平均偏差、误差标准差及均方根误差并与漂流浮标多点位观测的空间代表性误差进行比较。本发明借助较高空间分辨率的红外SST遥感产品，从细尺度上公里级的抽样误差和粗尺度上栅格级的空间代表性误差两方面定量评价漂流浮标SST多点位观测在不同空间尺度下的空间代表性。
Description
技术领域
本发明涉及海洋遥感监测领域，具体涉及一种海洋表面温度漂流浮标多点观测空间代表性评价算法。
背景技术
海洋表面温度(sea surface temperature，SST)的浮标观测经常用于验证卫星遥感定量反演的SST产品，包括微波和红外遥感产品。由于浮标观测属于点观测，而遥感产品属于面观测，因此就会有这样两个问题：点观测能够在多大程度上很好地代表遥感面观测？在SST遥感产品验证的过程中，在什么样的尺度下应该考虑空间代表性误差？关于空间代表性问题的研究，目前更多地集中在单个观测站点的地表反射率和LAI两个参数的评价上，并且多数针对抽样误差进行评价，而针对SST浮标多点观测的空间代表性评价尚未见到。
发明内容
为解决上述问题，本发明提供了一种海洋表面温度漂流浮标多点位观测空间代表性评价算法，借助较高空间分辨率的红外SST遥感产品，从细尺度上的抽样误差和粗尺度上的空间代表性误差两方面定量评价漂流浮标SST多点位观测在不同空间尺度下的空间代表性。
为实现上述目的，本发明采取的技术方案为：
海洋表面温度漂流浮标多点观测空间代表性评价算法，在进行SST遥感产品进行验证时，首先需要根据抽样误差借助高分辨率SST遥感产品计算不同尺度(细尺度公里级和粗尺度栅格级)MSD、RMSD和RMD来定量评价SST多点位观测的空间代表性误差(其中，粗尺度栅格级的MSD、RMSD、RMD分别是是细尺度公里级高分辨率遥感观测与其多尺度邻域遥感观测的复合)；然后以漂流浮标点位观测为参考值，计算SST遥感产品的平均偏差、误差标准差及均方根误差并与漂流浮标点位观测的空间代表性误差进行比较，如果SST遥感产品误差小于漂流浮标点位观测的空间代表性误差，漂流浮标点位观测的空间代表性误差可以忽略，说明在此尺度上漂流浮标的点位观测的空间代表性强；否则，空间代表性误差不可以忽略。
以高分辨率SST遥感产品的空间分辨率为基本单元，选择漂流浮标聚集的单元，计算细尺度公里级的抽样误差(公式1)：
其中，SEkilo是细尺度公里级每一个基本单元的抽样误差，Xi为在一个基本单元范围内的n个漂流浮标观测，为基本单元范围内n个漂流浮标观测的平均值。
在抽样误差的基础上通过以下算式计算均方差(MSD)、均方根误差(RMSD)和相对平均偏差(RMD)，评价细尺度公里级漂流浮标多点位观测的空间代表性误差：
通过以下方法完成粗尺度栅格级(＞20km)空间代表性误差计算：
首先，以高分辨率SST遥感产品的像元为中心，根据公式(1)分别计算其5×5邻域、13×13邻城、25×25邻域的空间抽样误差，记为SEmac；然后，根据公式(5)复合细尺度公里级抽样误差：
SEgrid＝SEkilo+SEmac (5)。
其次，根据不同尺度空间抽样误差，以及以下公式定量评价粗尺度栅格级漂流浮标多点位观测的空间代表性误差。
MSDptog＝MSDpto4km+MSD4kmtog， (6)
再次，以以漂流浮标点位观测为参考值，计算SST遥感产品的平均偏差、误差标准差及均方根误差并与漂流浮标多点位观测的空间代表性误差进行比较，如果SST遥感产品误差小于漂流浮标点位观测的空间代表性误差，漂流浮标点位观测的空间代表性误差可以忽略，说明在此尺度上SST点位观测具有较强的空间代表性；否则，空间代表性误差不可以忽略。
本发明具有以下有益效果：
本发明借助较高空间分辨率的红外SST遥感产品，定量评价漂流浮标SST多点位观测在不同空间尺度下的空间代表性。本算法在细尺度空间代表性评价中通过抽样误差的计算，并在三维空间内可视化多点漂流浮标空间代表性误差的空间分布特征；在粗尺度上，以漂流浮标观测的点位位置为中心，在其多个邻域尺度上分别复合细尺度上的抽样误差来定量评价粗尺度栅格级漂流浮标多点位观测的空间代表性。
附图说明
图1为本发明实施例中4km尺度下空间代表性误差空间分布图
图2为本发明实施例中4km尺度下空间代表性误差时间特征。
图3为本发明实施例中20km、50km、100km尺度下空间代表性误差空间分布图
图4为本发明实施例中20km、50km、100km尺度下空间代表性误差时间特征。
图5为本发明实施例中20km、50km、100km尺度下MODIS SST空间变异分布(a：20km；b：50km；c：100km)
图6为本发明实施例中20km、50km、100km尺度下MODIS SST空间变异时间特征。
具体实施方式
为了使本发明的目的及优点更加清楚明白，以下结合实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例
此算法已经以亚印太交汇区为研究区，运用于2010年MODIS反演SST产品验证中：数据说明：2010年漂流浮标SST来源于http：//www.meds-sdmm.dfo-mpo.gc.ca/isdm-gdsi/drib-bder/svp-vcs/index-eng.asp；MODIS Aqua星level-3map产品，4km空间分辨率，8天合成数据，来源于http：//gcmd.nasa.gov。
结果分析
1)4km尺度下空间代表性误差时空分布如图1-图2所示(仅展示部分结果)。
表1 4km尺度下空间代表性误差统计
2)20km，50km，100km尺度下空间代表性时空分布如图3-图4所示。
表2 20km、50km、100km尺度下空间代表性误差统计(第16周)
表3 20km、50km、100km尺度下空间代表性误差统计(第24周)
3)MODIS SST空间变异(尺度：20km，50km，100km)如图5所示。
4)MODIS SST验证
以漂流浮标点位观测为参考值，4km尺度下MODIS SST验证结果：
表4 4km MODIS SST验证结果统计
表5 4km尺度下漂流浮标多点位观测空间代表性误差统计
漂流浮标空间代表性误差接近MODIS 4km SST的验证误差，在4km尺度下直接验证时，漂流浮标点位观测的空间代表性误差可以忽略，说明在4km尺度上漂流浮标点位观测的空间代表性强。
表6-8分别显示了20km、50km、100km尺度下复合空间代表性误差特征
表6 20km尺度下空间代表性误差统计
表7 50km尺度下空间代表性误差统计
表8 100km尺度下空间代表性误差统计
在20km，50km，100km尺度下，漂流浮标点位观测的空间代表性误差明显偏大，因此在卫星产品直接验证时，这三种尺度下漂流浮标的空间代表性误差不能被忽略。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.海洋表面温度漂流浮标点观测空间代表性评价算法，其特征在于，在进行SST遥感产品进行验证时，首先需要根据抽样误差借助高分辨率SST遥感产品计算不同尺度的MSD、RMSD和RMD来定量评价SST多点位观测空间代表性误差，其中，粗尺度栅格级的MSD、RMSD、RMD分别是是细尺度公里级较高分辨率遥感观测与其多尺度邻域遥感观测的复合；然后以漂流浮标点位观测为参考值，计算SST遥感产品的平均偏差、误差标准差及均方根误差并与漂流浮标多点位观测的空间代表性误差进行比较，如果SST遥感产品误差小于漂流浮标点位观测的空间代表性误差，漂流浮标点位观测的空间代表性误差可以忽略，说明在此尺度上SST点位观测具有较强的空间代表性；否则，空间代表性误差不可以忽略。
2.如权利要求1所述的海洋表面温度漂流浮标点观测空间代表性评价算法，其特征在于，通过以下算式计算均方差(MSD)、均方根误差(RMSD)和相对平均偏差(RMD)：
<mrow>
<mi>M</mi>
<mi>S</mi>
<mi>D</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>n</mi>
<mo>*</mo>
<mi>m</mi>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>R</mi>
<mi>M</mi>
<mi>S</mi>
<mi>D</mi>
<mo>=</mo>
<msqrt>
<mrow>
<mi>M</mi>
<mi>S</mi>
<mi>D</mi>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>R</mi>
<mi>M</mi>
<mi>D</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>R</mi>
<mi>M</mi>
<mi>S</mi>
<mi>D</mi>
</mrow>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
</mfrac>
<mo>&times;</mo>
<mn>100</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
3.如权利要求1所述的海洋表面温度漂流浮标点观测空间代表性评价算法，其特征在于，通过以下方法完成细尺度公里级(＜＝20km)的抽样误差计算：
以高空间分辨率SST遥感产品像元为基本单元，选择漂流浮标聚集的单元，计算细尺度公里级的抽样误差(公式4)，并在此基础上通过公式1、2、3的计算空间代表性误差。
<mrow>
<msub>
<mi>SE</mi>
<mrow>
<mi>k</mi>
<mi>i</mi>
<mi>l</mi>
<mi>o</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，SEkilo是细尺度公里级每一个基本单元的抽样误差，Xi为在一个基本单元范围内的n个漂流浮标观测，为基本单元范围内n个漂流浮标观测的平均值。
4.如权利要求1所述的海洋表面温度漂流浮标点观测空间代表性评价算法，其特征在于，通过以下方法完成粗尺度栅格级(＞20km)空间代表性误差计算：
首先，以高分辨率SST遥感产品的像元为中心，根据公式(4)分别计算其5×5邻域、13×13邻域、25×25邻域的空间抽样误差，记为SEmac；然后，根据公式(5)复合细尺度公里级抽样误差：
SEgrid＝SEkilo+SEmac (5)；
其次，根据不同尺度空间抽样误差，以及以下公式定量评价粗尺度栅格级漂流浮标多点位观测的空间代表性误差(公式6和7)：
MSDptog＝MSDpto4km+MSD4kmtog， (6)
<mrow>
<msubsup>
<mi>RMSD</mi>
<mrow>
<mi>p</mi>
<mi>t</mi>
<mi>o</mi>
<mi>g</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>RMSD</mi>
<mrow>
<mi>p</mi>
<mi>t</mi>
<mi>o</mi>
<mn>4</mn>
<mi>k</mi>
<mi>m</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>RMSD</mi>
<mrow>
<mn>4</mn>
<mi>k</mi>
<mi>m</mi>
<mi>t</mi>
<mi>o</mi>
<mi>g</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>.</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
5.如权利要求1所述的海洋表面温度漂流浮标点观测空间代表性评价算法，其特征在于，以漂流浮标点位观测为参考值，计算SST遥感产品的平均偏差、误差标准差及均方根误差并与漂流浮标多点位观测的空间代表性误差进行比较，如果SST遥感产品误差小于漂流浮标点位观测的空间代表性误差，漂流浮标点位观测的空间代表性误差可以忽略，说明在此尺度上SST点位观测具有较强的空间代表性；否则，空间代表性误差不可以忽略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710548544.5A CN107179145B (zh) | 2017-07-01 | 2017-07-01 | 海洋表面温度漂流浮标点观测空间代表性评价算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710548544.5A CN107179145B (zh) | 2017-07-01 | 2017-07-01 | 海洋表面温度漂流浮标点观测空间代表性评价算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107179145A true CN107179145A (zh) | 2017-09-19 |
| CN107179145B CN107179145B (zh) | 2019-12-13 |
Family
ID=59845611
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710548544.5A Active CN107179145B (zh) | 2017-07-01 | 2017-07-01 | 海洋表面温度漂流浮标点观测空间代表性评价算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107179145B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006120724A1 (ja) * | 2005-05-02 | 2006-11-16 | Saga University | ニューラルネットワークを用いた地理情報システム |
| CN103400022A (zh) * | 2013-06-08 | 2013-11-20 | 杭州师范大学 | 一种海表面温度遥感数据集等纬度重构方法 |
| CN103886213A (zh) * | 2014-04-03 | 2014-06-25 | 北京大学 | 一种农作物总初级生产力的遥感估算方法及系统 |
| CN105300554A (zh) * | 2015-09-14 | 2016-02-03 | 中国人民解放军国防科学技术大学 | 基于分布式光纤传感的多功能海洋环境监测装置和方法 |
| CN106404222A (zh) * | 2016-09-26 | 2017-02-15 | 西北工业大学 | 基于组合式高精度测温电缆的海洋温深剖面探测系统 |
| CN106598917A (zh) * | 2016-12-07 | 2017-04-26 | 国家海洋局第二海洋研究所 | 一种基于深度信念网络的上层海洋热结构预测方法 |
-
2017
- 2017-07-01 CN CN201710548544.5A patent/CN107179145B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006120724A1 (ja) * | 2005-05-02 | 2006-11-16 | Saga University | ニューラルネットワークを用いた地理情報システム |
| CN103400022A (zh) * | 2013-06-08 | 2013-11-20 | 杭州师范大学 | 一种海表面温度遥感数据集等纬度重构方法 |
| CN103886213A (zh) * | 2014-04-03 | 2014-06-25 | 北京大学 | 一种农作物总初级生产力的遥感估算方法及系统 |
| CN105300554A (zh) * | 2015-09-14 | 2016-02-03 | 中国人民解放军国防科学技术大学 | 基于分布式光纤传感的多功能海洋环境监测装置和方法 |
| CN106404222A (zh) * | 2016-09-26 | 2017-02-15 | 西北工业大学 | 基于组合式高精度测温电缆的海洋温深剖面探测系统 |
| CN106598917A (zh) * | 2016-12-07 | 2017-04-26 | 国家海洋局第二海洋研究所 | 一种基于深度信念网络的上层海洋热结构预测方法 |
Non-Patent Citations (4)
| Title |
|---|
| R. YOKOYAMA等: "Sea surface effects on the sea surface temperature" estimation by remote sensing", 《INT.J.REMOTE SENSING》 * |
| 刘泽: "中国近海锋面时空特征研究及现场观测分析", 《遥感技术与应用》 * |
| 张春桂 等: "台湾海峡海洋表面温度遥感监测模型研究", 《热带气象学报》 * |
| 张雷 等: "Comparison of WindSat and buoy-measured ocean products from 2004 to 2013", 《ACTA OCEANOL.SIN》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107179145B (zh) | 2019-12-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kaba et al. | Estimation of daily global solar radiation using deep learning model | |
| CN104142142B (zh) | 全球植被覆盖度估算方法 | |
| CN103020478B (zh) | 一种海洋水色遥感产品真实性检验的方法 | |
| CN103902839B (zh) | 卫星遥感产品支持的单通道法地表温度反演方法 | |
| CN106226260A (zh) | 一种结合微波和红外遥感影像的土壤水分反演方法 | |
| CN103984862A (zh) | 一种多元遥感信息协同的积雪参数反演方法 | |
| CN109522516A (zh) | 基于随机森林回归算法的土壤湿度检测方法、装置及电子设备 | |
| CN104636608A (zh) | 一种modis卫星数据的直接同化方法 | |
| CN110703277B (zh) | 基于全波形激光雷达数据反演森林冠层聚集指数的方法 | |
| CN105354811A (zh) | 一种地面用多线三维激光雷达点云数据的滤波方法 | |
| Chen et al. | Comparison of different methods for spatial downscaling of GPM IMERG V06B satellite precipitation product over a typical arid to semi-arid area | |
| CN102707336A (zh) | 一种利用A-Train系列卫星数据协同反演云相态和云参量的新方法 | |
| CN109325540A (zh) | 一种针对遥感每天降水量数据的空间降尺度方法 | |
| CN107391794B (zh) | 一种台风连续立体风场反演方法 | |
| CN103197303A (zh) | 基于多传感器的地表二向反射特性反演方法及系统 | |
| Kumar et al. | Assessing the performance of the satellite-based precipitation products (SPP) in the data-sparse Himalayan Terrain | |
| Bi et al. | Multi-view analysis of high-resolution geomorphic features in complex mountains based on UAV–LiDAR and SfM–MVS: A case study of the northern pit rim structure of the mountains of Lufeng, China | |
| CN103308956A (zh) | 利用云气候学数据预判目标区域未来月平均云量的方法 | |
| CN105389466B (zh) | 一种校正尺度效应的中低分辨率遥感产品真值获取方法 | |
| CN107179145A (zh) | 海洋表面温度漂流浮标点观测空间代表性评价算法 | |
| CN106295096B (zh) | 一种对遥感数据进行观测质量分级的方法 | |
| CN103745118A (zh) | 一种基于磁偶极子等效源法的地磁异常数据网格化方法 | |
| CN113762383B (zh) | 一种基于多源数据的植被指数融合方法 | |
| Duan et al. | Intelligent inversion of mesoscale eddy temperature anomaly profiles based on multi-source remote sensing data | |
| CN103364023A (zh) | 一种基于总体最小二乘的仪表图像中心点提取方法 |
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 |