CN112179850B - 基于地面实测的gf-4 aod产品高时间分辨率检验 - Google Patents
基于地面实测的gf-4 aod产品高时间分辨率检验 Download PDFInfo
- Publication number
- CN112179850B CN112179850B CN202011242964.9A CN202011242964A CN112179850B CN 112179850 B CN112179850 B CN 112179850B CN 202011242964 A CN202011242964 A CN 202011242964A CN 112179850 B CN112179850 B CN 112179850B
- Authority
- CN
- China
- Prior art keywords
- aod
- satellite
- ground
- value
- time
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种基于地面实测的GF‑4 AOD产品高时间分辨率检验,步骤如下:1、判断AOD产品观测频率;2、求以站点为中心,边长5‑10km、地表类型均一的方形空间范围内像元均值,获取与卫星成像时间最相近的两地面观测,对其平均后与卫星像元平均值匹配;3、对站点50*50km空间窗口内质量等级最高AOD值求平均,将其与卫星成像前后各半小时内所有地面观测值的平均匹配;4、将匹配散点绘制在坐标系之中,根据地面观测值、各站点处卫星AOD值,进行线性拟合;5、对卫星像元均值与地面相应时段内的观测平均值进行线性拟合;6、计算精度评价指标并分析误差源。本发明提升了真实性检验结果的可靠性。
Description
技术领域
本发明涉及卫星遥感反演产品的真实性检验技术领域,特别涉及一种基于地面实测的GF-4 AOD产品高时间分辨率检验。
背景技术
气溶胶在包括气候、大气环境与人类健康在内的各个领域具有重要作用,为了更好地研究气溶胶,需要对以气溶胶光学厚度(Aerosol Optical Depth,AOD)为主的物理参数进行长期观测。目前对气溶胶光学厚度观测主要有卫星遥感反演及地面站点观测两种方式,前者空间覆盖范围广,但精度较低;后者精度较高但空间覆盖较小,故可使用真实性检验站的观测数据对遥感观测结果进行验证。
对于地面上某一气溶胶观测站点来说,其观测具有一定的时间间隔,以太阳分光光度计CE-318为例,在日间晴朗条件下,其观测时间频率可高达3min/次;而卫星成像同样具有一定的重访周期,如太阳同步轨道卫星Terra/Aqua上搭载的MODIS传感器对中纬度地区的重访周期为0.5日。由于AOD的时空变异程度较大,为了保证验证过程的可靠性,需要使得地面观测时间与卫星过境时间尽可能接近,同时选择空间上尽可能接近站点的像元,即需要确定合适的时空匹配窗口。当前相关研究中,较多研究者针对太阳同步轨道卫星传感器(如Aqua/Terra搭载的MODIS)气溶胶产品开展精度验证工作,为了获得较多的匹配数据对,这些研究多将卫星过境前后各30min内(时间窗口)的地面观测AOD数据均值与以地面站点为中心的50km*50km空间邻域(空间窗口)内的AOD反演均值进行比较。这种方法增加了匹配成功的数据量,但是客观上引入了由于时、空间窗口较大而导致的AOD异质性误差。
发明内容
本发明针对现有技术中的不足,提供一种基于地面实测的GF-4 AOD产品高时间分辨率检验,面向高分四号气溶胶光学厚度产品,利用其高时间分辨率的特点,采用更为精细化的时空匹配策略,即更短的时间窗口、更小的空间窗口,基于地面观测,实现对卫星遥感AOD产品的真实性验证。
为实现上述目的,本发明采用以下技术方案:
基于地面实测的GF-4 AOD产品高时间分辨率检验,包括如下步骤:S1、判断GF-4AOD产品的观测频率,如果卫星在同一个地点一段时间内进行了连续多帧成像,获得多个连续AOD值,转至步骤S2;如果卫星在同一个地点一段时间内只进行了单景成像,转至步骤S3;
S2、获取以站点为中心,边长5~10km、地表类型均一的正方形空间窗口内GF-4AOD像元平均值,同时获取与成像时间最相近的地面前后两次观测值的平均,将其与卫星像元值生成匹配对,进行真实性检验;转至步骤S4;
S3、采用站点50km*50km空间窗口内至少10个质量等级最高像元的AOD值求平均,然后与地面实测的在卫星成像前后各0.5小时内所有观测值的平均进行匹配,并进行真实性检验;进入步骤S5;
S4、将匹配的散点绘制在二维坐标系之中,根据地面观测值、各站点处卫星反演AOD值,进行线性拟合;转至步骤S6;
S5、将卫星高质量等级像元均值与地面相应时段内的观测平均值匹配生成数据对,对这些数据对进行线性拟合;进入步骤S6;
S6、计算精度评价指标,考察卫星反演结果与地面观测之间的一致性,评估AOD反演精度,并分析误差来源。
为优化上述技术方案,采取的具体措施还包括:
进一步地,对于短时间段内获得多个连续AOD值的情况采用精细时空匹配方法:对于每一帧AOD影像,将其与各个地面真实性验证站点进行叠置,提取以每一个站点为中心,大小为5km*5km至10km*10km、且地表类型较为均一的空间窗口内对应的所有AOD像元,求这些像元的均值,完成空间匹配;在时间上,在每一站点处获取与卫星成像时刻相距最近的前后各一条地面观测记录,对其求均值后完成时间匹配。
进一步地,设定验证时间段为0.5小时,将每0.5小时内的各帧AOD影像生成的卫星与地面匹配数据对合并验证。
进一步地,对每一个站点建立缓冲区,缓冲区为以站点为中心的50km*50km范围,即50km*50km空间窗口。
进一步地,步骤S3包括将研究时段内每一幅高分四号卫星AOD产品与缓冲区的图层进行叠置,统计完全落入各个缓冲区的像元数。
进一步地,对各个缓冲区内的AOD像元值分别求均值,计算方法如下式所示:
其中,N表示高质量等级的像元数量,AODi表示第i个高质量AOD像元,AODKJ表示经过空间匹配操作(即求取空间窗口内高质量AOD均值)之后的平均AOD。
进一步地,对于每一景AOD产品,选择其成像前0.5小时至成像后0.5小时时间段作为研究时段,选择各个站点在研究时段内的AOD观测。
进一步地,步骤S4中,以地面数据为横坐标,卫星观测数据为纵坐标,绘制散点图。
进一步地,步骤S6中,计算精度评价指标包括均方根误差RMSE、落入期望误差范围EE、反演数据的比例P、线性相关系数R,计算公式如下式所示:
ΔAOD=±(0.05+0.2·AODground)
其中,均方根误差RMSE定量描述卫星反演AOD(即AODGF4)较地面AOD真值(即AODground)之间的差异的大小,于同一地点、同一时间段来说,其值越小,表明验证精度越高;n表示匹配数据对的数量。ΔAOD定义了理论上卫星反演AOD的绝对误差范围的最大值与最小值,而期望误差范围内匹配数据比例P则反映了卫星反演AOD的总体精度。
本发明的有益效果是:首先,本专利采用更为精细化的时空匹配方法,面向具有高时间分辨率的高分四号卫星AOD产品数据进行精度验证,可以在保证比对数据量的同时有效规避传统时空匹配方法容易引入的较高匹配误差,提升真实性检验结果的可靠性;其次,通过本发明可以分析得到高分四号卫星AOD的潜在误差来源,有利于优化气溶胶反演算法;最后,该验证结果还可以为高分四号气溶胶产品的下游产品(如PM2.5空间分布)提供依据。
附图说明
图1为本发明检验方法的流程示意图。
图2为本发明检验方法的高分四号AOD影像与加密验证站点分布示意图。
图3为本发明检验方法采用1*1km空间窗口方案时,各加密站处各幅影像AOD的变化图。
图4为本发明检验方法采用10*10km空间窗口方案时,各加密站处各幅影像AOD的变化图。
图5为本发明检验方法采用50*50km空间窗口方案时,各加密站处各幅影像AOD的变化图。
图6为本发明检验方法中国各站点处使用1*1km方案与10*10km方案所得AOD的差异示意图。
图7为本发明检验方法中国各站点处使用1*1km方案与50*50km方案所得AOD的差异示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
需要注意的是,发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
对时间变化较快的遥感产品,如大气产品,在进行产品真实性检验时需同时进行时间与空间的匹配,制定合理的匹配策略。高分四号卫星对特征区域可实现高频次观测,使得产品检验技术与极轨卫星存在较大的差异。极轨卫星重返周期通常较长,且经过同一特征区域的过境时间相对固定,因此在进行产品检验时通常选择卫星过境前后一段时间内采集的样本数据;同时,为了增加匹配数据对从而有效提高统计质量,这些研究往往采用较长的时间窗口与较大的空间范围窗口,这将引入匹配过程误差。而由于高分四号可以实现全天候多频次的观测,因此在实验区的选择、实验数据的获取及检验方法上都较极轨卫星发生改变,必须开展时空匹配技术研究,结合长时间序列的样本数据,从而实现高精度的产品检验技术。
高分四号(GF-4)卫星是我国自主研发的一颗地球同步轨道卫星,于2015年发射成功。与其它地球静止卫星相比,高分四号卫星可以达到较高的空间分辨率(可见光与近红外波段可达50米)与时间分辨率(20秒),可以为AOD的高时空分辨率反演提供数据支撑。目前,已有的高分四号AOD四级产品的空间分辨率达到了1km。
如附图1-7所示,本发明提供了一种基于地面实测的GF-4 AOD产品高时间分辨率检验,针对高分四号气溶胶光学厚度产品真实性检验技术开展了针对性的研究,我们采用几个观测站连续半年观测的数据进行两种验证方法分析:
(1)选取以站点为中心的5km*5km~10km*10km的地表类型均一的空间窗口内的所有卫星AOD像元并求平均,接着获取与卫星像元成像时间最相近前后两个地面观测,对其求平均后与卫星像元均值匹配,进行真实性检验;
(2)采用卫星50km*50km空间窗口(以站点为中心的50km*50km范围)内至少10个质量等级最高像元的AOD值求平均,然后与地面实测的在卫星成像前后各0.5小时内所有观测值的平均进行匹配,并进行真实性检验。
研究分析表明,如果高分四号卫星在同一个地点较短时间内进行了连续多帧成像,即获得多个连续AOD值,此时采用第一种检验方法,检验精度更高。反之,如果在同一个地点一段时间内只进行了单景成像,此时采用第二种检验方法,检验精度更高。
最后,将匹配散点绘制在二维坐标系之中:对于方案(1),根据上述综合地面观测值、各站点处卫星反演AOD值,进行线性拟合,计算精度评价指标,考察卫星反演结果与地面观测之间的一致性,评估AOD反演精度,并分析误差来源。对于方案(2),对卫星高质量等级像元均值与地面相应时段内的观测平均值进行线性拟合,分析误差来源。
本发明的一个实施例:由于地面站点仅在晴朗天气产生AOD观测记录,故选择某日北京时间9:00-11:00期间的所有高分四号卫星AOD产品。同时,从AERONET官网(https://aeronet.gsfc.nasa.gov/)下载同时段的地面观测AERONET AOD数据,考虑到地面站点较高的观测精度,将其视为AOD真值。同时考虑到高分四号的成像空间范围,由北向南、由东向西依次可以选取如下站点的数据:Beijing、Beijing-CAMS、XiangHe、Gangneung_WNU、Chiba_University、XuZhou-CUMT、Chen-Kung_Univ、Dibrugarh_Univ、Hong_Kong_PolyU、Manila_Observatory、Singapore、Pontianak。
1.首先,判断GF-4 AOD产品的观测频率。对于即时监测等高时间频率需求研究,转至步骤2;对于气候研究等其它长时间序列AOD动态分析需求研究,转至步骤3。
2.对于高时间频率(20s/帧)AOD动态研究采用精细空间窗口时空匹配方法:提取以每一个站点为中心,大小为5*5km至10*10km且地表类型较为均一的空间窗口内对应的所有AOD像元,求这些像元的均值,完成空间匹配;在时间上,在每一站点处获取与卫星像元成像时间最近的前后两次观测记录值的平均,将其与卫星像元值生成匹配对,完成时间匹配。为了保证样本数量的充足,设定验证时间段为0.5小时,将每0.5小时内的各帧AOD影像生成的数据对合并验证。
3.对于低时间频率AOD动态研究:根据各个站点的地理坐标(可从AERONET数据下载页面获取),分别建立每一个站点的缓冲区,缓冲区为以站点为中心的50km*50km范围。将研究时段内每一幅高分四号卫星AOD产品与缓冲区的图层进行叠置,统计完全落入各个缓冲区的像元数。由于存在云、雪、内陆水体的影响,AOD反演产品存在像元缺失现象,故每一个缓冲区内部的像元数不一;仅当缓冲区内像元数大于10个时,对各个缓冲区内的AOD像元值分别求均值,计算方法如下式所示,完成空间匹配,得到AODKJ(下标KJ表示空间匹配);
接下来,针对研究时段内的每一景AOD产品,选择其成像前30分钟至成像后30分钟时间段作为研究时段,选择各个站点在研究时段内的AOD观测。由于在高分四号卫星AOD反演的过程中同时会生产反映反演质量的标记图层,每一个AOD反演像元均对应1个质量标记值(QAC,其值为1,2或3),值越大表明质量等级越高。为了提高数据验证结果的可靠性,挑选各站点在上述研究时段之内的具有最高质量等级(QAC等于3)的AOD反演像元,统计这些像元的数量,若其数量不少于3,则分别对各站点该时段内的AOD数据进行求均值操作,完成时间匹配,得到AODSJ。计算方式如下式所示:
4.最后,采用计算机编程方式,基于日期与时刻对时间匹配操作与空间匹配操作后的AOD数据结果进行关联,而后以地面数据为横坐标,卫星观测数据为纵坐标,绘制散点图,计算评价指标,完成精度验证。使用到的主要评价指标为均方根误差(RMSE)、落入期望误差范围(Expected Error,EE)反演数据的比例(P)、线性相关系数(R),计算公式如下式所示。
ΔAOD=±(0.05+0.2·AODground) (4)
其中,RMSE定量描述卫星反演AOD较地面AOD真值之间的差异的大小,对于同一地点、同一时间段来说,其值越小,表明验证精度越高;而期望误差范围内匹配数据比例P则反映了卫星反演AOD的总体精度,假设误差统计分布呈正态分布,当P大于68%时,即可认为AOD卫星反演精度高。
以下以高频率观测方案为例,比较在此情景下采用大小分别为1km*1km、10km*10km与50km*50km(下文分别简称1km,10km,50km)的空间窗口的验证效果之差异。
本实例中的高分四号AOD影像空间分布如图2所示,该数据由2016.07.23至2016.08.01期间的共8景影像构成,由于各景影像空间覆盖并不完全一致,故提取各幅影像的交集区域,在此区域中人工设置7个加密站点。接下来,基于这些站点,分别使用三种不同大小的空间窗口对各景影像AOD值进行提取,将提取结果绘制成折线图,如图3-图5所示,分别采用1*1km、10*10km与50*50km空间窗口方案时,各加密站处各幅影像AOD的变化图。图6、图7分别展示了各站点处使用1*1km方案与10*10km、50*50km方案所得AOD的差异。
将各站点使用10km与50km空间窗口方案得到的AOD值与使用1km方案得到的AOD值作差,分别得到图6、图7。由图可知,随着影像(即观测日期)的变化,各空间窗口方案下各站点处的AOD值变化趋势接近;但是,根据图6、图7,随着空间窗口的增大,各站点处所得AOD值较之于1km方案差别愈大,例如在50km方案下,在站点1处,其与1km方案AOD差值绝对值最高可达0.2(于160801影像达到),而站点6处两种空间窗口方案结果也呈现出显著差异。根据AOD真实性验证相关文献,这种差异是由验证的尺度效应造成的,当空间窗口较大时,对窗口内AOD求得的均值将会受到邻域内非中心AOD像元的影响而出现偏高或偏低的现象,选择1km方案得到的卫星AOD结果将更好地代表站点观测值,而排除相邻像元的影响。因此,在高频次验证模式下,相较于传统的50km方案,使用更为精细化的1km方案将会提高验证精度。
本发明针对不同应用需求之下的不同AOD反演时间频率,设计了适应于两种AOD产品生产周期的验证方案,有效地保证了样本数,较好提升了真实性验证的可靠性。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。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前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (9)
1.基于地面实测的GF-4AOD产品高时间分辨率检验,其特征在于,包括如下步骤:
S1、判断GF-4AOD产品的观测频率,如果卫星在同一个地点一段时间内进行了连续多帧成像,获得多个连续AOD值,转至步骤S2;如果卫星在同一个地点一段时间内只进行了单景成像,转至步骤S3;
S2、选择以站点为中心,大小为5km*5km至10km*10km空间窗口内的GF-4AOD像元进行求均值操作,同时获取与卫星像元成像时间最相近的前后各一个地面观测值,将这两个地面值平均后与像元均值进行匹配,进而进行比较;转至步骤S4;
S3、采用站点50km*50km空间窗口内至少10个质量等级最高像元的AOD值求平均,然后与地面实测的在卫星成像前后各0.5小时内所有观测值的平均进行匹配,并进行真实性检验;进入步骤S5;
S4、将匹配的散点绘制在二维坐标系之中,根据地面观测值、各站点处卫星反演AOD值,进行线性拟合;转至步骤S6;
S5、将卫星高质量等级像元均值与地面相应时段内的观测平均值组成匹配数据对,将各个匹配数据对进行线性拟合;进入步骤S6;
S6、计算精度评价指标,考察卫星反演结果与地面观测之间的一致性,评估AOD反演精度,并分析误差来源。
2.如权利要求1所述的GF-4AOD产品高时间分辨率检验,其特征在于,对于在短时间内获得多个连续AOD值的情况采用精细时空匹配方法:对于每一帧AOD影像,将其与各个地面真实性验证站点进行叠置,提取以各站点为中心,大小为5km*5km至10km*10km、且对应地表类型较为均一的空间窗口内部的AOD像元,对这些像元求均值,完成空间匹配;在时间上,在每一站点处获取与卫星成像时刻最近的前后各一条地面观测记录,对其进行平均,完成时间匹配。
3.如权利要求2所述的GF-4AOD产品高时间分辨率检验,其特征在于,验证时间段为0.5小时,将每0.5小时内的各帧AOD影像生成的卫星与地面的匹配数据对合并验证。
4.如权利要求1所述的GF-4AOD产品高时间分辨率检验,其特征在于,对每一个站点建立缓冲区,缓冲区为以站点为中心的50km*50km范围,即50km*50km空间窗口。
5.如权利要求4所述的GF-4AOD产品高时间分辨率检验,其特征在于,步骤S3包括将研究时段内每一幅高分四号卫星AOD产品与缓冲区的图层进行叠置,统计完全落入各个缓冲区的像元数。
7.如权利要求4所述的GF-4AOD产品高时间分辨率检验,其特征在于,对于每一景AOD产品,选择其成像前0.5小时至成像后0.5小时时间段作为研究时段,选择各个站点在研究时段内的AOD观测。
8.如权利要求1所述的GF-4AOD产品高时间分辨率检验,其特征在于,步骤S4中,以地面数据为横坐标,卫星观测数据为纵坐标,绘制散点图。
9.如权利要求1所述的GF-4AOD产品高时间分辨率检验,其特征在于,步骤S6中,计算精度评价指标包括均方根误差RMSE、落入期望误差范围EE、反演数据的比例P、线性相关系数R,计算公式如下式所示:
ΔAOD=±(0.05+0.2·AODground)
其中,均方根误差RMSE定量描述卫星反演AOD值AODGF4较地面AOD真值AODground之间的差异的大小,于同一地点、同一时间段来说,其值越小,表明验证精度越高;n表示匹配数据对的数量,表示第i个匹配数据对的卫星AOD反演值,表示第i个匹配数据对的地面AOD真值;
ΔAOD定义了理论上卫星反演AOD值的绝对误差范围的最大值与最小值,而期望误差范围内匹配数据比例P则反映了卫星反演AOD值的总体精度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011242964.9A CN112179850B (zh) | 2020-11-09 | 2020-11-09 | 基于地面实测的gf-4 aod产品高时间分辨率检验 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011242964.9A CN112179850B (zh) | 2020-11-09 | 2020-11-09 | 基于地面实测的gf-4 aod产品高时间分辨率检验 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112179850A CN112179850A (zh) | 2021-01-05 |
CN112179850B true CN112179850B (zh) | 2022-11-01 |
Family
ID=73917251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011242964.9A Active CN112179850B (zh) | 2020-11-09 | 2020-11-09 | 基于地面实测的gf-4 aod产品高时间分辨率检验 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112179850B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106404620B (zh) * | 2015-07-30 | 2019-08-13 | 中国科学院遥感与数字地球研究所 | 地统计插值与卫星遥感联合反演地面pm2.5的方法及系统 |
CN106979911A (zh) * | 2017-03-07 | 2017-07-25 | 南京航空航天大学 | 利用卫星多光谱影像数据进行pm 2.5和pm 10估算的方法 |
CN107367716B (zh) * | 2017-07-04 | 2019-09-10 | 武汉大学 | 一种高精度星载sar几何定标方法 |
CN110030934B (zh) * | 2019-04-30 | 2020-04-28 | 中南大学 | 基于modis卫星传感器的气溶胶光学厚度的获取方法 |
CN110411918B (zh) * | 2019-08-02 | 2020-09-08 | 中国科学院遥感与数字地球研究所 | 一种基于卫星偏振技术的pm2.5浓度遥感估算方法 |
-
2020
- 2020-11-09 CN CN202011242964.9A patent/CN112179850B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112179850A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bright | Solcast: Validation of a satellite-derived solar irradiance dataset | |
Xiao et al. | Evaluation of VIIRS, GOCI, and MODIS Collection 6 AOD retrievals against ground sunphotometer observations over East Asia | |
CN102539336B (zh) | 基于环境一号卫星的可吸入颗粒物估算方法及系统 | |
CN109580003B (zh) | 一种静止气象卫星热红外数据估算近地面大气温度方法 | |
Dall'Amico et al. | First results of SMOS soil moisture validation in the upper Danube catchment | |
Zhou et al. | Developing a temporally land cover-based look-up table (TL-LUT) method for estimating land surface temperature based on AMSR-E data over the Chinese landmass | |
CN105678085A (zh) | 一种pm2.5浓度的估算方法及系统 | |
Free et al. | Creating climate reference datasets: CARDS workshop on adjusting radiosonde temperature data for climate monitoring | |
Bai et al. | Multiscale and multisource data fusion for full-coverage PM2. 5 concentration mapping: Can spatial pattern recognition come with modeling accuracy? | |
Wu et al. | Effect of land-cover type on the SMAP active/passive soil moisture downscaling algorithm performance | |
CN104280324A (zh) | 利用卫星遥感监测近地面细颗粒物质量浓度的方法 | |
CN111982822A (zh) | 一种长时间序列高精度植被指数改进算法 | |
Oda et al. | US Cities in the Dark: Mapping Man‐Made Carbon Dioxide Emissions Over the Contiguous US Using NASA's Black Marble Nighttime Lights Product | |
Jin et al. | A long-term global XCO2 dataset: Ensemble of satellite products | |
Zhao et al. | Evaluating the potential of H8/AHI geostationary observations for monitoring vegetation phenology over different ecosystem types in northern China | |
Fu et al. | Implications of diurnal variations in land surface temperature to data assimilation using MODIS LST data | |
Deng et al. | Development and Evaluation of a Cloud-Gap-Filled MODIS Normalized Difference Snow Index Product over High Mountain Asia | |
CN113408111B (zh) | 大气可降水量反演方法及系统、电子设备和存储介质 | |
CN110009584A (zh) | 基于参考光谱匹配的多光谱遥感影像大气校正系统及方法 | |
CN112179850B (zh) | 基于地面实测的gf-4 aod产品高时间分辨率检验 | |
Yu et al. | Using the GPS observations to reconstruct the ionosphere three-dimensionally with an ionospheric data assimilation and analysis system (IDAAS) | |
Qi et al. | Estimation of land surface temperature over the Tibetan Plateau based on Sentinel-3 SLSTR data | |
Jiang et al. | Establishment of aerosol optical depth dataset in the Sichuan Basin by the random forest approach | |
Chen et al. | Urban land surface temperature retrieval from high spatial resolution thermal infrared image using a modified split-window algorithm | |
Zhu et al. | Comparison and evaluation of multiple satellite aerosol products over China in different scenarios under a unified criterion: Preparation for consistent and high-quality dataset construction |
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 |