CN1847832A - 微波辐射计监测土壤水分的方法 - Google Patents
微波辐射计监测土壤水分的方法 Download PDFInfo
- Publication number
- CN1847832A CN1847832A CN 200510063384 CN200510063384A CN1847832A CN 1847832 A CN1847832 A CN 1847832A CN 200510063384 CN200510063384 CN 200510063384 CN 200510063384 A CN200510063384 A CN 200510063384A CN 1847832 A CN1847832 A CN 1847832A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- soil moisture
- mpdi
- data
- vegetable layer
- 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.)
- Pending
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明用于微波遥感技术应用领域,特别是微波辐射计监测土壤水分的方法。其步骤为:第一步是准备运行环境和辐射计数据;第二步是反演得到观测点地表介电常数并将其栅格化;第三步是根据介电常数计算得到土壤含水量;第四步是将土壤含水量分布图成图并保存为常见的图像格式。
Description
技术领域
本发明用于微波遥感技术应用领域领域,特别是利用微波辐射计数据反演土壤水分的方法。
背景技术
现有利用微波辐射计反演地表土壤水分的方法中,计算地表植被层不透明度时,需要关于地面植被类型分类、植被层含水量的辅助数据,计算公式为:
τc=b*ω/cosθ
其中b为与植被冠层结构、频率有关的参数,ω为植被层含水量,θ为观测角度。b和ω都需要通过辅助数据得到的。但是在实际应用中,这些辅助数据往往不易获取或者不可靠,即使获得了这部分数据在应用时也比较复杂(如图2)。现有的反演流程中,根据地表植被分类辅助数据计算植被影响的流程为(如图2)。
现有技术在计算植被层不透明度时存在的最大的问题是由于辅助数据难以及时获取和更新,只能以经验数值代入运算,无法保证辅助数据与微波辐射计观测数据的时间同步性。例如,参数b是根据地面植被分类数据确定的,但是实际中这一参数会随着植被生长变化而改变,以不同的频率观测这个数值也存在差异;ω作为植被层含水量更是会随着季节、降水的变化而变化。经验计算公式中的b和ω数值都具有时间、气候变化性,用固定的数值来描述辐射计观测时植被层不透明度不能完全反映辐射计观测时刻植被对地表辐射的影响状况。
发明内容
本发明的目的在于提供微波辐射计监测土壤水分的方法。
本发明提出了在缺少同时相地面植被辅助数据信息的情况下,成功实现利用微波辐射计数据反演得到地表土壤水分的技术流程路线。
本发明利用多通道之间微波辐射差异实时的对观测点植被覆盖茂密状况做出判断,当存在植被影响时,利用微波辐射亮度值来计算得到实时的地表覆盖的植被的影响,从而实现中等覆盖程度、稀疏覆盖程度的植被地区和裸露地表地区的地表土壤水分的反演。新的流程改进了原有反演流程当中对大量的地表植被辅助数据信息的依赖,并计算观测时刻的地表植被影响。
本发明可提供一种为在全球范围内低空间分辨率的土壤水分变化的研究与监测工作服务。
附图说明
图1是本发明微波辐射计数据反演土壤水分的方法流程图。
图2是计算植被层不透明度的现有技术流程图。
图3是计算植被层不透明度的本发明技术流程图。
具体实施方式
图1的微波辐射计数据反演土壤水分的方法,其过程如下:
反演工作以微型计算机为物理平台,以微软视窗系统为软件系统环境。操作流程可分为四个步骤:
第一步是准备运行环境和辐射计数据;
第二步是根据观测点地理坐标数据建立投影变换索引表,计算观测点处的植被层不透明度参数,反演运算出地表土壤介电常数;
第三步是根据介电常数反演计算得到土壤含水量;
第四步是土壤含水量分布图成图并保存为常见的图像文件格式。
第一步:准备运行环境和辐射计数据。首先接通电源,启动计算机硬件平台进入视窗操作系统软件环境。如果辐射计数据以光盘或者磁带为载体保存,计算机硬件平台需要配备有光盘驱动器或者磁带机,作为辐射计数据导入装置。然后将存储在光盘介质(CD/DVD)(或者磁带)上的微波辐射计测量数据整理到计算机本地硬盘上来。以光盘驱动器为例,首先按键弹出光盘托盘,放入数据光盘,按键收回光盘托盘。在视窗操作系统的光盘驱动器所对应的盘符中即可找到微波辐射计的数据,从中选择进行反演运算的辐射计数据并拷贝到计算机本地磁盘上。这部分是进行反演操作流程的的准备过程。
第二步:是根据观测点地理坐标数据建立投影变换索引表,并且计算观测点处的植被层不透明度参数,反演运算出地表土壤介电常数。首先从微波辐射计数据当中读取得到观测点地理坐标数据(经度坐标数据和纬度坐标数据)和相同频率下两种极化方式的亮度温度数据(水平极化TBh和垂直极化亮温TBv),这部分工作可以利用为数据源专门开发的一些工具来完成,以AMSR/E数据为例NASA提供了hdp工具软件,也可以利用ENVI中File->Open Image File模块完成。然后分别根据观测点地理坐标数据建立投影变换索引表和根据亮度温度数据计算观测点处植被层不透明度、反演地表土壤介电常数。这一步工作可以利用ENVI的扩展功能模块和IDL环境编程实现。
1.根据经度坐标数据和纬度坐标数据,建立观测点地理坐标数据投影变换到栅格的索引表文件。在ENVI中,利用File->Open Image File模块把所有观测点的经度数据和纬度数据分别作为两个通道的数据读入,建立索引表时,以经度通道数据作为x轴数据输入,以纬度通道数据作为y轴数据输入。生成的栅格主要参数:椭球体选择WGS-84椭球体,坐标系统选择为大地坐标系统,输出像素的大小为0.083度,输出的翻转角度为0度。生成索引表文件的工作可以利用ENVI的Map->Groreferencefrom Input Geometry->Build GLT模块完成,生成的索引表文件以。GLT为扩展名保存在本地硬盘。
2.根据连个极化方式通道的亮度温度数据计算MPDI和植被层不透明度、反演计算地表土壤介电常数,这部分工作可以利用ENVI的波段运算和IDL环境编程实现。
1)读取水平极化和垂直极化亮温数据。利用利用File->Open Image File模块把所有观测点的水平极化方式和垂直极化方式的亮度温度数据作为TBh和TBv两个通道数据读入。
2)计算每个观测点的微波极化差异指数(MPDI)。MPDI的定义为:
计算微波极化差异指数(MPDI)根据TBv和TBh两个通道数据,利用ENVI的Basic Tools->Band Math模块完成。输入运算表达式时,输入表达式为(b1-b2)/(b1+b2)。选择运算波段的时候,TBv数据通道和MPDI定义式中的b1相对应,TBh数据通道与MPDI定义式中的b2相对应,计算出所有观测点处的微波极化差异指数点数据。
3)根据MPDI值确定观测点植被层不透明度。遍历所有观测点,根据每个观测点上的MPDI数值判断观测点处植被覆盖状况,对于浓密植被覆盖地区或者裸露地表、稀疏植被覆盖地区的植被不透明度赋予合理数值,对于中等植被覆盖地区需要根据MPDI值计算植被层的不透明度:
a.当MPDI<0.017时,判断观测点为浓密植被覆盖地区,这些地区的植被衰减影响过而大无法消除,观测得到的亮温数据对于地表含水量已经不再敏感,植被层不透明度τc取为-1,用负数表示植被覆盖浓密,无法反演得到地表土壤介电常数;
b.当观测点MPDI>0.026的时候,判断观测点为裸露地表或者稀疏植被覆盖地区,此时不需要考虑植被的衰减影响,植被层不透明度τc取为0值,表示在这些点上不存在或者可以忽略植被的衰减影响;
c.当0.017<MPDI<0.026时,判断观测点为中等植被覆盖度地区,根据MPDI计算植被层不透明度τc:
此时植被的影响不能忽略,以MPDI计算植被不透明度,作为接下来的反演土壤介电常数运算的参数;
4)代入植被层不透明度,反演地表土壤介电常数。在每个观测点上根据微波辐射传输方程
正演计算观测到的水平和垂直极化亮度温度数据。正演得到的水平和垂直极化亮温与观测值之间的方差最小的时候,对应的地表土壤介电常数就是反演得到的地表土壤介电常数。当以C波段观测的时候,大气的衰减作用可以忽略,不再计算大气层的不透明度。反演地表土壤介电常数的工作可以在IDL的环境下编程实现。
a.对地表土壤介电常数ε在0.4~40范围内,以0.01为步长进行遍历,根据Fresnel反射定律机算每个土壤介电常数ε取值所对应的光滑条件下地表反射率rop,再计算得到粗糙地表条件下的地表反射率rsp:
γsq=[(1-Q)γoq+Qγsp]*e-h
其中p和q代表不同的极化方式;
b.对地表物理温度Te在TBv~TBv+50K范围内,以0.5K为步长进行遍历,作为地表物理温度;
c.将前面计算得到的每个观测点上的植被层不透明度、地表土壤介电常数ε和地表物理温度Te带入到正演模型当中,计算Tbp;
d.计算正演得到的Tbv与TBv、Tbh与TBh的差的绝对值之和,当和为最小的时候,对应的地表土壤介电常数即作为反演得到的地表土壤介电常数ε。
3.地表土壤介电常数数据栅格化。根据地理坐标投影变换索引表,将介电常数的点数据投影为栅格数据。这部分工作利用ENVI的Map->Georeference from Input Geometry->Georeference from GLT模块完成,在栅格的同时也完成了插值的过程。
第三步:土壤介电常数反演为土壤质量含水量。利用上一步反演得到的地表土壤介电常数栅格数据,结合土壤机械组分分布的栅格数据(这部分栅格数据预先需要和地表土壤介电常数数据进行地理坐标的配准),运用由土壤介电常数反演土壤含水量Dobson反演模型,反演计算得到土壤含水量栅格数据。这部分工作利用IDL编程环境编程实现。
第四步:土壤含水量分布成图,将图像文件保存在计算机硬盘。将土壤含水量栅格数据以常见图像格式保存在本地硬盘上,作为效果图。这部分工作利用ENVI的File->Save File as模块完成。
图3发明中根据MPDI计算植被影响的流程为:
第一步:读入亮温数据;
第二步:计算微波极化差异指数MPDI;
第三步:根据MPDI判断植被覆盖情况;
第四步:计算植被层不透明度。
第一步:读入相同观测频率的水平极化和垂直极化方式的亮温。利用ENVI软件当中的File->Open Image File模块把所有观测点的相同频率下水平极化方式和垂直极化方式的亮度温度数据读入,分别对应为TBh和TBv两个数据通道。
第二步:在所有观测点上,根据第一步读出的水平极化和垂直极化亮温,计算微波极化差异指数MPDI。微波极化差异指数MPDI定义为:
利用ENVI软件当中的Basic Tools->Band Math模块进行计算。在运算表达式输入对话框里输入表达式(b1-b2)/(b1+b2)。选定运算波段的时候,选择TBv数据通道和MPDI定义式中的b1相对应,TBh数据通道与MPDI定义式中的b2相对应,计算得到所有观测点处的微波极化差异指数点数据。
第三步:遍历所有观测点,根据MPDI数值的范围对地表的植被覆盖状况作出判断,将地表分为浓密植被覆盖区、中等程度植被覆盖区、稀疏植被覆盖或者裸露地表地区三类植被覆盖状况。这部分工作利用Overlay->Density Slice...模块实现。
a.当MPDI<0.017时,判断观测点为浓密植被覆盖地区,这些地区的植被衰减影响过而大无法消除,观测得到的亮温数据对于地表含水量已经不再敏感;
b.当观测点MPDI>0.026的时候,判断观测点为裸露地表或者稀疏植被覆盖地区,此时不需要考虑植被的衰减影响;
c.当0.017<MPDI<0.026时,判断观测点为中等植被覆盖度地区,此时地表植被层的衰减影响不能忽略,而且可以通过计算植被层不透明度来计算植被层的衰减影响程度。
第四步:根据前面由MPDI对地表植被覆盖度的判断,在所有观测点上分别计算当地的植被层不透明度。这部分工作利用IDL的环境编程实现。
a.对于浓密植被覆盖地区,植被层的衰减影响很大,已经无法消除植被层的影响,植被层不透明度τc取为-1,用负数表示植被覆盖浓密,无法反演得到地表土壤介电常数。在后面反演地表介电常数的时候,这些观测点不参加反演运算。
b.对于稀疏植被覆盖或者裸露地表地区,植被层不透明度τc取为0值,表示在这些点上不存在或者可以忽略植被的衰减影响;
c.对于中等程度植被覆盖地区,需要计算植被层不透明度,根据MPDI计算植被层不透明度τc的方程为:
发明较现有方法主要存在两个改进:
1.发明解决了反演工作对地面辅助数据的依赖问题。
现有反演方法在消除植被层影响的时候对地面植被分类和典型地物相关参数的辅助数据存在依赖,当缺少这部分数据的时候,将无法正常进行土壤水分的反样工作。而当辅助数据可以利用的时候,对数据库进行管理、将数据库数据与辐射计观测数据进行配准等工作的工作量也会很大。本发明的方法在无需辅助数据支持的情况下仍能正常工作,直接根据观测的辐射亮温对植被的影响作出计算,这样就避免了大量的对数据库的管理和多源数据的配准等工作,。
2.发明保证了计算植被影响的即时性。
原有方法是根据典型地物类型的经验数值计算植被影响。但是植被产生的影响会随植物生长而在年内和年间存在变化。本发明的方法根据实时测量得到微波辐射亮温计算植被影响,保证了计算结果的即时有效性,更能够体现观测时地表植被层对于地面的上行辐射的衰减作用。
Claims (11)
1.一种微波辐射计监测土壤水分的方法,其步骤包括:
第一步是准备运行环境和辐射计数据;
第二步是建立投影变换索引表,计算观测点处的植被层不透明度参数,反演运算得到地表土壤介电常数;
第三步是根据介电常数反演计算得到土壤含水量;
第四步是土壤含水量分布图成图并保存为常见的图像文件格式。
2.根据权利要求1的微波辐射计监测土壤水分的方法,其特征在于,
第一步的准备运行环境和辐射计数据中,启动计算机硬件平台和视窗操作系统软件环境,然后将微波辐射计测量数据整理到计算机本地硬盘上来。
3.根据权利要求1的微波辐射计监测土壤水分的方法,其特征在于,
第二步的建立投影变换索引表,计算观测点处的植被层不透明度参数,反演运算得到地表土壤介电常数中,分别读取微波辐射计数据当中的观测点地理坐标数据和亮温数据,
1)建立地理坐标投影变换索引表,根据观测点的地理坐标数据,建立将观测点处的点数据栅格化的地理坐标投影变换索引表;
2)计算观测点上的植被层不透明度,反演计算土壤介电常数。选择相同频率的水平极化和垂直极化方式的亮温数据,在每个观测点上计算植被层不透明度,最终反演计算得到地表土壤介电常数;
3)将反演得到的地表土壤介电常数点数据栅格化,依据地理坐标投影变换索引表,将反演得到的地表土壤介电常数点数据转换为栅格数据。
4.根据权利要求3的微波辐射计监测土壤水分的方法,其特征在于,计算植被层不透明度的方法,其步骤包括:
第一步是读取亮温数据;
第二步是计算微波极化差异指数(MPDI);
第三步是根据MPDI值判定植被覆盖度;
第四步是计算植被层不透明度。
5.根据权利要求4的微波辐射计监测土壤水分的方法,其特征在于,计算植被层不透明度的方法,其特征在于,
第一步的读取亮温数据中,读取相同频率的水平和垂直极化亮温数据。
6.根据权利要求4的微波辐射计监测土壤水分的方法,其特征在于,计算植被层不透明度的方法,其特征在于,
第二步的计算微波极化差异指数(MPDI)中,计算观测点的MPDI。
7.根据权利要求4的微波辐射计监测土壤水分的方法,其特征在于,计算植被层不透明度的方法,其特征在于,
第三步的根据MPDI判定植被覆盖度中,根据观测点的MPDI数值将判定观测点的植被覆盖状况为下列情况中的一种:浓密植被覆盖、中等程度的植被覆盖、稀疏或者不存在植被覆盖。
8.根据权利要求4的微波辐射计监测土壤水分的方法,其特征在于,计算植被层不透明度的方法,其特征在于,
第四步的计算植被层不透明度中,根据植被覆盖度的判定结果,对植被层不透明度进行计算或者赋值。
9.根据权利要求1的微波辐射计监测土壤水分的方法,其特征在于,
第三步的根据地表土壤介电常数反演计算得到土壤含水量中,结合土壤机械组成成分的数据,将第地表土壤介电常数反演为土壤含水量。
10.根据权利要求1的微波辐射计监测土壤水分的方法,其特征在于,
第四步的土壤含水量分布图成图并保存为常见的图像文件格式中,把土壤含水量分布图以常见图像格式保存在本地硬盘上。
11.根据权利要求4或8的微波辐射计监测土壤水分的方法,其特征在于,
a.当MPDI<0.017时,判断观测点为浓密植被覆盖地区,这些地区的植被衰减影响过而大无法消除,观测得到的亮温数据对于地表含水量已经不再敏感,植被层不透明度τc取为-1,用负数表示植被覆盖浓密,无法反演得到地表土壤介电常数;
b.当观测点MPDI>0.026的时候,判断观测点为裸露地表或者稀疏植被覆盖地区,此时不需要考虑植被的衰减影响,植被层不透明度τc取为0值,表示在这些点上不存在或者可以忽略植被的衰减影响;
c.当0.017<MPDI<0.026时,判断观测点为中等植被覆盖度地区,根据MPDI计算植被层不透明度τc:
此时植被的影响不能忽略,以MPDI计算植被不透明度,作为接下来的反演土壤介电常数运算的参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200510063384 CN1847832A (zh) | 2005-04-11 | 2005-04-11 | 微波辐射计监测土壤水分的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200510063384 CN1847832A (zh) | 2005-04-11 | 2005-04-11 | 微波辐射计监测土壤水分的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1847832A true CN1847832A (zh) | 2006-10-18 |
Family
ID=37077471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200510063384 Pending CN1847832A (zh) | 2005-04-11 | 2005-04-11 | 微波辐射计监测土壤水分的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1847832A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101900692A (zh) * | 2010-06-18 | 2010-12-01 | 武汉大学 | 大面积土壤湿度测量方法 |
CN101907658A (zh) * | 2010-07-20 | 2010-12-08 | 浙江大学 | 电磁波测试土体介电常数的测试装置 |
CN101936921A (zh) * | 2010-03-05 | 2011-01-05 | 中国农业科学院农业资源与农业区划研究所 | 从amsr-e数据反演土壤水分方法 |
CN101949916A (zh) * | 2010-08-12 | 2011-01-19 | 中国农业大学 | 土壤水分供给量的遥感定量反演方法 |
CN102135573A (zh) * | 2010-11-23 | 2011-07-27 | 吉林大学 | 低损耗介质介电常数测量装置及测量方法 |
CN101738620B (zh) * | 2008-11-19 | 2012-02-15 | 中国农业科学院农业资源与农业区划研究所 | 从被动微波遥感数据amsr-e反演地表温度的方法 |
CN104034739A (zh) * | 2014-06-20 | 2014-09-10 | 环境保护部卫星环境应用中心 | 双时相雷达监测土壤含水量的方法 |
CN104483271A (zh) * | 2014-12-19 | 2015-04-01 | 武汉大学 | 光学反射模型与微波散射模型协同的森林生物量反演方法 |
CN104865274A (zh) * | 2015-04-08 | 2015-08-26 | 环境保护部卫星环境应用中心 | 基于单极化雷达数据的土壤含水量反演方法及系统 |
CN106018439A (zh) * | 2016-07-05 | 2016-10-12 | 吉林大学 | 微波遥感土壤水分监测系统及其监测方法 |
CN107271455A (zh) * | 2016-04-08 | 2017-10-20 | 上海海洋大学 | 一种应用低频微波波段现场快速测量土壤含水含盐量方法及装置 |
CN111811660A (zh) * | 2020-07-14 | 2020-10-23 | 中国科学院空天信息创新研究院 | 二维综合孔径微波辐射计亮温数据的优化处理方法 |
US10996179B2 (en) | 2019-03-11 | 2021-05-04 | Skaha Remote Sensing Ltd. | System and method to detect ground moisture |
US11692950B2 (en) * | 2019-03-11 | 2023-07-04 | Skaha Remote Sensing Ltd. | System and method to detect ground moisture |
-
2005
- 2005-04-11 CN CN 200510063384 patent/CN1847832A/zh active Pending
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738620B (zh) * | 2008-11-19 | 2012-02-15 | 中国农业科学院农业资源与农业区划研究所 | 从被动微波遥感数据amsr-e反演地表温度的方法 |
CN101936921A (zh) * | 2010-03-05 | 2011-01-05 | 中国农业科学院农业资源与农业区划研究所 | 从amsr-e数据反演土壤水分方法 |
CN101900692A (zh) * | 2010-06-18 | 2010-12-01 | 武汉大学 | 大面积土壤湿度测量方法 |
CN101907658A (zh) * | 2010-07-20 | 2010-12-08 | 浙江大学 | 电磁波测试土体介电常数的测试装置 |
CN101907658B (zh) * | 2010-07-20 | 2012-02-22 | 浙江大学 | 电磁波测试土体介电常数的测试装置 |
CN101949916A (zh) * | 2010-08-12 | 2011-01-19 | 中国农业大学 | 土壤水分供给量的遥感定量反演方法 |
CN101949916B (zh) * | 2010-08-12 | 2013-08-14 | 中国农业大学 | 土壤水分供给量的遥感定量反演方法 |
CN102135573A (zh) * | 2010-11-23 | 2011-07-27 | 吉林大学 | 低损耗介质介电常数测量装置及测量方法 |
CN102135573B (zh) * | 2010-11-23 | 2013-05-08 | 吉林大学 | 低损耗介质介电常数测量装置及测量方法 |
CN104034739A (zh) * | 2014-06-20 | 2014-09-10 | 环境保护部卫星环境应用中心 | 双时相雷达监测土壤含水量的方法 |
CN104483271A (zh) * | 2014-12-19 | 2015-04-01 | 武汉大学 | 光学反射模型与微波散射模型协同的森林生物量反演方法 |
CN104483271B (zh) * | 2014-12-19 | 2017-02-22 | 武汉大学 | 光学反射模型与微波散射模型协同的森林生物量反演方法 |
CN104865274A (zh) * | 2015-04-08 | 2015-08-26 | 环境保护部卫星环境应用中心 | 基于单极化雷达数据的土壤含水量反演方法及系统 |
CN107271455A (zh) * | 2016-04-08 | 2017-10-20 | 上海海洋大学 | 一种应用低频微波波段现场快速测量土壤含水含盐量方法及装置 |
CN107271455B (zh) * | 2016-04-08 | 2020-03-06 | 上海海洋大学 | 一种应用低频微波波段测量土壤含水含盐量方法及装置 |
CN106018439A (zh) * | 2016-07-05 | 2016-10-12 | 吉林大学 | 微波遥感土壤水分监测系统及其监测方法 |
CN106018439B (zh) * | 2016-07-05 | 2019-01-18 | 吉林大学 | 微波遥感土壤水分监测系统及其监测方法 |
US10996179B2 (en) | 2019-03-11 | 2021-05-04 | Skaha Remote Sensing Ltd. | System and method to detect ground moisture |
US11692950B2 (en) * | 2019-03-11 | 2023-07-04 | Skaha Remote Sensing Ltd. | System and method to detect ground moisture |
CN111811660A (zh) * | 2020-07-14 | 2020-10-23 | 中国科学院空天信息创新研究院 | 二维综合孔径微波辐射计亮温数据的优化处理方法 |
CN111811660B (zh) * | 2020-07-14 | 2021-06-04 | 中国科学院空天信息创新研究院 | 二维综合孔径微波辐射计亮温数据的优化处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1847832A (zh) | 微波辐射计监测土壤水分的方法 | |
CN109522603B (zh) | 基于云平台的车载拉格朗日实时大气污染溯源系统及方法 | |
CN104299541B (zh) | 基于移动互联网平台的智能导游系统及方法 | |
CN102539336B (zh) | 基于环境一号卫星的可吸入颗粒物估算方法及系统 | |
CN101901244B (zh) | 地质地理信息系统处理方法 | |
CN102661736B (zh) | 一种高速公路改扩建勘测方法 | |
CN1838164A (zh) | 土地调查的全数字化野外信息采集、记录与处理方法 | |
CN107170033A (zh) | 基于激光雷达技术的智慧城市3d实景地图系统 | |
CN102997871A (zh) | 一种利用几何投影和激光雷达反演有效叶面积指数的方法 | |
CN102103201B (zh) | 多任务模式的湿地数据采集方法 | |
Hinks et al. | Flight optimization algorithms for aerial LiDAR capture for urban infrastructure model generation | |
CN106570789A (zh) | 一种基于gis系统的电网规划生态敏感区识别方法 | |
CN105005580B (zh) | 一种用于显示水库地形的方法及其装置 | |
WO2023206984A1 (zh) | 二氧化碳排放量的反演方法、装置、设备及存储介质 | |
CN103700063B (zh) | 基于高清卫星影像的地形图一体化快速成图方法 | |
CN108984769A (zh) | 一种基于坐标拟合的多坐标系融合方法 | |
WO2021200037A1 (ja) | 道路劣化判定装置、道路劣化判定方法、及び、記録媒体 | |
CN106291756B (zh) | 临近空间大气虚拟环境资源的构建方法 | |
Cavaleri et al. | An exceptionally high wave at the CNR-ISMAR oceanographic tower in the Northern Adriatic Sea | |
CN115964869A (zh) | 一种高时空分辨率大气污染扩散迁移模拟方法 | |
CN110599477A (zh) | 一种植草混凝土有效孔隙率的检测方法及系统 | |
Rose et al. | Challenges and lessons from a wetland LiDAR project: a case study of the Okefenokee Swamp, Georgia, USA | |
CN201681156U (zh) | 多任务模式的湿地数据采集系统 | |
CN109685895B (zh) | 一种适用于智能电网建设面向对象的地图地形均值方法 | |
Corchete | Three-dimensional imaging of the S-velocity structure for the crust and the upper mantle beneath the Arabian Sea from Rayleigh wave analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |