我国主要积雪区AMSR-E被动微波雪深算法对比验证研究

被引:17
作者
宾婵佳 [1 ,2 ]
邱玉宝 [1 ]
石利娟 [1 ]
除多 [3 ]
朱骥 [2 ]
机构
[1] 中国科学院
基金
国家自然科学基金重点项目;
关键词
被动微波; 雪深; AMSR-E; 对比验证; 中国;
D O I
暂无
中图分类号
P407.7 [微波大气遥感]; P426.63 [固态晶状降水];
学科分类号
摘要
采用高级微波扫描辐射计(AMSR-E)亮温数据,选取Chang算法、GSFC 96算法、AMSR-E SWE算法、青藏高原改进算法和Savoie算法等5种雪深反演算法,利用2010年2月10-12日3d的气象站台雪深观测数据,对比分析了5种雪深反演算法在新疆地区、青藏高原、内蒙古地区、东北地区、西北地区和华北平原的精度和适用性.结果表明:总体验证中,青藏高原改进算法3d的结果均优于其他算法,其均方根误差(RMSE)为9.16cm、9.96cm和9.63cm,平均相对误差(MRE)分别为59.77%、52.79%和48.47%.分区验证中,结果最佳的算法分别为:在新疆地区,GSFC 96算法RMSE为6.85~7.48cm;内蒙古地区,青藏高原改进算法的RMSE分别为5.9cm、6.11cm和5.46cm;东北地区,青藏高原改进算法RMSE为6.21~7.83cm;西北地区和华北平原5种算法的适用性不佳;青藏高原由于缺乏实测数据,无法得到该区验证统计结果.
引用
收藏
页码:801 / 813
页数:13
相关论文
共 11 条
[1]   基于AMSR-E的北疆地区积雪深度反演 [J].
卢新玉 ;
王秀琴 ;
崔彩霞 ;
谢国辉 .
冰川冻土, 2013, (01) :40-47
[2]   基于多源数据的西藏地区积雪变化趋势分析 [J].
巴桑 ;
杨秀海 ;
拉珍 ;
郑照军 ;
旷达 ;
拉巴 .
冰川冻土, 2012, 34 (05) :1023-1030
[3]   中国地区地面观测积雪深度和遥感雪深资料的对比分析 [J].
李小兰 ;
张飞民 ;
王澄海 .
冰川冻土, 2012, 34 (04) :755-764
[4]   冰川/积雪-大气相互作用研究进展 [J].
杨兴国 ;
秦大河 ;
秦翔 .
冰川冻土, 2012, (02) :392-402
[5]   1957—2009年中国台站观测的关键积雪参数时空变化特征 [J].
马丽娟 ;
秦大河 .
冰川冻土, 2012, (01) :1-11
[6]   青藏高原积雪深度和雪水当量的被动微波遥感反演 [J].
车涛 ;
李新 ;
高峰 .
冰川冻土, 2004, (03) :363-368
[7]  
Snow depth and snow water equivalent estimation from AMSR-E data based on a priori snow characteristics in Xinjiang, China[J] . Liyun Dai,Tao Che,Jian Wang,Pu Zhang.Remote Sensing of Environment . 2012
[8]  
Global estimates of snow water equivalent from passive microwave instruments: history, challenges and future developments[J] . Debbie Clifford.International Journal of Remote Sensing . 2010 (14)
[9]   Atmospheric corrections for improved satellite passive microwave snow cover retrievals over the Tibet Plateau [J].
Savoie, Matthew H. ;
Armstrong, Richard L. ;
Brodzik, Mary J. ;
Wang, James R. .
REMOTE SENSING OF ENVIRONMENT, 2009, 113 (12) :2661-2669
[10]  
Evaluation of passive microwave snow water equivalent retrievals across the boreal forest/tundra transition of western Canada[J] . C. Derksen,A. Walker,B. Goodison.Remote Sensing of Environment . 2005 (3)