姜璐璐
- 作品数：2 被引量：14H指数：2
- 供职机构：北京大学地球与空间科学学院更多>>
- 发文基金：国家自然科学基金国家杰出青年科学基金广东省自然科学基金更多>>
- 相关领域：天文地球更多>>
- 基于MERIT DEM和DRT升尺度化算法的多分辨率全国河网数据集构建被引量：5
- 2020年
- 相对较粗空间分辨率(>1 km)的水文网络或水文地理数据集是大尺度水文及陆面过程模型的基本输入数据,需要从数字高程模型中提取高分辨率河网并通过升尺度化获取。MERIT DEM是消除了复合误差的新版全球高分辨率(90 m)数字高程模型,提取的高分辨率河网信息更为精准。DRT是当前国际水文领域常用的高效河网自动升尺度化算法之一,可将高分辨率河网的结构特性完好地输出到粗分辨率河网。该文选取MERIT DEM的中国部分作为数据源,通过DRT升尺度化算法获取全国1°、1/2°、1/4°、1/8°、1/10°、1/16°分辨率的河网数据(流向、河网、流域面积、流距),并采用目视检验、流域面积一致性检验、流距评估等方法综合验证了DRT升尺度数据集的质量。结果表明,DRT算法性能优越,生产的大尺度数据集准确地保护了河道位置、流动方向和流域面积等在高分辨率DEM中描绘的水文特征,将有效降低我国境内流域水文模拟中由水文地形参数化引起的不确定性。
- 黄泽群李超群吴欢姜璐璐男顶汤秋鸿王爱慧赵世湖Dai YAMAZAKI
- 关键词：数字高程模型水文模型
- 基于光学与被动微波遥感的青藏高原地区土壤水分反演被引量：9
- 2017年
- 青藏高原地区高精度的土壤水分反演对高原能水循环、全球大气循环研究有着极大的影响.因此,获取青藏高原土壤水分时空布信息是一个迫切需要解决的问题.温度植被干旱指数(TVDI),是基于光学与热红外遥感通道数据反演土壤水分的重要方法,但在研究区域较大、地表覆盖格局差异显著时,TVDI模型反演精度会受到地表温度(Ts)等因素的影响.被动微波AMSR-E数据精确记录了像元内的土壤水分信息,但空间分辨率低.本文利用同时期的MODIS与被动微波数据,发展了针对青藏高原地区高精度土壤水分反演算法.首先,在TVDI模型中,利用修正型土壤调整植被指数(MSAVI)代替归一化植被指数(NDVI),以改进NDVI易饱和的缺点;其次,利用ASTER GDEM数据,对地形高程和纬度差异引起的地表温度变化进行了校正;然后,通过神经网络训练建立基于TVDI、被动微波以及辅助气象数据的土壤水分反演模型,并应用该模型反演了青藏高原地区三个观测网(CAMP/Tibet、玛曲和那曲)的土壤水分;最后,利用实测土壤水分数据对反演结果进行验证,结果表明该模型的精度均方根误差(RMSE)数值可达到0.031~0.041 m^3·m^(-3).本文还应用该算法反演了青藏高原连续的土壤水分的空间分布,并比较了土壤水分的变化趋势与实测降水变化趋势,结果表明二者变化量的正负关系一致.
- 杨婷陈秀万万玮黄照强杨振宇姜璐璐
- 关键词：土壤水分MODIS被动微波青藏高原
