一、气象卫星资料对积雪的遥感监测与分析（论文文献综述）
高浩,唐世浩,韩秀珍[1]（2021）在《风云气象卫星发展及其应用》文中进行了进一步梳理风云系列气象卫星是我国重要的空间基础设施,是气象现代化的重要标志。自1988年成功发射第1颗风云气象卫星以来,我国已成功发射了两代四型19颗风云系列气象卫星,目前8颗卫星在轨业务运行,已形成极轨和静止2个系列气象卫星的组网观测体系,实现了气象卫星系列化、业务化自主发展。风云气象卫星整体实力跻身国际先进行列,有力支撑了气象防灾减灾,为我国经济社会发展、"一带一路"建设等做出了重要贡献。介绍了我国风云气象卫星的发展历程,综述了卫星数据在数值天气预报、天气监测、气候和气候变化、生态环境灾害监测、农业遥感监测和"一带一路"服务等方面的研究和应用进展,展望了风云气象卫星的未来发展。
郑伟,王新,张晔萍,韩秀珍,唐世浩[2]（2021）在《风云气象卫星在防灾减灾中的应用》文中研究说明风云气象卫星具有全球、全天候、三维立体观测的能力,在空间分辨率、时间分辨率和光谱分辨率等方面都达到了国际上先进气象卫星的水平,在防灾减灾工作中可发挥重要作用。介绍了风云气象卫星在台风、暴雨、干旱、高温、沙尘、雪灾、洪涝和森林草原火灾监测中的应用,展望风云气象卫星在防灾减灾中的应用工作进行了展望。随着风云气象卫星遥感仪器性能的不断提升、数据处理和应用技术的不断发展,将更好的为我国和全球提供卫星遥感灾害监测评估预警信息,为防灾减灾工作提供更加科学有力的支撑。
曹海啸[3]（2021）在《基于深度学习的新疆地区遥感积雪判识研究》文中进行了进一步梳理新疆是我国三大稳定积雪区之一,具有丰富的季节性积雪资源,也是我国三大牧区之一,畜牧业的健康发展更是深刻影响到地区的繁荣稳定。而牧区雪灾又是中国发生最频繁、影响最大严重的一类雪灾,因此大范围高频率的对新疆地区进行积雪的遥感监测十分必要,已有积雪监测方法中多采用地面站观测数据和遥感卫星探测相结合,然而新疆地广人稀,地面监测站不足,国际主流的以MODIS为代表的积雪产品多是国外生产,十分不利于我国遥感积雪监测的推广与应用,所以本文以新一代国产风云四号卫星为主要数据源,利用其超高的时间分辨率特性,融合了各种影响积雪判识的地理信息数据,使用深度学习方法,自适应的提取积雪特征信息,以生成逐小时的积雪产品;然后在生成的积雪判识结果的基础上,以多时相滤云的方式为主,辅以气象与高程结合的方式实现去云,以生成新疆地区逐日少云积雪产品,有效提升其应用价值。主要研究内容及其结论如下:（1）基于FY-4A/AGRI 2km分辨率积雪识别研究。针对已有积雪产品易受复杂地形地貌,下垫面类型以及云遮蔽的影响,导致积雪判识精度降低的问题,提出一种利用深度学习方法对风云4号A星多通道辐射扫描计（AGRI）数据与地理信息数据进行多特征时序融合的积雪判识方法:以多时相FY-4A/AGRI多光谱遥感数据,以及高程、坡向、坡度、地表覆盖类型等地形地貌信息作为模型输入,以Landsat8-OLI提取的高空间分辨率积雪覆盖图作为“真值”标签,构建并训练基于卷积神经网络的积雪判识模型,从而有效区分新疆复杂地形与下垫面地区的云、雪以及无雪地表,最终得到逐小时积雪覆盖范围产品。经数据集和2019年地面气象站实测雪盖验证,该方法精度高于国际主流MODIS逐日积雪产品MOD10A1和MYD10A1,积雪季的积雪分类精度为94.15%,显着降低云雪误判率。（2）基于深度学习的积雪产品与多阶段日内去云方法研究。根据上文FY-4A遥感积雪产品为主采用多时相滤云的方法,根据调整的窗口期生成初步逐日少云积雪产品;再利用AGRI高光谱的特性,建立云动指数,识别出图像中难以区分的雨雪;然后基于CLDAS气象条件的高程滤波去云算法,结合SNOWL雪线算法,识别出一定范围内的积雪图;最终结合三个阶段识别结果,建立多阶段融合的少云产品,降低新疆地区积雪识别产品的云覆盖度,最终得到的FY-4A/CL少云积雪产品年平均云量从最高的46.98%下降到31.65%,年平均分类总精度依然达到93.16%。实验表明,本文方法的去云能力和可靠性都有着巨大优势。
陶润喆[4]（2021）在《基于风云4号卫星图像的西藏地区云检测和降水外推预报研究》文中研究说明云和降水是表征天气和气候变化的重要指标,是全球能量循环的重要组成部分,使用卫星多仪器、多波段数据对云和降水进行观测已经成为当前大气遥感和气候变化领域的研究热点。西藏作为青藏高原的主体区域,其强大的热、动力作用对区域的气候变化有着非常重要的影响,研究高原云和降水具有重要的意义。同时,由于西藏地区的复杂地形条件、降水季节分配的不均匀性,导致在春夏季节极易受降水,大风等强对流天气的影响,产生各种地质灾害,严重威胁当地居民的生命财产安全和公路交通的正常运营。因此,本文对西藏地区开展大范围的云检测与降水预报工作。针对该地区气象观测站与雷达基站分布稀少,无法有效地开展大范围的天气监测,本文以高时间分辨、多观测波段的风云四号A星（FY-4A）为数据源。在遥感大数据的背景下,利用深度学习方法充分探究卫星多波段数据与云团、降水之间的对应关系,从而自动化地对西藏地区开展大范围的云检测、降水监测与预报工作。首先,针对在低空间分辨率的静止卫星图像上,由于一些小型云团只占有少量的像素点,现有的分割网络对小尺度云团目标以及云图轮廓无法实现精确的云检测这一问题。本文在大数据量的样本集下建立一种能够产生高分辨率表征的分割模型U-HRNet（U-High Resolution Network）,通过并行连接高分辨率到低分辨率的卷积结构,并进行多次多尺度特征融合,从而减少细节信息的丢失,实现精确地细节分割,检测结果的MIo U（Mean Intersection over Union）、PA（Pixel Accuracy）和F1-score分别为94.03%、94.21%和94.11%。对不同网络的检测结果与人工标注的真值进行比较,并利用客观评价指标进行分析。结果表明,所提出的U-HRNet在FY-4A静止卫星图像上的表现良好,能够有效地检测出NSMC云掩模产品中的错误区域,其性能优于现有方法。其次,以U-HRNet高精度分割模型为基础,针对降水云团的特点以及降水云与非降水云区分的问题,对网络结构进行改进,引入注意力机制模块,应用在降水云团检测与降水强度等级估计的小样本数据集中。以GPM（Global Precipitation Measurement）降水反演产品作为真值,在网络输入中融入高程数据,建立FY-4A多观测波段与降水之间的对应关系,从而实现对西藏全境的降水监测。降水强度估计结果的POD（Probability of Detection）、CSI（Critical Success Index）值为0.918、0.916,是几种对比方法中最高的,FAR（False Alarm Ratio）值为最低的0.045。然后,以FY-4A时序数据作为输入,利用时空预测网络挖掘卫星云图较长时段的时序依赖关系。针对现有方法外推结果精度不理想、图像模糊、数据质量不佳的问题,本文利用可变形卷积结构捕捉形变目标信息的能力来提高网络对云团特征的提取,并融合光流思想、云检测结果以及生成对抗网络结构,构造联合损失函数,提出一种对抗型Dconv GRU（Deformable Convolution GRU2Pixel,DCG2Pix）的云图预测模型,实现对30min后卫星云图以及多通道数据的高精度外推。通过与实际观测值对比,验证了预测数据的精确度。最终,将外推的高质量数据输入至建立好的降水强度等级估计模型中,实现对西藏全境的降水预报,通过与GPM降水数据的对比,证明了预报的准确性。
施建成,郭华东,董晓龙,梁顺林,陈镜明,宫鹏,杨晓峰,程洁,林明森,张鹏,张伟,居为民,刘毅,李增元,赵天杰[5]（2021）在《中国空间地球科学发展现状及未来策略》文中研究说明空间地球科学是以空间对地观测为主要信息获取手段,研究地球系统的各圈层及之间的相互作用、过程与演变,对地球进行系统研究的综合性交叉学科.为纪念空间科学学会成立40周年,本文系统回顾了中国空间地球科学的发展历程,分析当前面临的机遇与挑战,进而提出中国空间地球科学未来发展的建议.
陈鹏,王勇,张青,李悦[6]（2020）在《基于FY-3D/MERSI-Ⅱ归一化积雪指数和MOD10A1的精度对比分析》文中提出风云三号D星（FY-3D）是我国新一代极轨气象卫星,中分辨率光谱成像仪Ⅱ（MERSI-Ⅱ）是其携带的核心传感器之一,MERSI-Ⅱ实现了云、气溶胶、水汽、陆地表面特性、海洋水色等大气、陆地、海洋参量的高精度定量反演。选取2018年7、8月无云时相的FY-3D/MERSI-Ⅱ数据对天山中段终年积雪进行归一化积雪指数（NDSI）的计算。结合高分辨率Landsat-8影像,利用混淆矩阵对FY-3D/MERSI-Ⅱ数据计算结果与同期MODIS日积雪产品数据MOD10A1进行精度对比分析。结果表明:FY-3D/MERSI-Ⅱ图像平均总体精度为0.855,MOD10A1图像平均总体精度为0.820,FY-3D/MERSI-Ⅱ积雪覆盖提取平均总体精度比MOD10A1积雪覆盖提取平均总体精度高0.035。FY-3D/MERSI-Ⅱ的Kappa系数平均值为0.659,MOD10A1的Kappa系数平均值为0.558,FY-3D/MERSI-Ⅱ的Kappa系数平均值大于MOD10A1的Kappa系数平均值。故FY-3D/MERSI-Ⅱ数据提取积雪覆盖面积精度更高,更接近高分辨率Landsat-8影像目视解译结果。
冯呈呈[7]（2015）在《微波辐射计数据中无线电频率干扰识别及其对地表土壤湿度反演影响》文中指出随着气象预报需求的提高和科学技术的不断发展,气象卫星探测技术逐步成为常规气象观测的重要补充手段。其中,微波探测技术因为较好的穿透性,能够做到全天时、全天候的对地探测,越来越受到人们的重视。星载被动微波辐射计资料一个重要应用就是对地表土壤湿度的反演。但微波辐射计的低频通道探测数据中存在由其他主动微波信号造成的污染,即无线电频率干扰（RFI）。因此,为保证微波辐射数据的准确应用,在使用之前正确的识别出其中的无线电频率干扰是必不可少的一步。本文主要针对微波辐射计数据,使用双主成分分析方法识别其中的无线电频率干扰信号,得到干扰信号的多年变化趋势,并且将这一识别和订正方法运用到地表土壤湿度微波反演计算中,分析干扰信号对地表土壤湿度反演结果产生的影响。文章的主要内容和结论如下：（1）为了验证双主成分分析方法的识别效果和优势,选取美国地区一次暴风雪过程,使用多种识别方法（主成分分析法、标准化主成分分析法以及双主成分分析方法）识别在这一天气过程中,有积雪散射作用影响时的AMSR-E 6.925GHz通道亮温探测数据中的无线电频率干扰。通过对比不同的识别方法所得的结果,表明双主成分分析方法可以准确地识别出AMSR-E亮温数据中的RFI信号,并能够有效地去除积雪表面的散射影响。（2）针对我国风云三号B星上的微波成像仪（MWRI）亮温观测数据,使用双主成分分析方法分别识别其陆面和海洋区域内的无线电频率干扰信号。识别结果表明,双主成分分析方法同样适用于FY-3B MWRI亮温数据中的无线电频率干扰识别。识别得出了MWRI 10.65GHz通道中的RFI分布情况,在陆面范围内主要出现在英格兰、意大利、土耳其以及日本等地。在海洋范围内升轨过程中RFI信号较弱,受陆面信号影响出现在近岸地区,主要集中在欧洲、地中海地区；降轨过程中会受到洋面对静止卫星信号的反射影响,较强的RFI信号10.65GHz通道多出现在地中海、18.7GHz通道多出现在美国东海岸附近地区。（3）为提高长时间的微波辐射探测数据在气候研究中的应用,使用双主成分分析方法识别2002年9月至2011年9月AMSR-E陆面月平均亮温数据中的无线电频率干扰,并分析其随时间的变化特征。同时,采用频谱差异法识别结果对RFI信号变化趋势进行验证。结果显示,无线电频率干扰的空间位置和强度随时间会发生变化。其中,C波段中识别出的无线电频率干扰数量随时间呈减少趋势；X波段中的无线电频率干扰随时间呈增加趋势。（4）针对RFI的存在对地表土壤湿度微波反演的可能影响,选择AMSR-E亮温数据,使用双主成分分析方法识别其6.925GHz和10.65GHz通道中的无线电频率干扰,并通过线性拟合的方法对受到污染的亮温数据做出订正。分别使用订正前后的亮温数据通过陆面参数反演模型（LPRM）反演地表土壤湿度,结果表明订正后的反演结果很大程度上改善了RFI信号对反演结果造成的影响,订正后的反演结果更接近于再分析数据表现出的空间分布情况。此外,该反演方法对RFI影响的敏感性也可以用于验证RFI识别和订正效果。
蒋友严,杜文涛,韩涛,黄进,郝晓华,刘伟刚[8]（2013）在《基于HJ-1B数据的积雪制图NDSI阈值分析——以祁连山积雪为例》文中研究表明环境减灾卫星是我国于2008年发射的用于环境与灾害监测预报的小卫星星座,相对于气象卫星传感器,其空间分辨率有了较大提高.以祁连山积雪为研究对象,利用环境减灾卫星HJ-1B星开展积雪提取监测研究,分别对不同区域、不同高程的积雪区进行积雪提取,以同时期Landsat ETM+影像中提取的积雪面积为标准,对环境减灾卫星NDSI阈值的选取进行研究分析,以确定适合于HJ-1B提取积雪的阈值;同时利用不同季节的HJ-1B积雪数据进行验证,用Kappa检验阈值的精度.研究表明:HJ-1B积雪制图的阈值为NDSI≥0.24,b2>0.13,b4>0.15;其中,在海拔3 000～4 000m区域NDSI阈值大于0.25,海拔4 001～5 000m区域NDSI阈值大于0.45,海拔5 000m以上区域NDSI阈值大于0.5;利用Kappa检验阈值精度,Khat系数均高于90%,说明该研究确立的HJ-1B数据提取积雪的NDSI阈值合理有效.
闵文彬,李宾[9]（2011）在《近20年青藏高原气象卫星应用研究回顾与展望》文中指出回顾近20年青藏高原卫星遥感技术在气象领域的应用研究成果,主要包括卫星资料在天气分析和预报、气候变化研究,以及森林火险和积雪监测等方面的应用研究,并指出目前青藏高原气象卫星应用研究中亟待解决的问题和对策。
杨军,许健民,董超华[10]（2011）在《风云气象卫星40年:国际背景下的发展足迹》文中研究表明经过40年的艰苦努力,我国独立自主地发展了风云极轨和静止气象卫星系列,实现了气象卫星的业务化应用。回顾了气象卫星发展过程中重大的历史事件,站在国际视野的角度,对我国风云气象卫星的发展进行了概括总结,并与发达国家的技术水平进行了对比。同时,也简要介绍了风云气象卫星资料在天气、气候、自然灾害和环境监测以及在农业中的应用。
二、气象卫星资料对积雪的遥感监测与分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、气象卫星资料对积雪的遥感监测与分析（论文提纲范文）
（1）风云气象卫星发展及其应用（论文提纲范文）
| 1 风云气象卫星发展历程 |
| 1.1 风云极轨气象卫星 |
| 1.2 风云静止气象卫星 |
| 2 风云气象卫星遥感应用 |
| 2.1 数值天气预报领域应用 |
| 2.2 天气监测领域应用 |
| 2.3 气候和气候变化领域应用 |
| 2.4 生态环境灾害监测应用 |
| 2.5 农业遥感监测应用 |
| 2.6“一带一路”服务应用 |
| 3 结论 |
（2）风云气象卫星在防灾减灾中的应用（论文提纲范文）
| 1 灾害监测 |
| 1.1 台风监测 |
| 1.2 暴雨监测 |
| 1.3 干旱监测 |
| 1.4 高温监测 |
| 1.5 雪灾监测 |
| 1.6 沙尘监测 |
| 1.7 洪涝监测 |
| 1.8 森林草原火灾监测 |
| 2 结论 |
（3）基于深度学习的新疆地区遥感积雪判识研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究的目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 卫星遥感积雪识别研究进展 |
| 1.2.2 遥感积雪去云算法研究进展 |
| 1.2.3 深度学习遥感图像识别研究进展 |
| 1.3 研究内容 |
| 第二章 研究区域与数据处理 |
| 2.1 研究区概述 |
| 2.2 数据处理 |
| 2.2.1 遥感数据 |
| 2.2.2 地理信息数据 |
| 2.2.3 地面气象站数据 |
| 第三章 时空融合的积雪识别研究 |
| 3.1 研究路线 |
| 3.2 卷积神经网络原理 |
| 3.2.1 一维卷积原理 |
| 3.2.2 二维卷积原理 |
| 3.2.3 池化和全连接层 |
| 3.2.4 分类器和损失函数 |
| 3.3 时空特征融合的深度网络 |
| 3.4 积雪产品精度评价 |
| 3.4.1 实验设计 |
| 3.4.2 数据集实验结果 |
| 3.4.3 Landsat8-OLI验证本文方法积雪提取效果 |
| 3.4.4 新疆积雪制图效果对比 |
| 3.4.5 地面气象站验证 |
| 3.5 本章小结 |
| 第四章 新疆地区少云积雪产品的多阶段合成研究 |
| 4.1 研究方法 |
| 4.1.1 基于深度网络的积雪产品时间滤云 |
| 4.1.2 基于CLDAS气象数据的空间滤波去云 |
| 4.1.3 基于云动指数的云雪再分类 |
| 4.2 多阶段融合的少云产品评价 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（4）基于风云4号卫星图像的西藏地区云检测和降水外推预报研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 云检测以及降水云团识别的研究现状 |
| 1.2.2 卫星降水反演的研究现状 |
| 1.2.3 云图预测的研究现状 |
| 1.3 本文主要研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 本文章节安排 |
| 第二章 研究区概况与数据处理 |
| 2.1 西藏概况 |
| 2.2 数据资料与预处理 |
| 2.2.1 数据资料 |
| 2.2.2 数据预处理 |
| 2.3 本章小结 |
| 第三章 基于U-HRNet的高精度云检测方法 |
| 3.1 云在遥感图像上的特性 |
| 3.1.1 云的辐射特性 |
| 3.1.2 云的几何特征 |
| 3.2 云检测标签制作 |
| 3.3 基于现有分割网络的云检测研究 |
| 3.3.1 基于U-Net的云检测 |
| 3.3.2 基于Deeplab V3 的云检测 |
| 3.4 基于U-HRNet的云检测 |
| 3.4.1 建立U-HRNet模型框架 |
| 3.4.2 重复多尺度融合与联合金字塔上采样模块 |
| 3.4.3 试验细节与消融试验 |
| 3.4.4 结果分析与客观评价 |
| 3.5 本章小结 |
| 第四章 基于U-HRNet+的降水云团识别与降水强度等级估计 |
| 4.1 基于U-HRNet+的降水云团识别 |
| 4.1.1 标签制作 |
| 4.1.2 建立降水云团识别模型 |
| 4.1.3 结果分析 |
| 4.2 基于U-HRNet+的降水强度等级估计 |
| 4.2.1 标签制作 |
| 4.2.2 建立降水强度等级估计模型 |
| 4.2.3 通道消融试验 |
| 4.2.4 结果分析 |
| 4.3 本章小结 |
| 第五章 云图外推与降水预报 |
| 5.1 标签与数据集制作 |
| 5.2 基于现有时空预测模型的云图外推 |
| 5.2.1 基于Conv GRU的云图外推 |
| 5.2.2 基于生成对抗网络的云图外推 |
| 5.3 基于对抗型Dconv GRU的云图外推 |
| 5.3.1 构建对抗型Dconv GRU模型 |
| 5.3.2 外推结果分析与客观评价 |
| 5.4 基于外推数据的云检测与降水预报 |
| 5.4.1 基于外推数据的云检测 |
| 5.4.2 基于外推数据的降水预报 |
| 5.5 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
| 个人简介 |
（5）中国空间地球科学发展现状及未来策略（论文提纲范文）
| 0 引言 |
| 1 中国空间对地观测卫星发展历程 |
| 1.1 风云系列气象卫星 |
| 1.2 海洋系列卫星 |
| 1.3 资源、环境与测绘系列卫星 |
| 1.4 高分专项卫星系列 |
| 1.5 载人航天工程中的空间对地观测 |
| 1.6 空间地球科学实验卫星 |
| 1.6.1 碳卫星 |
| 1.6.2 中法海洋卫星 |
| 1.6.3 广目地球科学卫星 |
| 1.6.4 电磁监测试验卫星 |
| 1.6.5 陆地碳卫星 |
| 1.6.6 中法水卫星 |
| 2 空间地球科学研究主要进展 |
| 2.1 能量平衡 |
| 2.1.1 大气层顶能量平衡 |
| 2.1.2 地表能量平衡 |
| 2.1.3 面临的问题 |
| 2.2 水循环 |
| 2.3 陆地生态系统碳循环 |
| 2.3.1 陆地生态系统结构与生化参数提取及碳循环模拟 |
| 2.3.2 全球碳同化系统 |
| 2.4 人类活动 |
| 2.4.1 城市化进程 |
| 2.4.2 农地遥感制图 |
| 2.4.3 面临的问题 |
| 3 空间地球科学发展面临的机遇与挑战 |
| 3.1 国际发展趋势 |
| 3.2 中国空间地球科学未来发展策略 |
| 3.2.1 发展中国的空间地球科学系列卫星计划 |
| 3.2.2 建设支撑地球系统科学的大科学装置 |
| 3.2.3 深化空间地球科学的国际合作 |
| 4 结语 |
（6）基于FY-3D/MERSI-Ⅱ归一化积雪指数和MOD10A1的精度对比分析（论文提纲范文）
| 1 研究方法与数据处理 |
| 1.1 研究方法 |
| 1.1.1 冰雪覆盖遥感监测原理 |
| 1.1.2 积雪遥感方法 |
| 1.2 数据处理 |
| 2 结果分析 |
| 2.1 积雪分类结果分析 |
| 2.2 总体精度分析 |
| 3 结 论 |
（7）微波辐射计数据中无线电频率干扰识别及其对地表土壤湿度反演影响（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 土壤湿度微波反演研究 |
| 1.2.2 微波辐射计数据中无线电频率干扰识别 |
| 1.3 论文主要研究内容及特色 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 研究特色 |
| 1.4 文章结构安排 |
| 参考文献 |
| 第二章 仪器与资料介绍 |
| 2.1 被动微波遥感原理 |
| 2.1.1 Aqua卫星 |
| 2.1.2 AMSR-E仪器介绍 |
| 2.1.3 AMSR-E数据产品 |
| 2.3 FY-3B卫星及MWRI |
| 2.3.1 风云三号系列卫星 |
| 2.3.2 MWRI仪器介绍 |
| 2.3.3 MWRI数据产品 |
| 2.4 本章小结 |
| 参考文献 |
| 第三章 无线电频率干扰识别方法 |
| 3.1 无线电频率干扰基础知识 |
| 3.2 无线电频率干扰识别方法 |
| 3.2.1 频谱差异法 |
| 3.2.2 多通道回归方法 |
| 3.2.3 主成分分析方法 |
| 3.2.4 双主成分分析方法 |
| 3.3 本章小结 |
| 参考文献 |
| 第四章 AMSR-E积雪覆盖区域RFI识别 |
| 4.1 引言 |
| 4.2 数据和方法 |
| 4.3 积雪区域RFI识别结果 |
| 4.4 无积雪影响区RFI识别结果对比 |
| 4.5 本章小结 |
| 参考文献 |
| 第五章 FY-3B微波成像仪数据中RFI识别 |
| 5.1 引言 |
| 5.2 数据和方法 |
| 5.3 陆面数据中RFI识别结果分析 |
| 5.4 海洋数据中RFI识别结果分析 |
| 5.4.1 多通道回归方法识别出的RFI分布 |
| 5.4.2 双主成分分析法识别出的RFI分布 |
| 5.5 本章小结 |
| 参考文献 |
| 第六章 AMSR-E陆面亮温数据RFI多年变化趋势 |
| 6.1 引言 |
| 6.2 数据与方法 |
| 6.3 DPCA识别结果分析 |
| 6.3.1 AMSR-E陆面亮温数据RFI全球分布 |
| 6.3.2 C波段亮温数据中RFI变化趋势 |
| 6.3.3 X波段亮温数据中RFI变化趋势 |
| 6.4 频谱差异法识别结果分析 |
| 6.4.1 C波段亮温数据中RFI变化趋势 |
| 6.4.2 X波段亮温数据中RFI变化趋势 |
| 6.5 本章小结 |
| 参考文献 |
| 第七章 RFI对地表土壤湿度反演的影响 |
| 7.1 引言 |
| 7.2 计算方法 |
| 7.2.1 RFI识别与订正方法 |
| 7.2.2 地表土壤湿度微波反演方法 |
| 7.2.3 数据标准化处理 |
| 7.3 C波段RFI对地表土壤湿度反演的影响 |
| 7.3.1 亮温变化对地表土壤湿度反演的影响 |
| 7.3.2 RFI的识别和订正 |
| 7.3.3 RFI订正前后地表土壤湿度反演结果对比 |
| 7.4 X波段RFI对地表土壤湿度反演的影响 |
| 7.4.1 RFI识别与订正 |
| 7.4.2 RFI订正前后地表土壤湿度反演结果对比 |
| 7.6 本章小结 |
| 参考文献 |
| 第八章 总结与展望 |
| 8.1 主要结论 |
| 8.2 主要创新点 |
| 8.3 存在的问题与不足 |
| 致谢 |
| 附录 |
（8）基于HJ-1B数据的积雪制图NDSI阈值分析——以祁连山积雪为例（论文提纲范文）
| 0 引言 |
| 1 数据的获取和处理 |
| 1.1 数据的获取 |
| 1.2 数据的处理 |
| 1.2.1 投影转换和几何校正 |
| 1.2.2 辐射定标 |
| 2 研究方法 |
| 2.1 Landsat ETM+ 积雪的提取 |
| 2.2 HJ-1B积雪的提取 |
| 2.3 精度验证 |
| 3 应用实例分析 |
| 3.1 研究区域概况 |
| 3.2 阈值的确定 |
| 3.3 阈值精度验证 |
| 4 结论与讨论 |
（9）近20年青藏高原气象卫星应用研究回顾与展望（论文提纲范文）
| 引言 |
| 1 气象卫星及其资料产品 |
| 2 青藏高原气象卫星应用研究成果 |
| 2.1 气象卫星资料在高原天气分析和预报中的应用研究 |
| 2.2 气象卫星资料在高原气候监测与气候变化研究中的应用研究 |
| 2.3 主要自然灾害和环境监测 |
| 2.3.1 草原和森林火灾监测 |
| 2.3.2 冰雪监测 |
| 2.3.3 植被监测 |
| 3 青藏高原气象卫星应用研究展望 |
| 4 结语 |
四、气象卫星资料对积雪的遥感监测与分析（论文参考文献）
- [1]风云气象卫星发展及其应用[J]. 高浩,唐世浩,韩秀珍. 科技导报, 2021(15)
- [2]风云气象卫星在防灾减灾中的应用[J]. 郑伟,王新,张晔萍,韩秀珍,唐世浩. 科技导报, 2021(15)
- [3]基于深度学习的新疆地区遥感积雪判识研究[D]. 曹海啸. 南京信息工程大学, 2021(01)
- [4]基于风云4号卫星图像的西藏地区云检测和降水外推预报研究[D]. 陶润喆. 南京信息工程大学, 2021(01)
- [5]中国空间地球科学发展现状及未来策略[J]. 施建成,郭华东,董晓龙,梁顺林,陈镜明,宫鹏,杨晓峰,程洁,林明森,张鹏,张伟,居为民,刘毅,李增元,赵天杰. 空间科学学报, 2021(01)
- [6]基于FY-3D/MERSI-Ⅱ归一化积雪指数和MOD10A1的精度对比分析[J]. 陈鹏,王勇,张青,李悦. 干旱区地理, 2020(02)
- [7]微波辐射计数据中无线电频率干扰识别及其对地表土壤湿度反演影响[D]. 冯呈呈. 南京信息工程大学, 2015(12)
- [8]基于HJ-1B数据的积雪制图NDSI阈值分析——以祁连山积雪为例[J]. 蒋友严,杜文涛,韩涛,黄进,郝晓华,刘伟刚. 冰川冻土, 2013(03)
- [9]近20年青藏高原气象卫星应用研究回顾与展望[J]. 闵文彬,李宾. 高原山地气象研究, 2011(03)
- [10]风云气象卫星40年:国际背景下的发展足迹[J]. 杨军,许健民,董超华. 气象科技进展, 2011(01)