公共文化服务平台

搜索到2293篇“ MODIS数据“的相关文章

基于MODIS数据的陕西省植被覆盖时空变化分析: 2025年; 为明确陕西省长时间尺度植被覆盖时空变化规律,本研究主要以MODIS NDVI数据,结合像元二分模型计算植被覆盖度,利用Theil-Sen趋势分析、Mann-Kendall趋势检验、Hurst指数对陕西省2000-2020年植被覆盖度空间演变特征及未来变化趋势进行分析;同时,结合陕西省气象数据,利用相关性分析法进行气候因子对植被覆盖度的影响分析。结果表明:(1)2000-2020年陕西省整体植被覆盖度呈上升趋势,其年增长速率为0.005(p<0.01);(2)2000-2020年陕西省植被覆盖度在空间上以增加趋势为主,呈现增加趋势的面积占陕西省总面积的75.99%,其中呈明显改善的区域占陕西省总面积的50.29%;陕西省植被覆盖度Hurst指数平均值为0.460,表明陕西省未来植被覆盖度主要以反向特征为主。在空间分布上,植被持续改善区域集中于延安市宜川县、榆林市横山区,其面积占陕西省总面积的25.70%;(3)陕西省年际植被覆盖度与年降水量和年平均气温的相关性均呈正相关性,其中与降水量的相关性(0.141)略高于年平均气温(0.106)。; 王慧娜彭建博; 关键词：植被覆盖度归因分析

基于MODIS数据的敦煌西湖自然保护区湿地动态监测技术: 2025年; 本文以敦煌西湖自然保护区为例,探究了基于MODIS数据的湿地动态监测技术的应用。在收集MODIS数据、1:400万基础地理信息数据和DEM数据的基础上,对数据进行了拼接、投影转换等处理。采取决策树分类方法对处理后数据进行分类,从图像中区分永久性湿地和季节性湿地。总体分类精度在80%以上,分类精度能够满足要求。在此基础上选取CA、LSI和SHDI等景观指数对研究区湿度变化情况进行评价,结果表明在2010-2023年间研究区湿地面积扩大,其中永久性湿地增加3.86%、季节性湿地增加5.28%。; 陈旭; 关键词：MODIS数据决策树景观多样性

基于MODIS数据的全球海陆温度数据生产方法及系统: 本发明涉及一种基于MODIS数据的全球地表温度数据生成方法及系统。所述方法包括：将全球陆地表面温度LST数据和全球海洋表面温度SST数据做均值处理；按照LST数据的分辨率，对SST数据进行重采样；将重采样后的SST数据与...; 王国军孟亚飞邵芸宣方奇高人杰

基于深度神经网络MODIS数据火点检测方法研究被引量：1: 2024年; MODIS数据高时间分辨率、中等空间分辨率的观测特点可以在火灾检测中发挥重要作用,但目前MODIS火灾检测在高异质性地区,火点误检多,小火灾点容易遗漏。针对该问题,为充分挖掘MODIS数据中的相关信息,实现火点的高精度识别。提出使用深度学习技术的MODIS火点检测算法。高质量、有广泛代表性的大量样本的获取是深度学习实现火点精度检测的前提。为增加火点样本的数量,保证野火样本的质量,使用美国地面野火数据集作为真实的火点样本将其与MODIS数据实现时间和空间的精确匹配,构建基于深度学习方法的火点检测样本库。根据对辐射传输过程的分析,确定了对火点检测具有较好标识性的波段和波段组合作为输入源。基于构建的样本数据集和信息源,搭建DNN(深度神经网络)火点检测模型。在3个典型场景开展了应用实验并与MODIS火灾产品进行了对比,结果表明:改进的方法在农耕地区的冷火点提取方面,4 um平均亮温减少了2 K,正确与错误变化比呈现正向趋势,其精度优于MODIS火灾产品的结果;城郊地区提取的伪火点相比于MODIS产品显著减少,排除了4 um亮温为325 K附近的伪火点,误检率下降了19.89%。; 陈锦鹏孙林解斐斐高慧娟葛帅; 关键词：遥感火灾检测神经网络 MODIS数据

基于MODIS数据的全国林灌草火点时空特征分析: 2024年; 【目的】为在空间、时间尺度上对我国全域林灌草火灾发生特征有清晰的认知,进而对森林草原火灾预防决策提供参考。【方法】选用2003—2022年MODIS卫星火点数据产品和土地覆盖数据产品,以全国陆地区域作为研究范围,利用优化的热点分析方法来分析林灌草火点的空间分布特征;统计分析年际、月度以及我国传统节日林灌草火点的时间分布特征,并采用Mann-Kendall趋势分析法从年际、月度分析林灌草火点的时间变化趋势。【结果】1)林灌草火点的稠密区域主要分布在我国的广东省、云南省、广西壮族自治区和黑龙江省,稀疏区域主要分布在我国的河南省、河北省和山东省。2)属于草的卫星火点数量最多,主要发生在春季和冬季;属于灌丛的火点数量最少,主要发生在夏季。3)卫星火点数量在我国七大传统节日中占比排名前三的是:春节、清明节、劳动节。4)2003—2022年的年际和月度林灌草火点数量呈现波折起伏的走势,在年际变化上,2015年为全国火点数量发生突变年;在月度上,5月是火点数量发生突变的月份。【结论】1)我国南部火点稠密,中东部火点稀疏,且2003—2022年疏密区域未发生明显迁移,因而在实施防火部署时可进行差异化管理。2)春、冬两季草地分布的区域以及阔叶林分布区域在春、夏两季需加强防火管理。; 蒋凤覃先林黄水生胡心雨杨馨媛蒙方鑫; 关键词：森林防火 MODIS

基于MODIS数据的中国东部地区海陆温差时空变化特征: 2024年; 海陆温差是海-陆间热力对比的重要表征,对区域乃至全球气候产生重要影响。研究基于2001—2021年中分辨率成像光谱仪(MODIS)遥感数据,研究了中国东部地区地表温度、海表温度以及海陆温差的时空变化及区域差异特征。结果表明:2001—2021年中国东部地区地表温度和海表温度均呈显著上升趋势,上升幅度分别为0.34℃/10a和0.32℃/10a;夜间地表温度和海表温度的上升态势更突出;各季节中,冬季地表温度和夏季海表温度增幅最大,分别达0.45℃/10a和0.43℃/10a(P<0.05);空间上,中国东部地表温度总体呈南高北低的格局特征,海表温度则表现出从东北向西南递增、近岸低于远岸的特征。研究时段内,中国东部地区海陆温差通常为负值,海表温度总体高于地表温度,且离海岸线越近的缓冲区范围内海陆温差越小;100 km、200 km和300 km缓冲区范围内年际海陆温差总体呈减小趋势,其中100 km缓冲区范围内的降幅最大;各季节中,春季和冬季海陆温差呈减小趋势,夏季和秋季的呈增大趋势;空间上,以30°N为界,以北和以南区域的海陆温差分别呈减小和增大趋势。; 董丽洁王晓利王晓利侯西勇; 关键词：地表温度海表温度

基于MODIS数据的2002~2020年北疆积雪时空变化研究被引量：1: 2024年; 北疆是我国三大典型积雪区之一,在气候变暖的背景下探讨北疆积雪时空变化的特征和规律具有重要意义。利用MODIS数据中的MOD10C1和MYD10C1两种数据产品提取了2002年9月1日至2020年5月31日共18个积雪季的逐日积雪覆盖产品,获得了北疆地区积雪日数、积雪初日和积雪终日等信息,据此分析了北疆地区积雪的时空分布特征和变化趋势,并结合气温数据探讨了该地区积雪特征和气温的相关性。研究结果表明:北疆地区的平均积雪日数在50~90天左右,南部山区的积雪日数整体呈下降趋势,中部盆地地区的积雪日数呈上升趋势。积雪初日主要集中在第315~330天之间,积雪终日主要集中在第42~72天之间,积雪初日的整体变化较小,仅东西边界区域略有提前,积雪终日整体具有提前的趋势。北疆地区单个积雪期内的积雪面积变化呈单峰分布,在1月时达到最大。积雪日数和积雪终日与气温存在显著的负相关,但积雪初日与气温之间存在明显的正相关。; 尤元红甘宏泽侯金亮贾瑞婷孙京; 关键词：北疆积雪 MODIS

利用MODIS数据和BP神经网络重构美国区域尺度大豆日光诱导叶绿素荧光: 2024年; [目的和意义]原始星载日光诱导叶绿素荧光(Sunlight-induced Chlorophyll Fluorescence,SIF)数据存在足迹离散、时空分辨率低等缺陷,针对这些问题许多研究进行了SIF重构,但大多数重构后的新型SIF数据分辨率仍较低,难以应用到精细尺度农业领域,且部分高精度SIF重构数据并非基于原始卫星SIF数据重构。OCO-2 SIF原始数据空间分辨率高(1.29 km×2.25 km),植被异质性低,对区域尺度高分辨率作物SIF重构具备突出价值。[方法]选取美国区域尺度大豆为研究对象,利用原始OCO-2 SIF和MODIS产品进行高分辨率大豆SIF重构,通过组合多个卫星轨迹经过的大豆种植区,提高SIF样本总量,与增强植被指数(Enhanced Vegetation Index,EVI)、光合有效辐射分量(Fraction of Photosynthetically Active Radiation,FPAR)和土地表面温度(Land Surface Temperature,LST)等预测因子足迹匹配后构建多源遥感数据集,代入BP神经网络训练模型,进而生成区域尺度空间连续且具有较高时空分辨率(8 d、500 m)的重构SIF数据集(BPSIF)。[结果和讨论]加入EVI,FPAR和LST的SIF重构模型R^(2)达0.84,利用总初级生产力(Gross Primary Productivity,GPP)数据对BPSIF进行质量评价,OCO-2 SIF与GPP的Pearson相关系数为0.53,而BPSIF与GPP相关系数提升到0.8,表明本研究生成的BPSIF数据集更加可靠。[结论]研究成果有望为区域尺度大豆作物SIF研究提供理论依据和数据支撑。; 姚建恩刘海秋杨曼冯金赢陈秀张佩佩; 关键词：MODIS数据

基于MODIS数据的洱海水温反演及特征分析: 2024年; 本文基于MODIS数据,采用分裂窗算法反演2016年10月至2019年12月洱海水温,通过改进的归一化差异水体指数提取水体,分析反演结果。TERRA卫星反演水温分布为南部低,中部次之,北部高;水温高值区位于北部边缘及中东部边缘。AQUA卫星反演水温分布为南部低,中部北部则呈现西低东高的分布特点;水温高值区位于中东部边缘。AQUA卫星较TERRA卫星反演的水温增温幅度西低东高,中部高于南部和北部,主要增温幅度0.4~0.6℃。春秋冬三季,水温低值中心位于南部靠近湖岸区域,中部北部水温西低东高特征明显,且西北部均存在一低值区,较中部和北部其他区域水温低;夏季低值中心有所北移。洱海水温最高出现在8月,年平均水温16.67℃。将反演结果与实测水温进行同时次对比,TERRA卫星反演水温平均相对误差0.06%,AQUA卫星平均相对误差-0.51%。; 陈彩霞高志伟杨根铨杨坤琳; 关键词：洱海分裂窗算法 MODIS

基于MODIS数据探讨汶川地震前后地表温度变化: 2024年; 通过对MODIS数据进行数据预处理,系统性地构建了川滇地区在不同时间尺度(月、季、年)地标温度背景场,借助目视解译技术,分析了不同时序温度变化规律。结合我国最典型的汶川地震,运用典型图像差值法揭示了地震发生前温度异常现象。此外,本研究还提出一种新的方法,即通过由震中周围区域的地表温度拟合出震中地表温度的方法,来验证其地震前后引起的温度异常,为地震监测和预警提供了新的视角和方法.; 王园园李先明; 关键词：MODIS 背景场温度异常

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈