青藏高原地区AVHRR/2数据亚像元雪填图算法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    41271344
  • 项目类别：
    面上项目
  • 资助金额：
    75.0万
  • 负责人：
    朱骥
  • 依托单位：
    河北地质大学
  • 学科分类：
    D0113.遥感科学
  • 结题年份：
    2016
  • 批准年份：
    2012
  • 项目状态：
    已结题
  • 起止时间：
    2013-01-01 至2016-12-31

项目摘要

For the absence of high-accuracy snow cover data with long time series, the researches and operatiions of hydrology and meteorology have been seriously limited. At present, there has been the algorithm of sub-pixel snow mapping with MODIS data or AVHRR/3 data, but not that with AVHRR/2 data, so the sub-pixel snow mapping using the remote sensing data of moderate resolution cannot be achieved in total time series. . In this project, Qinghai-Tibet Plateau will serve as its study area, and the automatical algorithm of sub-pixel snow mapping will be developed using AVHRR/2 data for a large region. If this algorithm is combined with the existing algorithm of MODIS data sub-pixel snow mapping, the sub-pixel snow cover data set with more than 30-year length of Qinghai-Tibet Plateaau will be obtained. In the project, it is necessary to investigate how to: obtain and use the middle infrared band reflectance of AVHRR/2, develop automatical model for extracting snow endmembers and nonsnow endmembers from AVHRR/2 data, decide the unmixing model of mixed pixels, remove the cloud pollution in AVHRR/2 images, and reduce the effect of terrain and illumination on snow mapping.. If this project is successfully completed, it will fill up the absence of the existing research for sub-pixel snow mapping of moderate resolution remote sensing data, and let the time length of moderate resolution sub-pixel snow cover data exceed 30 years, and improve the data production of our country.
由于缺乏长时间序列的高精度积雪面积数据，严重制约水文、气象研究和业务的发展。对中分辨率遥感数据而言，目前已有MODIS和AVHRR/3数据的亚像元雪填图算法，但缺乏AVHRR/2数据的亚像元雪填图算法，因此不能实现所有时间序列的中分辨率遥感数据亚像元雪填图。本项目拟以青藏高原为研究区建立AVHRR/2数据的大面积亚像元自动雪填图算法，结合已有的MODIS数据亚像元雪填图算法，建立青藏高原30年以上（1982年以后）亚像元级积雪面积时空数据库。在研究中需要：反演和使用AVHRR/2中红外波段的反射率，发展AVHRR/2数据的多雪端元和多非雪端元自动提取模型，确定混合像元分解模型，考虑地形和照度对雪填图的影响，以及除云方法。本项目的成功实施将填补现有中分辨率亚像元雪填图的研究空白，使中分辨率亚像元级积雪面积数据可达30年以上的时间跨度，提升我国数据制备的水平。

结项摘要

在1998年以前不存在AVHRR/3和MODIS数据，目前已有的AVHRR/3和MODIS数据亚像元雪填图算法也不能应用于1998年以前的AVHRR/2数据亚像元雪填图。但AVHRR/2数据比AVHRR/3和MODIS数据早出现近20年。如果开发出AVHRR/2数据亚像元雪填图算法，就可以将高时空分辨率积雪面积数据的时间跨度延长至30多年。. 本项目以青藏高原地区为研究区开展AVHRR/2数据亚像元积雪填图研究,成功建立青藏高原AVHRR/2数据亚像元雪填图算法。主要取得以下研究进展与成果。.根据云与积雪以及云与其它地物的光谱特征差异，找到去除AVHRR/2影像云污染的方法。另外，还将多端元光谱混合分析引入AVHRR/2数据亚像元雪填图。根据积雪的光谱特性，建立多雪端元自动提取模型。.建立多种非雪地物的多端元自动提取模型。以前，非雪地物作为同一类端元，那么就会强制雪端元参加无雪混合像元的光谱混合计算。由于地物光谱的多样性，有可能不真实地扩大计算所得的积雪面积。本项目分别提取多种类型的非雪端元，无雪混合像元的光谱混合计算就可以在两类非雪端元间进行，雪端元就不一定参加所有混合像元的每次光谱混合计算。这是本项目的重要创新。.在AVHRR/2数据亚像元雪填图中考虑阴影的影响。分别提取相应的阴影雪端元和阴影非雪端元，让其参加混合像元光谱混合计算。这样，阴影混合像元的最优光谱混合计算结果可能由阴影端元的混合计算得来。由于阴影端元具有阴影的光谱特性，就不会改变各类地物在阴影混合像元内所占的百分比，从而达到消除阴影的影响。这也是本项目的重要创新。.采用查找表开展AVHRR/2数据亚像元雪填图。通过特定混合像元光谱与其积雪面积百分比之间的查找表，就可以找到该AVHRR/2影像中所有混合像元的积雪面积百分比。这可以大大提高雪填图速度，也是本项目的重要创新。. 基于Landsat/TM数据，对青藏高原地区亚像元雪填图结果进行验证，其中RMSE（均方根误差）都小于0.12。.本项目的雪填图算法结合已有的MODIS数据亚像元雪填图算法，就可以建立青藏高原地区超30年（1982年以后）的高时空分辨率积雪面积数据库。

项目成果

期刊论文数量（9）
专著数量（0）
科研奖励数量（0）
会议论文数量（1）
专利数量（0）
Subpixel snow mapping of the Qinghai-Tibet Plateau using MODIS data
利用MODIS数据绘制青藏高原亚像素雪图
  • DOI：
    10.1016/j.jag.2012.02.001
  • 发表时间：
    2012-08
  • 期刊：
    International Journal of Applied Earth Observation and Geoinformation
  • 影响因子：
    7.5
  • 作者：
    Zhu, Ji;Shi, Jiancheng;Wang, Yuanhui
  • 通讯作者：
    Wang, Yuanhui
Estimation of forest aboveground biomass from HJ1B imagery using a canopy reflectance model and a forest growth model
使用冠层反射率模型和森林生长模型根据 HJ1B 图像估算森林地上生物量
  • DOI：
    10.1080/10106049.2016.1232438
  • 发表时间：
    2018-02
  • 期刊：
    Geocarto International
  • 影响因子：
    3.8
  • 作者：
    Yige Guo;Jie He;Lingtong Du;Tianhua Hu
  • 通讯作者：
    Tianhua Hu
河北省国土资源“一张图”数据库建库初步研究
  • DOI：
    --
  • 发表时间：
    2014
  • 期刊：
    中国科技信息
  • 影响因子：
    --
  • 作者：
    曹书芹;朱骥;尹成庆
  • 通讯作者：
    尹成庆
Fusion of HJ1B and ALOS PALSAR data for land cover classification using machine learning methods
使用机器学习方法融合 HJ1B 和 ALOS PALSAR 数据进行土地覆盖分类
  • DOI：
    10.1016/j.jag.2016.06.014
  • 发表时间：
    2016-10
  • 期刊：
    International Journal of Applied Earth Observation and Geoinformation
  • 影响因子：
    7.5
  • 作者：
    Wang, X. Y.;Guo, Y. G.;He, J.;Du, L. T.
  • 通讯作者：
    Du, L. T.
浙中后山店花岗斑岩体的LA-ICP-MS锆石U-Pb定年、锆石Hf同位素及其地质意义
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    矿物岩石
  • 影响因子：
    --
  • 作者：
    王对兴;李春麟;王宗秀;朱骥
  • 通讯作者：
    朱骥

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

浸润深度对T3 期直肠癌患者新辅助放化疗治疗效果的预测
  • DOI：
    --
  • 发表时间：
    2014
  • 期刊：
    中华胃肠外科杂志
  • 影响因子：
    --
  • 作者：
    申丽君;童彤;张慧;孙轶群;朱骥;蔡钢;李桂超;梁丽萍;蔡昕;范铭;黄佳莹;杨立峰;孙文洁;蔡三军;章真
  • 通讯作者：
    章真
直肠癌放射治疗中快速自动计划设计的可行性研究
  • DOI：
    10.19401/j.cnki.1007-3639.2019.04.009
  • 发表时间：
    2019
  • 期刊：
    中国癌症杂志
  • 影响因子：
    --
  • 作者：
    张海英;陈元华;朱骥;李桂超;胡伟刚;彭佳元
  • 通讯作者：
    彭佳元
Boosting算法对卵巢癌代谢组数据的应用研究
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    中国卫生统计
  • 影响因子：
    --
  • 作者：
    武振宇;贾慧珣;朱骥
  • 通讯作者：
    朱骥
队列法、完全法和现时生存分析方法在乳腺癌随访研究中的应用
  • DOI：
    --
  • 发表时间：
    2014
  • 期刊：
    肿瘤
  • 影响因子：
    --
  • 作者：
    张志杰;邵志敏;朱骥;徐望红
  • 通讯作者：
    徐望红
海河流域农田林网碳储量及其潜力评估
  • DOI：
    --
  • 发表时间：
    2011
  • 期刊：
    中国农学通报
  • 影响因子：
    --
  • 作者：
    齐永青;刘荣慧;沈彦俊;朱骥
  • 通讯作者：
    朱骥

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码