资源简介

摘要： 全球水储量的时空变化研究，对理解全球水循环过程、安排农业生产、防治洪涝灾害等具有重要意义。GRACE重力反演与气象实验卫星为获取全球水储量变化提供了直接观测手段，但不同解算模型和方法导致最终水储量产品之间存在差异。针对现阶段GRACE水储量数据产品中所存在的不确定性，拟结合全球水文模型以及陆面模型数据，采用三角帽方法对现有水储量数据产品进行不确定性分析；选取不确定性最低的GRACE和全球水文模型数据产品，引入点面融合思想，利用卫星观测和模型模拟数据互相约束来选取训练点，基于BP神经网络、深度置信网络建立GRACE精度校正模型，对GRACE月尺度水储量数据进行校正。以美国加利福尼亚州为例，从产品不确定性定量评价、水储量异常长时序变化及空间分布定性分析和地下水井站点实测验证等方面对校正结果进行分析验证。结果显示：①校正结果相比原始卫星观测数据产品及模型模拟产品在不确定分析中具有更低的不确定性（GRACE CSR： 25.32 cm， PCR-GLOBWB： 33.10 cm， DBN： 13.85 cm）；②在长时序变化和空间可视化分析中，校正结果相较于原始数据减少了异常的波动；③地下水位监测水井站点验证中，校正结果在相关性、均方根误差以及平均绝对误差上均有提升。 关键词： GRACE重力卫星;  水储量;  精度校正     Abstract: Study on the spatiotemporal changes of global water storage is of great significance for understanding the global water cycle， arranging agricultural production， and preventing natural disasters. GRACE satellite provides direct observation for obtaining changes in water storage on a global scale. However， different solution models and methods lead to differences between the water storage products. To reduce the uncertainty in GRACE data， this paper combines the Global Hydrological Models （GHMs） and Land Surface Models （LSMs） data， and uses the Three-Cornered Hat （TCH） method to analyze the uncertainty of the existing products. On this basis， the idea of point surface fusion is introduced， using GRACE and model simulation data to select training points， and using machine learning methods to correct the accuracy of GRACE satellite data. This article takes California， USA as an example， and uses TCH， long-term quantitative analysis and groundwater well site data to verify the accuracy of the result. The results show that： （1） The correction results have lower uncertainty than the original GRACE data in the uncertainty analysis （GRACE CSR： 25.32 cm， PCR-GLOBWB： 33.10 cm， DBN： 13.85 cm）； （2） In long time series analysis， the correction results are smoother than the original data， reducing abnormal fluctuations； （3） In the verification of the well site， the results show that results have improved in correlation， root mean square error， and average absolute error.

相关资源

1. 水质遥感监测的关键要素叶绿素a的反演算法研究进展
2. 基于无人机遥感技术的森林参数获取研究进展
3. 基于无线传感器网络的森林生态系统观测试验平台构建
4. 基于无人机激光雷达的森林冠层高度分析
5. 多源时序国产卫星影像的森林火灾动态监测
6. 基于无人机遥感技术的台风灾害倒伏绿化树木检测

下载说明

·如果您发现该资源不能下载，请通知管理员.gissky@gmail.com

·为确保下载的资源能正常使用，请使用[WinRAR v3.8]或以上版本解压本站资源,缺省解压密码www.gissky.net ，如果是压缩文件为分卷多文件，请依次下载每一个文件，并按照顺序命名为1.rar,2.rar,3.rar...，然后鼠标右击1.rar解压.

·为了保证您快速的下载速度，我们推荐您使用[网际快车]等专业工具下载.

·站内提供的资源纯属学习交流之用,如侵犯您的版权请与我们联系.