期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
青藏高原不同土地覆盖类型下积雪面积判别算法优化
被引量:
2
1
作者
谢佩
瑶
韩超
+1 位作者
欧阳志棋
王晓艳
《冰川冻土》
CSCD
北大核心
2023年第3期1168-1179,共12页
MODIS V006版本数据仅提供了归一化积雪指数(NDSI),而用户往往关心的是直观的积雪分类,包括积雪范围或积雪覆盖率。美国国家冰雪数据中心推荐全球积雪范围最佳的NDSI阈值为0.4,但是青藏高原地形复杂多样,积雪斑块化特征明显,单一阈值并...
MODIS V006版本数据仅提供了归一化积雪指数(NDSI),而用户往往关心的是直观的积雪分类,包括积雪范围或积雪覆盖率。美国国家冰雪数据中心推荐全球积雪范围最佳的NDSI阈值为0.4,但是青藏高原地形复杂多样,积雪斑块化特征明显,单一阈值并不能精确地判识不同下垫面上的积雪。青藏高原被称为地球的第三极,是中国三大稳定积雪区之一,蕴藏了大量的淡水资源。随着全球气候变暖,青藏高原地区积雪融化时间提前,冰川融水增加,影响河流水量,造成洪涝灾害,进而影响人类正常生产生活,因此通过确定不同下垫面阈值,改善传统阈值的积雪高估低估现象,提高积雪识别精度,进而更准确地探究青藏高原积雪状况,显得尤为迫切。本文以青藏高原为研究对象,首先生成MODIS逐日无云NDSI序列并进行验证;其次对应站点雪深数据与NDSI序列,证实在下垫面为林地和非林地的区域,去云NDSI序列与站点雪深均有良好的对应关系,确定不同下垫面最优阈值范围;最后在最优阈值范围内通过混淆矩阵确定最优阈值。计算得出,林地NDSI=0.03时,总体精度最高为94.02%,在该NDSI之下,高估误差OE和低估误差UE分别为1.21%和4.60%;非林地NDSI=0.26时,总体精度OA最高为94.27%,在该NDSI之下,高估误差OE和低估误差UE分别为0.51%和5.03%。因此选取优化后林地阈值为NDSI=0.03,非林地阈值为NDSI=0.26。为避免地面常规观测资料尺度上的局限性,本文采用高精度的Landsat 8 OLI卫星数据识别结果,作为“真值”对优化后阈值的判别结果进行“像元—像元”级别的验证。在定量验证中,优化后NDSI阈值对MOD10A1 V006积雪判别结果的总体精度OA为84.21%,高估误差OE为5.33%,低估误差UE为10.46%;传统阈值对MOD10A1 V006积雪判别结果的总体精度OA为82.86%,高估误差OE为1.48%,低估误差UE为15.66%。可以看出在定量验证中,优化后阈值的积雪判别精度更
展开更多
关键词
STAGFM
青藏高原
林地
积雪提取
下载PDF
职称材料
MODIS NDSI产品去云算法及最优阈值选择研究
被引量:
3
2
作者
王晓艳
陈思勇
+3 位作者
郭慧
谢佩
瑶
王建
郝晓华
《遥感学报》
EI
CSCD
北大核心
2022年第12期2603-2615,共13页
归一化差值积雪指数NDSI (Normalized Difference Snow Index)是积雪识别中最常用的指数,但由于云的遮挡限制了MODIS NDSI产品的应用。本文提出了一种基于邻近相似像元的MODIS NDSI产品去云方法,并分析了无云NDSI序列在积雪识别中的最...
归一化差值积雪指数NDSI (Normalized Difference Snow Index)是积雪识别中最常用的指数,但由于云的遮挡限制了MODIS NDSI产品的应用。本文提出了一种基于邻近相似像元的MODIS NDSI产品去云方法,并分析了无云NDSI序列在积雪识别中的最优阈值。对于NDSI影像上某一个云遮挡的目标像元,选取目标像元的n个邻近相似像元进行加权平均来预测该目标像元的NDSI值。以东北积雪区2017年10月1日—2018年4月31日一个积雪季的NDSI产品进行去云实验,并采用“云假设”的方法进行了检验,所预测到的云覆盖像元NDSI值与实际值的相关系数达到0.95,均方根误差为0.08。将逐日无云NDSI序列与气象站点测量的雪深序列进行对比,二者具有很好的一致性。气象站点的测量雪深大于等于1 cm时,假定该站点所在的像元为有雪像元,并以此为真值,分析无云NDSI序列在积雪识别中的最优阈值。结果表明,非森林地区NDSI阈值为0.1时积雪提取的精度最高,可以达到95.6%;森林地区的NDSI最优阈值为0,对应的积雪提取精度为93.5%。
展开更多
关键词
遥感
积雪
去云
MODIS
NDSI
中国东北
森林
原文传递
过渡金属催化N-导向羰基和醇羟基邻位C-C键活化反应的研究进展
被引量:
2
3
作者
王晶晶
李峰
+4 位作者
于晓波
刘澜涛
丁俊汝
谢佩
瑶
王建辉
《有机化学》
SCIE
CAS
CSCD
北大核心
2018年第7期1638-1649,共12页
过渡金属催化碳-碳键活化反应是近年来金属有机化学中非常热门且富有挑战性的研究领域之一.主要综述了近年来过渡金属(Rh,Ni,Pd和Ru)催化基于氮原子导向基团化合物碳-碳键活化与重组的研究进展,并对相关反应机理进行了探讨.
关键词
C—C键活化
还原消除
过渡金属
金属化
原文传递
中国东北地区MODIS 500 m分辨率积雪季逐日无云NDSI数据集(2000–2020)
4
作者
韩超
沈言龙
+4 位作者
欧阳志棋
谢佩
瑶
郭慧
陈思勇
王晓艳
《中国科学数据(中英文网络版)》
CSCD
2022年第3期89-100,共12页
中国东北地区是中国三大积雪区之一,地处高纬度,冬季太阳高度角低,光照条件差,并且具有很高的森林覆盖度。当前MODIS V6积雪产品提供的归一化差值积雪指数(Normalized Difference Snow Index,NDSI)在中国东北地区,尤其是东北森林地区存...
中国东北地区是中国三大积雪区之一,地处高纬度,冬季太阳高度角低,光照条件差,并且具有很高的森林覆盖度。当前MODIS V6积雪产品提供的归一化差值积雪指数(Normalized Difference Snow Index,NDSI)在中国东北地区,尤其是东北森林地区存在明显的过度云掩膜问题,严重影响了该产品在积雪时空变化研究中的应用。同时,MODIS V6积雪产品采用了低NDSI屏蔽,导致森林地区存在积雪漏分现象。以MODIS V6多种数据集作为源数据,分别采用上下午星合成、决策树分类和时空自适应去云的方法,生产了2000–2020年积雪季中国东北地区具有较高精度、时空连续的NDSI逐日无云产品。本数据集可用于中国东北地区积雪面积制图和积雪物候等后续科研工作。
展开更多
关键词
中国东北
2000–2020
NDSI
遥感产品
下载PDF
职称材料
题名
青藏高原不同土地覆盖类型下积雪面积判别算法优化
被引量:
2
1
作者
谢佩
瑶
韩超
欧阳志棋
王晓艳
机构
兰州大学资源环境学院
出处
《冰川冻土》
CSCD
北大核心
2023年第3期1168-1179,共12页
基金
国家自然科学基金面上项目“森林冠层降雪截留遥感监测方法研究”(42271373)资助。
文摘
MODIS V006版本数据仅提供了归一化积雪指数(NDSI),而用户往往关心的是直观的积雪分类,包括积雪范围或积雪覆盖率。美国国家冰雪数据中心推荐全球积雪范围最佳的NDSI阈值为0.4,但是青藏高原地形复杂多样,积雪斑块化特征明显,单一阈值并不能精确地判识不同下垫面上的积雪。青藏高原被称为地球的第三极,是中国三大稳定积雪区之一,蕴藏了大量的淡水资源。随着全球气候变暖,青藏高原地区积雪融化时间提前,冰川融水增加,影响河流水量,造成洪涝灾害,进而影响人类正常生产生活,因此通过确定不同下垫面阈值,改善传统阈值的积雪高估低估现象,提高积雪识别精度,进而更准确地探究青藏高原积雪状况,显得尤为迫切。本文以青藏高原为研究对象,首先生成MODIS逐日无云NDSI序列并进行验证;其次对应站点雪深数据与NDSI序列,证实在下垫面为林地和非林地的区域,去云NDSI序列与站点雪深均有良好的对应关系,确定不同下垫面最优阈值范围;最后在最优阈值范围内通过混淆矩阵确定最优阈值。计算得出,林地NDSI=0.03时,总体精度最高为94.02%,在该NDSI之下,高估误差OE和低估误差UE分别为1.21%和4.60%;非林地NDSI=0.26时,总体精度OA最高为94.27%,在该NDSI之下,高估误差OE和低估误差UE分别为0.51%和5.03%。因此选取优化后林地阈值为NDSI=0.03,非林地阈值为NDSI=0.26。为避免地面常规观测资料尺度上的局限性,本文采用高精度的Landsat 8 OLI卫星数据识别结果,作为“真值”对优化后阈值的判别结果进行“像元—像元”级别的验证。在定量验证中,优化后NDSI阈值对MOD10A1 V006积雪判别结果的总体精度OA为84.21%,高估误差OE为5.33%,低估误差UE为10.46%;传统阈值对MOD10A1 V006积雪判别结果的总体精度OA为82.86%,高估误差OE为1.48%,低估误差UE为15.66%。可以看出在定量验证中,优化后阈值的积雪判别精度更
关键词
STAGFM
青藏高原
林地
积雪提取
Keywords
STAGFM
Qinghai-Tibet Plateau
forest
snow extraction
分类号
P426.635 [天文地球—大气科学及气象学]
P407.8
下载PDF
职称材料
题名
MODIS NDSI产品去云算法及最优阈值选择研究
被引量:
3
2
作者
王晓艳
陈思勇
郭慧
谢佩
瑶
王建
郝晓华
机构
兰州大学资源环境学院
南京大学地理与海洋科学学院
中国科学院西北生态环境资源研究院
江苏省地理信息资源开发与利用协同中心
出处
《遥感学报》
EI
CSCD
北大核心
2022年第12期2603-2615,共13页
基金
国家自然科学基金(编号:42271373,41771373,41971325)
国家科技基础资源调查专项(编号:2017FY100500)
中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室开放基金项目“2001—2018年中国东北地区积雪物候变化及其对气候的响应”。
文摘
归一化差值积雪指数NDSI (Normalized Difference Snow Index)是积雪识别中最常用的指数,但由于云的遮挡限制了MODIS NDSI产品的应用。本文提出了一种基于邻近相似像元的MODIS NDSI产品去云方法,并分析了无云NDSI序列在积雪识别中的最优阈值。对于NDSI影像上某一个云遮挡的目标像元,选取目标像元的n个邻近相似像元进行加权平均来预测该目标像元的NDSI值。以东北积雪区2017年10月1日—2018年4月31日一个积雪季的NDSI产品进行去云实验,并采用“云假设”的方法进行了检验,所预测到的云覆盖像元NDSI值与实际值的相关系数达到0.95,均方根误差为0.08。将逐日无云NDSI序列与气象站点测量的雪深序列进行对比,二者具有很好的一致性。气象站点的测量雪深大于等于1 cm时,假定该站点所在的像元为有雪像元,并以此为真值,分析无云NDSI序列在积雪识别中的最优阈值。结果表明,非森林地区NDSI阈值为0.1时积雪提取的精度最高,可以达到95.6%;森林地区的NDSI最优阈值为0,对应的积雪提取精度为93.5%。
关键词
遥感
积雪
去云
MODIS
NDSI
中国东北
森林
Keywords
remote sensing
snow
cloud removal
MODIS
NDSI
Northeast China
forest
分类号
P2 [天文地球—测绘科学与技术]
原文传递
题名
过渡金属催化N-导向羰基和醇羟基邻位C-C键活化反应的研究进展
被引量:
2
3
作者
王晶晶
李峰
于晓波
刘澜涛
丁俊汝
谢佩
瑶
王建辉
机构
商丘师范学院化学化工学院药物绿色合成河南省工程实验室
吉林化工学院材料科学与工程学院
天津大学理学院化学系
出处
《有机化学》
SCIE
CAS
CSCD
北大核心
2018年第7期1638-1649,共12页
基金
国家自然科学基金(Nos.21402116,21502111)、河南省重点科技攻关(No.172102210099)和河南省高等学校重点科研(No.15A150072)助项目.
文摘
过渡金属催化碳-碳键活化反应是近年来金属有机化学中非常热门且富有挑战性的研究领域之一.主要综述了近年来过渡金属(Rh,Ni,Pd和Ru)催化基于氮原子导向基团化合物碳-碳键活化与重组的研究进展,并对相关反应机理进行了探讨.
关键词
C—C键活化
还原消除
过渡金属
金属化
Keywords
C-C bond activation
reductive elimination
transition metals
metalation
分类号
O621.251 [理学—有机化学]
原文传递
题名
中国东北地区MODIS 500 m分辨率积雪季逐日无云NDSI数据集(2000–2020)
4
作者
韩超
沈言龙
欧阳志棋
谢佩
瑶
郭慧
陈思勇
王晓艳
机构
兰州大学资源环境学院
南京大学地理与海洋科学学院
出处
《中国科学数据(中英文网络版)》
CSCD
2022年第3期89-100,共12页
基金
科技基础资源调查项目(2017FY100500)
国家自然科学基金(41771373)。
文摘
中国东北地区是中国三大积雪区之一,地处高纬度,冬季太阳高度角低,光照条件差,并且具有很高的森林覆盖度。当前MODIS V6积雪产品提供的归一化差值积雪指数(Normalized Difference Snow Index,NDSI)在中国东北地区,尤其是东北森林地区存在明显的过度云掩膜问题,严重影响了该产品在积雪时空变化研究中的应用。同时,MODIS V6积雪产品采用了低NDSI屏蔽,导致森林地区存在积雪漏分现象。以MODIS V6多种数据集作为源数据,分别采用上下午星合成、决策树分类和时空自适应去云的方法,生产了2000–2020年积雪季中国东北地区具有较高精度、时空连续的NDSI逐日无云产品。本数据集可用于中国东北地区积雪面积制图和积雪物候等后续科研工作。
关键词
中国东北
2000–2020
NDSI
遥感产品
Keywords
Northeast China
2000–2020
NDSI
remote sensing product
分类号
P426.635 [天文地球—大气科学及气象学]
P407
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
青藏高原不同土地覆盖类型下积雪面积判别算法优化
谢佩
瑶
韩超
欧阳志棋
王晓艳
《冰川冻土》
CSCD
北大核心
2023
2
下载PDF
职称材料
2
MODIS NDSI产品去云算法及最优阈值选择研究
王晓艳
陈思勇
郭慧
谢佩
瑶
王建
郝晓华
《遥感学报》
EI
CSCD
北大核心
2022
3
原文传递
3
过渡金属催化N-导向羰基和醇羟基邻位C-C键活化反应的研究进展
王晶晶
李峰
于晓波
刘澜涛
丁俊汝
谢佩
瑶
王建辉
《有机化学》
SCIE
CAS
CSCD
北大核心
2018
2
原文传递
4
中国东北地区MODIS 500 m分辨率积雪季逐日无云NDSI数据集(2000–2020)
韩超
沈言龙
欧阳志棋
谢佩
瑶
郭慧
陈思勇
王晓艳
《中国科学数据(中英文网络版)》
CSCD
2022
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部