提出融入中高空间分辨率遥感影像精确地类识别信息,以改进传统的Chen NDVI尺度转换模型的方法,并基于两个模型共同进行MODIS 250m 16D合成植被指数产品MOD13 Q1(MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid)真实性...提出融入中高空间分辨率遥感影像精确地类识别信息,以改进传统的Chen NDVI尺度转换模型的方法,并基于两个模型共同进行MODIS 250m 16D合成植被指数产品MOD13 Q1(MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid)真实性检验。研究以地类丰富的厦门市作为研究区主体,并以30m Landsat8陆地成像仪OLI(Operational Land Imager)影像作为验证数据,实践了上述方法。实验结果表明:MOD13 Q1产品总体质量较好,但是存在偏高估计的问题,尤其是对人工地物更为明显,在实际应用中应予以关注;融入精细地类信息的改进ChenNDVI模型相比较融入粗略地类信息的传统Chen NDVI模型,升尺度转换结果无显著差异,但是前者在精细、定量刻画“不同地类对NDVI尺度效应影响”方面更有优势,这对遥感地表参数尺度效应研究具有重要的启示意义。展开更多
针对分布式水文模型的率定过程海量计算难题,本研究提出了基于Hadoop和Redis集群的泛化似然不确定估计(GLUE)率定算法——HR-GLUE。该方法通过Redis缓存模型输入,利用MapReduce算法实现的GLUE率定方法并行计算。研究以典型分布式水文模...针对分布式水文模型的率定过程海量计算难题,本研究提出了基于Hadoop和Redis集群的泛化似然不确定估计(GLUE)率定算法——HR-GLUE。该方法通过Redis缓存模型输入,利用MapReduce算法实现的GLUE率定方法并行计算。研究以典型分布式水文模型——SWAT(Soil and Water Assessment Tool)的并行率定为例对该方法的计算效率和效果进行了验证。结果表明HR-GLUE可以显著堤高模型的率定速度,在14个作业节点的Hadoop集群满负荷工作时,可将模型的速度提高28.9倍,且利用其速度优势,可获得更优的率定效果。展开更多
文摘提出融入中高空间分辨率遥感影像精确地类识别信息,以改进传统的Chen NDVI尺度转换模型的方法,并基于两个模型共同进行MODIS 250m 16D合成植被指数产品MOD13 Q1(MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid)真实性检验。研究以地类丰富的厦门市作为研究区主体,并以30m Landsat8陆地成像仪OLI(Operational Land Imager)影像作为验证数据,实践了上述方法。实验结果表明:MOD13 Q1产品总体质量较好,但是存在偏高估计的问题,尤其是对人工地物更为明显,在实际应用中应予以关注;融入精细地类信息的改进ChenNDVI模型相比较融入粗略地类信息的传统Chen NDVI模型,升尺度转换结果无显著差异,但是前者在精细、定量刻画“不同地类对NDVI尺度效应影响”方面更有优势,这对遥感地表参数尺度效应研究具有重要的启示意义。
文摘针对分布式水文模型的率定过程海量计算难题,本研究提出了基于Hadoop和Redis集群的泛化似然不确定估计(GLUE)率定算法——HR-GLUE。该方法通过Redis缓存模型输入,利用MapReduce算法实现的GLUE率定方法并行计算。研究以典型分布式水文模型——SWAT(Soil and Water Assessment Tool)的并行率定为例对该方法的计算效率和效果进行了验证。结果表明HR-GLUE可以显著堤高模型的率定速度,在14个作业节点的Hadoop集群满负荷工作时,可将模型的速度提高28.9倍,且利用其速度优势,可获得更优的率定效果。