研究目的
提出一种利用Sentinel-1数据和AMUNDSEN水文气候模型及S-1双极化信息来反演积雪湿度的新方法。
研究成果
提出的基于模型驱动方法利用Sentinel-1数据和AMUNDSEN水文气候模型进行雪湿反演显示出良好效果,在液态水含量估算中均方根误差为0.7%。未来工作包括将S-1导出的雪湿数据同化到AMUNDSEN模型中,以提高融雪期的雪盖面积估算精度。
研究不足
该方法依赖于AMUNDSEN模型的准确性和SAR数据的质量。AMUNDSEN预测中的局部误差和SAR数据的模糊性可能会影响反演精度。
1:实验设计与方法选择:
该方法采用水文气候模型AMUNDSEN提供积雪特性信息,进而训练支持向量回归机(SVR)从S-1数据中反演积雪湿度。
2:样本选取与数据来源:
研究聚焦2016年融雪期奥地利罗芬塔尔流域,使用19幅S-1影像及对应的AMUNDSEN湿度图。
3:实验设备与材料清单:
哨兵1号SAR数据、AMUNDSEN水文气候模型及支持向量回归技术。
4:实验流程与操作步骤:
通过对比不同语义层级的SAR与AMUNDSEN信息构建有效的SVR训练集。
5:数据分析方法:
基于反演积雪湿度的均方根误差(RMSE)评估SVR性能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容