典型文献
基于星载GNSS⁃R获取川藏交通廊道沿线地表土壤湿度
文献摘要：
地表土壤湿度影响着陆-气能量交换和水循环,是泥石流、冻土冻融等灾害的重要因子,获取川藏交通廊道沿线地区土壤湿度有助于研究铁路沿线气候变化和冰冻圈灾害风险.基于CYGNSS(cyclone global navigation satellite system)星载GNSS-R(global navigation satellite system reflectometry)信号,结合土地覆盖分类、归一化差分植被指数NDVI(normalized differential vegetation index)和粗糙度等地表土壤湿度影响因子,利用人工神经网络方法建立了地表土壤湿度多参数反演模型,生成了2018—2019年连续两年的川藏交通廊道沿线地区36 km空间分辨率的地表土壤湿度日产品.经土壤水分主被动探测卫星数据检验,生成的地表土壤湿度相关系数R为0.8,均方根误差RMSE(root mean square error)为0.032 cm3/cm3,偏差Bias为0.014 cm3/cm3,可为川藏交通廊道沿线气候变化和地表灾害研究提供高连续性和可靠性的数据.
文献关键词：
地表土壤湿度;川藏交通廊道;CYGNSS;GNSS-R;人工神经网络;遥感.
中图分类号：
作者姓名：
胡羽丰;汪吉;李振洪;彭建兵
作者机构：
长安大学地质工程与测绘学院,陕西西安 710054;长安大学地学与卫星大数据研究中心,陕西西安 710054;西部矿产资源与地质工程教育部重点实验室,陕西西安 710054
文献出处：
引用格式：
[1]胡羽丰;汪吉;李振洪;彭建兵-.基于星载GNSS⁃R获取川藏交通廊道沿线地表土壤湿度)[J].地球科学,2022(06):2058-2068
A类：
川藏交通廊道,地表土壤湿度
B类：
星载,着陆,能量交换,水循环,泥石流,冻土,冻融,沿线地区,铁路沿线,冰冻圈,灾害风险,CYGNSS,cyclone,global,navigation,satellite,system,reflectometry,土地覆盖分类,植被指数,NDVI,normalized,differential,vegetation,粗糙度,人工神经网络,神经网络方法,多参数,参数反演,反演模型,空间分辨率,度日,日产,土壤水分,主被动探测,卫星数据,数据检验,RMSE,root,mean,square,error,cm3,Bias,灾害研究
AB值：
0.277851
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
