地球信息科学学报 ›› 2019, Vol. 21 ›› Issue (5): 688-698.doi: 10.12082/dqxxkx.2019.180588
收稿日期:
2018-11-15
修回日期:
2019-01-31
出版日期:
2019-05-25
发布日期:
2019-05-25
作者简介:
作者简介:胡顺石(1984-),男,湖南永州人,讲师,博士,主要从事资源环境遥感与灾害遥感、遥感大数据应用研究。E-mail:
基金资助:
Shunshi HU1,2,*(), Chenlu ZHANG1, Yulong PENG1, Zifang TAN1
Received:
2018-11-15
Revised:
2019-01-31
Online:
2019-05-25
Published:
2019-05-25
Contact:
Shunshi HU
E-mail:hufrank@163.com
Supported by:
摘要:
云的存在使得遥感对地观测地表信息受损或缺失,特定区域的云状态时空分布特征有助于提升遥感数据云噪声去除的针对性和准确性。本文采用2001-2017年湖南省MOD09A1地表反射率产品像素级产品质量数据集,逐像素解析并提取云状态信息,利用地统计学方法和空间分析方法等,从云状态空间分布概率、云状态季节分布概率、云状态持续时长和云干扰率 4个方面分析了湖南省晴朗无云、云污染和云混合3种云状态时空分布特征。研究结果表明:① 湖南省整体受云影响较为严重,不同云状态空间分布呈现较为明显的差异性,云污染状态主要分布在湘西、湘南山区,云混合状态主要分布在湘北、湘中、湘南连接的地势相对平缓的平原、丘陵地区;② 云污染状态在云影响中起主导作用,其主要分布在1-2月、11-12月以及5月下旬-7月上旬之间,云混合状态平均出现概率全年维持在10%左右,在6-10月增加至18%左右;③ 云状态持续时长为8、16 d是受云影响的主要情形;④ 随着合成窗口的增加,云干扰率迅速下降,采用月合成(4期)后,可以忽略云的影响;⑤ 云状态数据经主成分变换后,前2个主分量可表征不同云状态空间分布模式,全省可划分为4个具有显著云状态特征的区域;⑥ 不同云状态与高程变化具有显著的关系模型,除云污染状态外,均与高程呈负相关关系。本研究可为湖南省遥感数据选择、云去除方法选择、植被指数时间序列重构等提供技术支撑。
胡顺石, 张辰璐, 彭雨龙, 谭子芳. 湖南省不同云状态的时空特征分析[J]. 地球信息科学学报, 2019, 21(5): 688-698.DOI:10.12082/dqxxkx.2019.180588
Shunshi HU, Chenlu ZHANG, Yulong PENG, Zifang TAN. Spatiotemporal Patterns of the Different Cloud States in Hunan Province[J]. Journal of Geo-information Science, 2019, 21(5): 688-698.DOI:10.12082/dqxxkx.2019.180588
[1] | 童庆禧,张兵,郑兰芬.高光谱遥感——原理、技术与应用[M].北京:高等教育出版社,2006:83-86. |
[ Tong Q X, Zhang B, Zheng L F.Hyperspectral remote sensing: Principle, technology and applications[M]. Beijing: Higher Education Press, 2006:83-86. ] | |
[2] |
Berk A, Conforti P, Kennett R, et al.MODTRAN6: A major upgrade of the MODTRAN radiative transfer code[J]. 2014 6th Workshop on Hyperspectral Image and Signal Processing: Evolution in Remote Sensing, 2014:1-4.
doi: 10.1117/12.2050433 |
[3] | Vermote E F, Tanre D, Deuze J L, et al.Second simulation of the satellite signal in the solar spectrum, 6s: An overview[J]. Geoscience & Remote Sensing IEEE Transactions on, 2002,35(3):675-686. |
[4] | King M D, Platnick S, Menzel W P, et al.Spatial and temporal distribution of clouds observed by MODIS onboard the terra and aqua satellites[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013,51(7):3826-3852. |
[5] | 张雪芹,彭莉莉,郑度,等.1971-2004年青藏高原总云量时空变化及其影响因子[J].地理学报,2007,62(9):959-969. |
[ Zhang X Q, Peng L L, Zheng D, et al.Cloudiness variations over the Qinghai-Tibet Plateau during 1971-2004[J]. Journal of Geographical Science, 2007,62(9):959-969. ] | |
[6] |
李慧晶,刘建西,刘东升,等.西南地区云量变化特征[J].干旱气象,2014,32(2):194-200,219.
doi: 10.11755/j.issn.1006-7639(2014)-02-0194 |
[ Li H J, Liu J X, Liu D S, et al.Variation characteristics of cloud cover over Southwestern China[J]. Journal of Arid Meteorology, 2014,32(2):194-200,219. ]
doi: 10.11755/j.issn.1006-7639(2014)-02-0194 |
|
[7] | Ma J J, Wu H, Wang C, et al.Multiyear satellite and surface observations of cloud fraction over China[J]. Journal of Geophysical Research: Atmospheres, 2014,119(12):7655-7666. |
[8] |
Ghasemifar E, Farajzadeh M, Perry M C, et al.Analysis of spatiotemporal variations of cloud fraction based on geographic characteristics over Iran[J]. Theoretical and Applied Climatology, 2018,134(3-4):1429-1445.
doi: 10.1007/s00704-017-2308-1 |
[9] | 钟洪麟,施润和,曲培青,等.MODIS影像的局地云量信息元数据提取算法与应用[J].地球信息科学学报,2010,12(4):587-592. |
[ Zhong H L, Shi R H, Qu P Q, Zhang H F, et al.The regional cloud-cover metadata extraction based on MODIS image[J]. Journal of Geo-information Science, 2010,12(4):587-592. ] | |
[10] | 彭秋志,秦国玲,吕乐婷,等.基于MODIS数据的东江流域云干扰时空特征分析[J].国土资源遥感,2018,30(1):109-115. |
[ Peng Q Z, Qin G L, Lv L T, et al.Spatio-temporal patterns of cloud interference in Dongjiang River basin from MODIS data[J]. Remote Sensing for Land & Resources, 2018,30(1):109-115. ] | |
[11] | Huete A, Didan K, Miura T, et al.Overview of the radiometric and biophysical performance of the MODIS vegetation indices[J]. Remote Sensing of Environment, 2002,83(1):195-213. |
[12] | Chen J, Jönsson P, Tamura M, et al.A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky-Golay filter[J]. Remote Sensing of Environment, 2004,91(3):332-344. |
[13] | Petitjean F, Ketterlin A, Gançarski P.A global averaging method for dynamic time warping, with applications to clustering[J]. Pattern Recognition, 2011,44(3):678-693. |
[14] | Jönsson P, Eklundh L.Seasonality extraction by function fitting to time-series of satellite sensor data[J]. Geoscience & Remote Sensing IEEE Transactions on, 2002,40(8):1824-1832. |
[15] |
沈金祥,季漩.遥感影像云及云影多特征协同检测方法[J].地球信息科学学报,2016,18(5):599-605.
doi: 10.3724/SP.J.1047.2016.00599 |
[ Shen J X, Ji X.Cloud and cloud shadow multi-feature collaborative detection from remote sensing image[J]. Journal of Geo-information Science, 2016,18(5):599-605. ]
doi: 10.3724/SP.J.1047.2016.00599 |
|
[16] |
周惠慧,王楠,黄瑶,等.不同时间间隔下的遥感时间序列重构模型比较分析[J].地球信息科学学报,2016,18(10):1410-1417.
doi: 10.3724/SP.J.1047.2016.01410 |
[ Zhou H H, Wang N, Huang Y, et al.Comparison and analysis of remotely sensed time series of reconstruction models at various intervals[J]. Journal of Geo-information Science, 2016,18(10):1410-1417. ]
doi: 10.3724/SP.J.1047.2016.01410 |
|
[17] | LP DAAC.MODIS products table[OL]: . |
[18] |
Lyapustin A, Wang Y, Xiong X, et al.Scientific impact of MODIS C5 calibration degradation and C6+ improvements[J]. Atmospheric Measurement Techniques, 2014,7(12):4353-4365.
doi: 10.5194/amt-7-4353-2014 |
[19] | Roger J C, Vermote E F, Ray J P.MODIS surface reflectance user's guide, Collection 6[R]. 2015. |
[20] | Vermote E F.MOD09A1 MODIS/Terra surface reflectance 8-day l3 global 500m sin grid V006 [DB]. 2015. doi:10.5067/MODIS/MOD09A1.006 |
[21] |
边金虎,李爱农,宋孟强,等. MODIS植被指数时间序列Savitzky-Golay滤波算法重构[J].遥感学报,2010,14(4):725-741.
doi: 10.3724/SP.J.1011.2010.01138 |
[ Bian J H, Li A N, Song M Q, et al.Reconstruction of NDVI time-series datasets of MODIS based on Savitzky-Golay filter[J]. Journal of Remote Sensing, 2010,14(4):725-741. ]
doi: 10.3724/SP.J.1011.2010.01138 |
[1] | 杜毅贤, 徐家鹏, 钟琳颖, 侯盈旭, 沈婕. 网络舆情态势及情感多维特征分析与可视化——以COVID-19疫情为例[J]. 地球信息科学学报, 2021, 23(2): 318-330. |
[2] | 高楹, 宋辞, 郭思慧, 裴韬. 接驳地铁站的共享单车源汇时空特征及其影响因素[J]. 地球信息科学学报, 2021, 23(1): 155-170. |
[3] | 帅艳民, 马现伟, 曲歌, 邵聪颖, 刘涛, 刘守民, 黄华兵, 谷玲霄, 拉提帕·吐尔汗江, 梁继, 李玲. 协同多时相波谱特征的不透水面信息级联提取[J]. 地球信息科学学报, 2021, 23(1): 171-186. |
[4] | 王志华, 杨晓梅, 周成虎. 面向遥感大数据的地学知识图谱构想[J]. 地球信息科学学报, 2021, 23(1): 16-28. |
[5] | 王艳杰, 王卷乐, 魏海硕, Altansukh Ochir, Davaadorj Davaasuren, Sonomdagva Chonokhuu. 基于稀疏样点的蒙古国产草量估算方法研究[J]. 地球信息科学学报, 2020, 22(9): 1814-1822. |
[6] | 陈辉, 厉青, 王中挺, 马鹏飞, 李营, 赵爱梅. 一种基于FY3D/MERSI2的AOD遥感反演方法[J]. 地球信息科学学报, 2020, 22(9): 1887-1896. |
[7] | 陈如如, 胡中民, 李胜功, 郭群. 不同数据源归一化植被指数在中国北方草原区的应用比较[J]. 地球信息科学学报, 2020, 22(9): 1910-1919. |
[8] | 蒲东川, 王桂周, 张兆明, 牛雪峰, 何国金, 龙腾飞, 尹然宇, 江威, 孙嘉悦. 基于独立成分分析和随机森林算法的城镇用地提取研究[J]. 地球信息科学学报, 2020, 22(8): 1597-1606. |
[9] | 李婉, 牛陆, 陈虹, 吴骅. 基于随机森林算法的地表温度鲁棒降尺度方法[J]. 地球信息科学学报, 2020, 22(8): 1666-1678. |
[10] | 阿依尼格尔·亚力坤, 买买提艾力·买买提依明, 刘素红, 杨帆, 何清, 刘永强. 新疆沙漠地区地表宽波段比辐射率遥感估算[J]. 地球信息科学学报, 2020, 22(8): 1743-1751. |
[11] | 赵青松, 兰安军, 范泽孟, 杨青. 贵州省不同地貌形态类型土壤侵蚀强度变化的定量分析[J]. 地球信息科学学报, 2020, 22(7): 1555-1566. |
[12] | 龚围, 李丽, 柳钦火, 辛晓洲, 彭志晴, 邬明权, 牛铮, 田海峰. “一带一路”区域水电站工程生态环境影响遥感监测[J]. 地球信息科学学报, 2020, 22(7): 1424-1436. |
[13] | 朱惠, 张清凌, 张珊. 1992—2017年基于夜光遥感的中亚社会经济发展时空特征分析[J]. 地球信息科学学报, 2020, 22(7): 1449-1462. |
[14] | 叶虎平, 廖小罕, 何贤强, 岳焕印. 斯里兰卡近海海洋生态环境变化遥感监测分析[J]. 地球信息科学学报, 2020, 22(7): 1463-1475. |
[15] | 高旺旺, 冯建中, 白林燕, 杨建华, 郭雷风, 李华林, 崔梦瑞. 海南岛气溶胶时空变化及来源追溯[J]. 地球信息科学学报, 2020, 22(7): 1532-1543. |
|