联合MOD11A1和地面气象站点数据的多站点温度预测深度学习模型

针对地面气象站点分布稀疏影响站点间关系以及站点间的关系强度推理难的问题,提出一种基于联合MOD11A1和地面气象站点数据的多站点温度预测深度学习模型(GDM)。GDM包括时空注意力(TSA)、双向图神经长短期记忆(DG-LSTM)网络编码和边-点转换双向门控循环网络解码(EN-GRU)模块。首先使用TSA模块提取MOD11A1图像特征并形成多个虚拟气象站点的温度时间序列,缓解地面气象站点分布稀疏对站点间关系的影响;然后用DG-LSTM编码器通过融合两组温度时间序列来计算地面气象站点间和虚拟气象站点间的关系强度;最后用ENGRU解码器通过结合站点间的关系强度对地面气象站点的温度时间序列关系进行建模。实验结果表明,相较于二维卷积神经网络(2D-CNN)、长短期记忆全连接网络(LSTM-FC)、长短期记忆神经网络扩展网络(LSTME)和长短记忆与自适应提升集成网络(LSTM-AdaBoost),GDM在10个地面气象站点24 h内温度预测的平均绝对误差(MAE)分别减小0.383℃、0.184℃、0.178℃和0.164℃,能提高未来24 h多个气象站点温度的预测精度。

北疆牧区MODIS积雪产品MOD10A1和MOD10A2的精度分析与评价

以北疆为研究区,结合气象台站记录的雪情数据,利用地理信息系统方法分析了2004年12月1日至2005年2月28日期间北疆地区90个时相的MODIS每日积雪产品MOD10A1和8日合成产品MOD10A2的积雪分类精度.研究表明：1）当积雪深度≤3 cm时,MOD10A1对积雪的识别率非常低,仅为7.5%;积雪深度为4~6 cm时,积雪识别率达到29.3%;积雪深度为15~20 cm,平均积雪识别率达到45.6%.当积雪深度〉20 cm时,平均积雪识别率为32.2%;2）MOD10A1产品的积雪分类精度受天气状况的严重影响.在晴空状况下,该产品的最大积雪识别率达到58.2%;但是在多云或阴天时,平均积雪识别率仅为17.8%;3）下垫面对MOD10A1的分类结果也会造成影响,在荒漠区MOD10A1的积雪识别率为39.8%,在草原和稀树草原区的积雪识别率为37.2%,农业用地的积雪识别率最低,为29.1%;4）MOD10A2产品可较好的消除云层对地表积雪分类精度的影响,平均积雪识别率达87.5%,可较好的反映地表积雪的分布状况.

MODIS MOD13Q1数据在北疆荒漠化监测中的应用评价

利用中分辨率成像光谱仪MODIS(moderate resolution imaging spectroradiometer)MOD13Q1(vegetation indices 16-dayL3global250m)数据,对北疆地区2007和2008年植被生长季(5月下旬-9月中旬)32景MOD13Q1数据进行累积求和、植被盖度转换和荒漠化指数(desertification index,DI)计算及分级。分级结果客观的反映了北疆地区荒漠化土地的空间分布。北疆地区非荒漠化土地主要分布在天山、阿尔泰山的中高山部分(呈带状分布)及部分绿洲区,其他地域均有不同程度荒漠化。因此,MOD13Q1数据可被有效应用于大尺度环境变化和荒漠化进程的遥感监测中。收集2007年北疆地区37个气象站点年均最高气温和年均降水量数据,结合DEM经空间插值后获取区域气温、降水量数据,气温、降水量和DI相关性分析发现DI与气温间具有较高的正相关性,与降水则表现出负相关性。

MODIS MOD13Q1植被产品介绍及快速预处理

对MODIS MOD13Q1植被产品进行介绍,并使用MODIS提供MRT软件为基础编写脚本程序以及Edras遥感影像处理软件来对MOD13Q1数据波段提取,镶嵌,投影转换,数据格式转换等基本处理流程实现快速处理,以降低研究者在数据处理中的工作量.

基于MOD10A1的草原黑灾监测方法研究

采用MOD10A1积雪产品,通过时间序列栅格数据提取方法,监测内蒙古一个积雪季(2013年10月初至2014年3月末)的黑灾分布规律的实例,初步探讨了MOD10A1积雪产品在草原黑灾监测中的应用。以连续无雪天数、连续无雪20 d次数、连续无雪40 d的次数和连续无雪60 d的次数作为计算指标,通过进行逐日像元上的计算,获得每个像元上的指标值后进行统计分析。结果表明:(1)在研究期间,内蒙古阿拉善盟、巴彦淖尔盟北部出现的黑灾频率较高;通辽、赤峰北部降雪多,但气温高,积雪日数短,因此黑灾出现频率也是较大;而锡林郭勒盟东部、呼伦贝尔以及兴安盟出现黑灾的几率最小。(2)按月份统计分析得出,在这一积雪季中内蒙古12月发生的黑灾面积较小,10、11和3月份发生的黑灾面积较大。(3)利用MOD10A1数据通过无雪信息提取方法监测的结果与内蒙古的气候自然特征以及前人的研究基本上吻合,因此本文中的监测方法可以在黑灾研究中利用。

基于FY-3D/MERSI-Ⅱ归一化积雪指数和MOD10A1的精度对比分析

风云三号D星(FY-3D)是我国新一代极轨气象卫星,中分辨率光谱成像仪Ⅱ(MERSI-Ⅱ)是其携带的核心传感器之一,MERSI-Ⅱ实现了云、气溶胶、水汽、陆地表面特性、海洋水色等大气、陆地、海洋参量的高精度定量反演。选取2018年7、8月无云时相的FY-3D/MERSI-Ⅱ数据对天山中段终年积雪进行归一化积雪指数(NDSI)的计算。结合高分辨率Landsat-8影像,利用混淆矩阵对FY-3D/MERSI-Ⅱ数据计算结果与同期MODIS日积雪产品数据MOD10A1进行精度对比分析。结果表明:FY-3D/MERSI-Ⅱ图像平均总体精度为0.855,MOD10A1图像平均总体精度为0.820,FY-3D/MERSI-Ⅱ积雪覆盖提取平均总体精度比MOD10A1积雪覆盖提取平均总体精度高0.035。FY-3D/MERSI-Ⅱ的Kappa系数平均值为0.659,MOD10A1的Kappa系数平均值为0.558,FY-3D/MERSI-Ⅱ的Kappa系数平均值大于MOD10A1的Kappa系数平均值。故FY-3D/MERSI-Ⅱ数据提取积雪覆盖面积精度更高,更接近高分辨率Landsat-8影像目视解译结果。

基于MOD13Q1的永州近15年植被变化研究

以永州地区为研究区域,利用NASA提供的MOD13Q1-NDVI数据（2000—2014年）研究其植被变化特征。结果表明,永州地区植被指数处在0.6-0.8段的受外部条件的影响较小,而植被指数在0.8-1.0段的受外部条件的影响较大。植被指数在0.4-0.6段的走势与0.8-1.0段的大多数年份相反,植被指数在0.2-0.4和0-0.2两段所占比重一直处于一个比较低的水平。总体来说,永州地区的植被指数历年一直比较高,历年平均值为0.701。

谈谈TMP87CM38N CPU彩电模式数据MOD1的设置问题

在2004年《家电维修》合订本中，看了王汉志先生“一波三折修I^2C总线彩电——也谈东芝TB1231／1238AN机心I^2C总线数据设置”一文中最后留下来的问题：为什么MOD1数据错误．不强行开机，用厂家提供的进入I^2C总线“D”模式的方法也不能进入“D”模式；而将MOD1数据改为84后．用厂家提供的方法就能进入、退出维修状态呢？在这里，谈一下我的认识。

基于MOD13Q1的辽宁省主要农作物时空分布研究

获取农作物种植结构,对农作物生长状况监测、农作物灾情监测及产量估算等具有重要的意义。利用MODIS NDVI产品数据,构建辽宁省主要农作物(玉米、大豆和水稻)的时间序列物候特征曲线,通过分层分类方法,提取辽宁省农作物种植结构信息,研究表明,支持向量机分类方法分类效果更好,分类精度可达96%以上。将农作物提取模型推广应用于2003年、2007年、2011年、2015年和2019年的MODIS数据,探讨近17年来辽宁省农作物种植结构时空格局现状与变化,为快速、大范围、高精度提取农作物种植面积提供有效方法,同时为相关政策提供科学依据。

基于MOD10A1 V6产品下青海省各片区积雪的分布气候特征

利用MOD10A1 V6版积雪产品获取青海省及省内各重要生态功能区的积雪信息,并对积雪变化与气候因子间的响应关系进行分析。结果表明:(1)16年来青海省内积雪覆盖面积变化存在空间差异性,可可西里积雪覆盖面积显著增加(p<0.05)而其他生态功能区变化不显著,从阶段变化来看青海省及各生态功能区在2016积雪季后积雪覆盖面积大幅增加,而在2016积雪季前仅柴达木盆地积雪覆盖面积显著减少(p<0.05),其余地区减少趋势不显著。(2)16年来青海省内积雪日数变化存在空间差异性,可可西里内26.8%的面积积雪日数显著增加(p<0.05),而三江源腹部、柴达木盆地东部和祁连山地区西部积雪日数显著减少(p<0.05)。(3)近16年来青海省及各生态功能区积雪覆盖面积与降水显著正相关(r>0.65,p<0.01),与气温显著负相关(r>0.5,p<0.05),其中在青海省、祁连山、可可西里和柴达木盆地的积雪覆盖面积变化主要受降水主导,而三江源和青海湖流域则是由气温和降水共同影响。

利用MOD13Q1产品监测肯尼亚2001—2010年荒漠化动态

使用MODIS MOD13Q1-NDVI数据,通过NDVI累计计算,得到肯尼亚2001年和2010年植被生长状况较好时期的NDVI影像。基于像元二分模型,估算植被盖度。利用植被盖度进行荒漠化评价。结果表明,肯尼亚近10年来生态环境总体趋于改善,荒漠化发展态势并不明显,但荒漠化问题仍然严重。不同程度的荒漠化土地变化趋势不尽相同,轻度荒漠化和重度荒漠化转出面积大于转入面积,呈现减少趋势,非荒漠化和中度荒漠化变化相反,各省区的荒漠化土地变化趋势也不相同。在小范围地区内,使用Landsat-5TM影像进行验证,发现与MODIS数据评价结果相似,但更能详尽的描述重点区域的荒漠化问题。

基于MOD10A1的祁连山黑河流域典型冰川反照率时空变化研究

冰川反照率作为影响辐射收支最为敏感的要素,其波动变化将直接影响冰川能量—物质平衡的变化。利用遥感手段研究冰川反照率特征和时空分布规律,对于估算冰川消融乃至下游河川径流具有重要参考依据。本文以MOD10A1逐日反照率产品和Landsat TM/ETM+影像反照率反演结果为主要数据源,用实测数据进行Landsat TM/ETM+反演反照率和MOD10A1产品反照率的误差分析;进而分析黑河流域典型冰川2000—2018年MOD10A1产品反照率的时空变化特征。结果表明,MOD10A1与自动气象站测得的实测反照率差异较大,但两者随时间的变化趋势一致;MOD10A1与Landsat TM/ETM+反演结果差异较小,在黑河流域冰川反照率的研究中具有较好的适用性。在年际尺度上,4条冰川反照率均呈现微弱的下降趋势,空间尺度上,八一冰川年平均反照率最高,羊龙河五号冰川次之,七一冰川次低,十一冰川最低;消融季冰川反照率羊龙河五号冰川最高,七一冰川次之,八一冰川次低,十一冰川最低。

新的曙光--Mk262 MOD1 5．56mm军用枪弹

2000年前后,美国特种作战司令部（SOCOM）提出研制5．56mm轻型狙击步枪用枪弹的需求,与之相匹配的狙击步枪被称为特殊用途步枪（SPR）,射程大约为370～460m。由于最早所配用的M855弹的“远距离”杀伤性能（精度和创伤效果）较差,用在特殊用途步枪上难以满足军方的需求。

阿玛莱特SPR Mod1组件及步枪

组件特征阿玛莱特SPR Modl组件是针对M4卡宾枪而开发的,以使该枪改头换面,实现性能升级.其由阿玛莱特公司和航空精密公司共同合作完成,其中大部分的设计和加工由航空精密公司承担.整套组件设计精巧,由一体式上机匣、枪管螺母、螺母扳手、皮卡汀尼导轨等组成.

2000-2018年三江源区归一化差植被指数数据集

植被作为陆地生态系统的重要组成部分,其变化可有效反映生态系统的动态变化,但随着气候的不断变化及人类活动的加剧,植被生长受到影响,研究植被的动态变化显得尤为重要。植被动态变化通常用植被指数来衡量,归一化植被指数(Normalized Difference Vegetation Index, NDVI)作为遥感领域中广泛采用的指数,被用于植被的监测、气候变化的分析等。本文应用2000至2018年中分辨率成像光谱仪(MODIS)光谱反射率数据产品(MOD09Q1),计算获得NDVI,采用TIMESAT 3.2软件的S-G滤波方法对NDVI数据进行降噪处理,从而对时间序列进行重构,得到最终本数据产品。该数据集公开共享并提供下载服务,为三江源植被的动态变化研究提供数据支撑。

利用MODIS数据进行积雪检测

积雪是一种重要的地球表层覆盖物,是气象学和水文学中一个非常重要的参数。使用遥感方法能够有效获取大范围的雪盖信息,弥补地面观测资料在空间上的不足。中等分辨率成像光谱仪(MODIS)数据具有高光谱、高空间分辨率、高时间分辨率等特征,越来越多地应用到积雪检测方面。利用MODIS雪盖数据进行雪盖制图,分析了2008年初中国南方的受灾情况,并对雪情进行了分析。结果发现利用MODIS得到的积雪边界线轮廓清晰,对积雪检测非常有效,但由于云的遮蔽可能会使MODIS积雪分布面积出现误差。

基于HDF4文件格式的MODIS 1B影像数据提取的研究与实现

介绍了HDF4文件格式和HDF软件库的实现原理,分析了MODIS1B数据资料。在MODIS1B数据中主要有两种数据对象SDS和Vdata。文中详细介绍了访问SDS和Vdata数据的SD接口和VS接口,并通过调用HDF软件库分别实现了提取MODIS1B数据中SDS数据和Vdata数据。

2001—2015年天山地区草地NDVI时空演变和气候驱动特征分析

草地分布时空特征演变和气候驱动特征研究对草地生态环境评价意义重大。基于2000—2015年MOD13Q1 NDVI数据开展了天山地区近15年NDVI年均状况及其变化趋势的空间制图,以及12种典型草地NDVI年均状况等级及其面积发展趋势的时空统计。根据地面气象站同期日观测数据形成了3—8月≥10℃积温和5月、6月、7月及5—6月累积降水序列并完成了空间制图,与天山地区7月NDVI均值进行相关分析和F检验,得到NDVI水热影响空间特征。结果显示,不同草地类型NDVI差异显著,温性草原化荒漠、温性荒漠和温性草原NDVI集中在[0.2,0.4],低地草甸、高寒草甸、高寒草原、沼泽集中在[0.4,0.7],山地草甸、改良草地和热性灌草丛集中在[0.7,1.0],温性荒漠草原类和温性草甸草原类分别介于[0.4,0.7]和[0.7,1.0]。约44%的区域NDVI呈增加趋势,其中8.3%显著增加;约10.6%的区域NDVI显著下降。山地草甸、温性草甸草原和改良草地及热性灌草丛类的NDVI下降趋势显著,温性草原化荒漠、温性荒漠、低地草甸和沼泽增加趋势显著,其他草地类型变化趋势不显著。不同草地类型水热影响程度差异显著,约41%的区域与降水量呈显著正相关,31%的区域与温度呈显著负相关,说明草地生态系统受气候环境因子影响程度较大。

多源NDVI在玛纳斯河流域荒漠化监测中的应用

为了对玛纳斯河流域荒漠化进行长期准确地监测,在分析MOD13A1-NDVI（归一化植被指数）与同期8 km×8 km AVHRR-NDVI数据的基础上,建立了基于两种不同NDVI数据的荒漠化分级指标体系。利用相应的分类体系进行了流域荒漠绿洲带1982－2008年荒漠化的遥感监测,并结合19892、000和2008年8月Landsat-5/TM数据,分析了3种不同NDVI数据在空间上的差异性,并进一步分析了荒漠化演变的原因。结果表明：（1）同期AVHRR、MOD13A1和Landsat-5/TM监测结果显示出相似的空间差异性,绿洲带北部紧连古尔班通古特沙漠地区植被覆盖稀疏,NDVI较小;南部绿洲灌溉区植被覆盖较好,NDVI整体上较大。植被覆盖具有显著的空间差异性,这与地形因素、水分、热量条件、地貌形态和土壤理化性质等气候环境因子存在联系。（2）近20 a来,绿洲带外围不断向南迅速扩展,由20世纪80年代初的11 200 km^2增加到90年代末的12 672 km^2,增加了1 472 km^2;绿洲带内部以石河子垦区为中心,NDVI呈辐射状逐年线性增加。（3）近8 a来,绿洲内部变化不大,荒漠带中盐渍化土地增加显著,2008年面积为1 906 km^2,较2000年增加了1 712 km^2,东部丘间盆地被开垦耕地面积196 km^2。