Please wait a minute...
img

官方微信

遥感技术与应用  2008, Vol. 23 Issue (3): 333-335    DOI: 10.11873/j.issn.1004-0323.2008.3.333
研究与应用     
基于MODIS数据的大气水汽反演算法研究
代强玲,刘良明,文雄飞
(武汉大学遥感信息工程学院,湖北 武汉 430079)
Research on Water-vapor Retrieving Algorithm Based on MODIS Data
DAI Qiang-ling,LIU Liang-ming,WEN Xiong-fei
(School of Remote Sensing and Information Engineering,Wuhan University,Wuhan 430079,China)
 全文: PDF(514 KB)  
摘要:

水汽是天气变化的主要动力因素之一,同时大气中的水汽含量也是影响遥感应用的主要因素之一。介绍了MODIS近红外二通道比值法和三通道比值法反演大气水汽的思想,对反演算法的过程进行了推导和分析,并结合实例进行了总结和讨论。通过融合已有的两种水汽反演算法,较好地解决了利用NASA文档对水汽加权平均所遇到的问题,取得了较好的实验效果,对降水产品的生产具有一定的实际意义。

关键词: MODIS大气水汽透过率    
Abstract:

Water-vapor in the atmosphere is one of the major factors which affect the weather changing and the application of remote sensing.This paper introduces theories of two-channel and three-channel ratio methods for retrieving water-vapor.Detailed analysis and results are given in this paper.Two retrieving ideas are mixed and a better solution to the weighted average problem is given using the NASA document.Good results are achieved and may have some guidance on precipitation production practically.

Key words: MODIS    Water-vapor    Transmittance
收稿日期: 2008-02-29 出版日期: 2011-10-25
:  TP 79  
基金资助:

国家自然科学基金项目(项目号:40501062)资助。

作者简介: 代强玲(1984-):女,硕士研究生,研究方向为摄影测量与遥感。E-mail:daiqiangling0527@163.com。
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  

引用本文:

代强玲,刘良明,文雄飞. 基于MODIS数据的大气水汽反演算法研究[J]. 遥感技术与应用, 2008, 23(3): 333-335.

DAI Qiang-ling,LIU Liang-ming,WEN Xiong-fei. Research on Water-vapor Retrieving Algorithm Based on MODIS Data. Remote Sensing Technology and Application, 2008, 23(3): 333-335.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2008.3.333        http://www.rsta.ac.cn/CN/Y2008/V23/I3/333

[1] Gao B C,Kaufman Y J.The MODIS Near-IR Water Vapor Algorithm[EB/OL].http://modis-atmos.gsfc.nasa.gov/_docs/atbd_mod03.pdf,2007.
[2] Jiang L P,Qin Z H,Xie W.Retrieving Atmospheric Water Vapor From MODIS Near Infrared Data[J].Remote Sensing for Land & Resources,2006,3:5-9.[姜立鹏,覃志豪,谢雯.针对MODIS近红外数据反演大气水汽含量研究[J].国土资源遥感,2006,3:5-9]
[3] Liu Y J,Yang Z D.The Principle and Arithmetic of MODIS[M].Beijing: Science Press,2001.[刘玉洁,杨忠东.MODIS遥感信息处理原理与算法[M].北京:科学出版社,2001.]
[4] Kaufman Y J,Gao B C.Remote Sensing of Water Vapor in theNear IR from EOS/MODIS [J].IEEE Transaction on Geoscience and Remote Sensing,1992,5(30):871-884.
[5] Mao K B,Qin Z H.Retrieval of Water Content of Atmospherein Bohai Region by MODIS Image[J].Remote Sensing Information,2004,4: 47-49.[毛克彪,覃志豪.用MODIS影像反演环渤海地区的大气水汽含量[J].遥感信息,2004,4: 47-49.]

[1] 金点点,宫兆宁. 基于Landsat 系列数据地表温度反演算法对比分析—以齐齐哈尔市辖区为例[J]. 遥感技术与应用, 2018, 33(5): 830-841.
[2] 冯姣姣,王维真,李净,刘雯雯. 基于BP神经网络的华东地区太阳辐射模拟及时空变化分析[J]. 遥感技术与应用, 2018, 33(5): 881-889.
[3] 汪航,师茁. 基于MODIS时间序列数据的春尺蠖虫害遥感监测方法研究—以新疆巴楚胡杨为例[J]. 遥感技术与应用, 2018, 33(4): 686-695.
[4] 拉巴卓玛,次珍. 2002~2015年西藏雅鲁藏布江流域积雪变化及影响因子分析研究[J]. 遥感技术与应用, 2018, 33(3): 508-519.
[5] 张帅,师春香,梁晓,贾炳浩,吴捷. 风云三号积雪覆盖产品评估[J]. 遥感技术与应用, 2018, 33(1): 35-46.
[6] 孙晓,吴孟泉,何福红,张安定,赵德恒,李勃 . 2015年黄海海域浒苔时空分布及台风“灿鸿”影响研究[J]. 遥感技术与应用, 2017, 32(5): 921-930.
[7] 黎微微,胡斯勒图,陈洪滨,尚华哲. 利用MODIS资料计算不同云天条件下的地表太阳辐射[J]. 遥感技术与应用, 2017, 32(4): 643-650.
[8] 姜涛,朱文泉,詹培,唐珂,崔雪锋,张天一. 一种抗时序数据噪声的冬小麦识别方法研究[J]. 遥感技术与应用, 2017, 32(4): 698-708.
[9] 许青云,顾伟伟,谢涛,刘锐. 秸秆焚烧火点遥感监测算法实现[J]. 遥感技术与应用, 2017, 32(4): 728-733.
[10] 唐志光,王建,王欣,彭焕华,梁继. 近15年天山地区积雪时空变化遥感研究[J]. 遥感技术与应用, 2017, 32(3): 556-563.
[11] 杨建卫,赵凯,李晓峰,郑兴明,姜涛,李雷. 林下枯枝落叶层双频段微波辐射衰减特性研究与分析[J]. 遥感技术与应用, 2017, 32(2): 255-261.
[12] 葛美香,赵军,仲波,杨爱霞. FY-3/VIRR及MERSI与EOS/MODIS植被指数比较与差异原因分析[J]. 遥感技术与应用, 2017, 32(2): 262-273.
[13] 杨志刚,达娃,除多. 近15 a青藏高原积雪覆盖时空变化分析[J]. 遥感技术与应用, 2017, 32(1): 27-36.
[14] 于小淇,邱玉宝,阮永俭,石利娟,拉巴卓玛. 高亚洲地区无云积雪遥感二值产品对比和精度验证分析[J]. 遥感技术与应用, 2017, 32(1): 37-48.
[15] 邵东航,李弘毅,王建,郝晓华,王润科,马媛. 基于多源遥感数据的积雪反照率反演研究[J]. 遥感技术与应用, 2017, 32(1): 71-77.