一种利用多源测高卫星数据融合获取高时间分辨率内陆水位的新方法:以五大湖和密西西比河为例
编号:3512
访问权限:仅限参会人
更新:2024-04-13 20:48:21 浏览:326次
口头报告
摘要
测高卫星确定的轨道和重访周期限制了其时空分辨率,为了获取高时间分辨率的内陆水位时间序列,需要融合多颗测高卫星数据。本研究提出了一种基于Kalman 滤波的融合多源测高数据获取高时间分辨率内陆水位的新方法,利用不同卫星观测水位的偏差动态精确确定了Kalman 滤波中状态噪声协方差和观测噪声协方差。结果表明,在五大湖地区, Kalman 滤波融合水位的RMSE较原始卫星水位最大降低了60.56%,RMSE介于0.057-0.174 m之间,与DAHITI和Hydroweb精度相当。在密西西比河下游地区,融合水位RMSE最大降低了41.66%。此外,新方法获得的水位时间分辨率大幅提高,两次水位的平均间隔最低仅为3.5天,远高于任何一颗卫星。总的来说,新方法可以有效提高水位时间序列精度,弥补单个卫星的时间分辨率低的缺点。
发表评论