搜索结果: 1-13 共查到“Sentinel-1A”相关记录13条 . 查询时间(0.054 秒)
RSE: 基于理论散射模型的区域尺度Sentinel-1A卫星观测模拟与半经验水云模型标定方法研究（图）
理论散射模型 区域尺度 Sentinel-1A卫星观测模拟 半经验水云模型标定方法
2023/1/16
土壤水分及其冻融变化在控制陆气间水热交换方面发挥着非常关键的作用，尤其是在青藏高原的寒区。合成孔径雷达（SAR）具有高空间分辨率以及对土壤水分高敏感性等特点，是当前获取区域尺度高分辨率土壤水分及冻融变化产品最重要的手段。如何在区域尺度上对微波散射模型进行有效标定，准确模拟卫星观测的后向散射系数，对于提升基于SAR的土壤水分及冻融变化反演精度具有重要意义。
多时相InSAR技术具有探测大范围毫米级地表形变的能力，已被广泛应用于地面沉降监测。近几年，应用多时相InSAR技术监测以高铁为代表的大尺度人造线状地物形变备受关注。本文将C波段SAR数据用于高铁沿线路基形变监测，应用相位稳定性分析和改进的StaMPS技术来增加相干性点的密度和形变参数解算的稳定性。采用研究区时间跨度为21个月的47景Sentinel-1A数据，对连（云港）盐（城）高铁及其沿线区域...
基于Sentinel-1A微波遥感数据的森林蓄积量估测
Sentinel-1A 森林蓄积量 微波遥感数据 纹理特征 随机森林法 偏最小二乘法 估测
2021/7/13
Sentinel-1A作为开源的集微波和光学数据一体的卫星数据源,给森林资源调查和监测提供了重要的数据源。为了探索Sentinel-1A数据在森林资源调查中的可用性,以Sentinel-1A为遥感数据源,结合地面样地森林蓄积量调查数据,采用随机森林法和偏最小二乘法两种模型对云南省普洱市思茅区的森林蓄积量进行预测以及遥感反演。通过对遥感影像进行一系列预处理,提取微波遥感数据VV和VH极化下的后向散射...
基于Sentinel-1A数据的多种机器学习算法识别冰山的比较
冰山 机器学习 Sentinel-1A SAR
2020/6/16
冰山识别对于海洋环境监测和船只安全运行等具有重要的意义，是北极航道开通和北极开发过程中的重要内容。采用合成孔径雷达（SAR）影像进行冰山识别具有独特的优势，多种机器学习算法均可用于SAR影像的冰山识别中。
基于Sentinel-1A雷达影像的思茅松林蓄积量估测
森林蓄积量 Sentinel鄄1A 随机森林 纹理 特征选择 思茅松
2019/9/19
探讨C波段雷达影像估测森林蓄积量的应用潜力，建立思茅松林蓄积量遥感估测模型，为利用遥感技术快速、准确、大面积的估测森林蓄积量提供参考。以云南省普洱市思茅区思茅松林为研究对象，采用C波段双极化合成孔径雷达Sentinel-1A影像为数据源，提取影像不同极化方式下的后向散射系数。
HIGH-RESOLUTION ENHANCED PRODUCT BASED ON SMAP ACTIVE-PASSIVE APPROACH USING SENTINEL 1A AND 1B SAR DATA
soil moisture microwave remote sensing active-passive algorithm SMAP Sentinel-1A -1B
2019/2/27
SMAP project released a new enhanced high-resolution (3km) soil moisture active-passive product. This product is obtained by combining the SMAP radiometer data and the Sentinel-1A and -1B Synthetic Ap...
ATMOSPHERIC PHASE DELAY CORRECTION OF D-INSAR BASED ON SENTINEL-1A
Atmospheric Phase Sentinel-1A, D-InSAR Tropospheric Delay Maps GACOS Subsidence Monitoring Yellow River Delta
2018/5/14
In this paper, we used the Generic Atmospheric Correction Online Service for InSAR (GACOS) tropospheric delay maps to correct the atmospheric phase delay of the differential interferometric synthetic ...
THE RESEARCH ON DRYLAND CROP CLASSIFICATION BASED ON THE FUSION OF SENTINEL-1A SAR AND OPTICAL IMAGES
Crop Classification Fusion Sentinel-1A Synthetic Aperture Radar Object-Oriented Technique
2018/5/15
In recent years, the quick upgrading and improvement of SAR sensors provide beneficial complements for the traditional optical remote sensing in the aspects of theory, technology and data. In this pap...
文中以Sentinel-1A升、降轨为数据源，利用"二轨法"获取门源地震的同震形变场，结果显示门源地震以抬升形变为主，其抬升形变值明显大于沉降形变值，升、降轨抬升区最大视线向形变分别为6cm、8cm。同时基于Okada位错模型，构建不同倾向断层模型，以升、降轨形变场数据为约束联合反演得到此次地震的断层滑动分布及震源参数，最佳断层模型参数分别为：倾角43°，走向128°，平均滑动角85°，最大滑动量...
RICE CROP MAPPING USING SENTINEL-1A PHENOLOGICAL METRICS
Sentinel-1A crop phenology rice crop mapping Mekong Delta
2016/12/1
Rice is the most important food crop in Vietnam, providing food more than 90 million people and is considered as an essential source of income for majority of rural populations. Monitoring rice-growin...
POTENTIAL OF SENTINEL-1A FOR NATION-WIDE ROUTINE UPDATES OF ACTIVE LANDSLIDE MAPS
Landslide activity Public authorities SAR Interferometry Landslide inventory map Sentinel-1A
2016/11/24
Slope deformation is one of the typical geohazards that causes an extensive economic damage in mountainous regions. As such, they are usually intensively monitored by means of modern expertise commonl...
中国科学院测量与地球物理研究所利用Sentinel-1A卫星InSAR数据获取意大利佩鲁贾地震的同震干涉图（图）
中国科学院测量与地球物理研究所 Sentinel-1A卫星InSAR数据 意大利佩鲁贾地震 同震干涉图
2016/8/30
北京时间2016年8月24日9时36分（UTC: 2016-08-24 01:36:33），在意大利中部城市佩鲁贾附近发生Mw 6.2地震（42.714°N，13.172°E），震源深度10.0 km（USGS）。震后约1小时，于2016年8月24日10时33分翁布里亚大区（42.822°N 13.126°E）又发生Mw5.5地震，震源深度10.0 km（USGS）。意大利中部地区阿...
2014年8月24日,在美国加州旧金山海湾北部的纳帕地区发生了MW6.1地震.发震断层是西纳帕断裂系统中的一部分,但是该断层之前并未被足够重视.本文利用欧洲空间局最近发射成功并刚刚投入使用的Sentinel-1A卫星获取的第一对同震干涉像对(20140807-20140831),得到了该地震的地表同震形变场,结合震后24 h内区域GPS同震形变资料作为约束条件,反演了纳帕地震的断层几何参数以及滑动...