For this study, the temperature window in the Threshold Window filteri的简体中文翻译

For this study, the temperature win

For this study, the temperature window in the Threshold Window filtering algorithm was set at±3.5 ◦C to account for the MODIS LST accuracy of ~1 ◦C (1 σ), any variations in emissivity of different types of rocks, and effects of local topographic features that cannot be resolved at the spatial resolution of MODIS LST data. Many but not all mixed pixels of soil and snow will be filtered out with this setting. Adjusting the size of the Threshold Window decreases or increases the number of data points to be counted as part of a zero curtain, decreasing or increasing false negatives or false positives, but a better approach might be to reduce the pixel size. For example, horizontal changes in the extent of permafrost in Tibet Plateau can be estimated to ~460–920 m in 30 years after accounting for the maximum vertical change of permafrost base during the same period (80 m [56,57]) and the average slope of the interiorof the plateau (~5–10◦ [58]). The threshold window algorithm cannot capture changes at such a 100 m scale due to the relatively low resolution of the MODIS LST data. This limitation might be overcome by using ASTER data, with its higher spatial resolution than MODIS, but repeat acquisitions of ASTER images are too infrequent. A compromise may be possible with data fusion: Surface compositions can be mapped using the 15-m pixel−1 visible and 30-m pixel−1 near-infrared data while variations in the surface emissivity can be resolved from the 90-m pixel−1 ASTER products (Figure 11). With this information and the daily LST, it may be possible to generate the higher 90-m spatial resolution of the ASTER surface temperature product using the STARFM algorithm [59]. Data fusion might also be used with the high spatial but irregular and temporal resolution data of ECOSTRESS (Table 2). However, to monitor subtle changes in permafrost extent in the future, we likely will need data with both high spatial and high temporal resolution
0/5000
源语言: -
目标语言: -
结果 (简体中文) 1: [复制]
复制成功!
在本研究中,“阈值窗口”过滤算法中的温度窗口设置为<br>±3.5ºC可解决MODIS LST精度约1ºC(1σ),不同类型岩石的发射率的任何变化以及在MODIS LST数据的空间分辨率下无法解决的局部地形特征的影响。使用此设置将滤除许多但并非全部的土壤和雪的混合像素。调整阈值窗口的大小会减少或增加要算作零帘的一部分的数据点的数量,从而减少或增加假阴性或假阳性的数量,但更好的方法可能是减小像素大小。例如,考虑到同一时期多年冻土基数的最大垂直变化(80 m [56,57]),而在同一时期,青藏高原多年冻土范围的水平变化估计为〜460–920 m。内部平均坡度<br>高原(〜5–10◦ [58])。由于MODIS LST数据的分辨率相对较低,阈值窗口算法无法捕获这种100 m的变化。可以通过使用空间分辨率高于MODIS的ASTER数据来克服此限制,但是很少会重复获取ASTER图像。数据融合可能会造成折衷:可以使用15 m像素-1的可见光和30 m像素-1的近红外数据来映射表面成分,而表面发射率的变化可以从90 m像素-来解决。 1 ASTER产品(图11)。利用这些信息和每日的LST,可以使用STARFM算法[59]来生成ASTER表面温度乘积的90-m较高的空间分辨率。数据融合还可以与ECOSTRESS的高空间但不规则和时间分辨率的数据一起使用(表2)。但是,为了将来监视多年冻土范围的细微变化,我们可能需要具有高空间分辨率和高时间分辨率的数据
正在翻译中..
结果 (简体中文) 2:[复制]
复制成功!
在本研究中,阈值窗口过滤算法中的温度窗口设置为<br>±3.5 ±C,用于考虑 MODIS LST 精度 ±1 ±C (1 °)、不同类型的岩石发射率的任何变化,以及 MODIS LST 数据空间分辨率无法解决的局部地形特征的影响。许多但不是所有的混合像素的土壤和雪将被过滤出与此设置。调整阈值窗口的大小会减小或增加要计数为零窗帘的数据点数,减少或增加假底数或误报,但更好的方法可能是减小像素大小。例如,在考虑到同期冻土基的最大垂直变化(80米[56,57])和内部平均坡度后,估计30年内冻土范围的水平变化为460~920米。<br>高原(±5~10°[58])。由于 MODIS LST 数据的分辨率相对较低,阈值窗口算法无法捕获此类 100 m 刻度的更改。通过使用 ASTER 数据,其空间分辨率可能高于 MODIS,可以克服此限制,但重复采集 ASTER 图像太频繁了。数据融合可能达成妥协:可以使用 15m 像素×1 可见和 30m 像素+1 近红外数据映射曲面合成,同时可以从 90m 像素+1 ASTER 产品解析表面发射率的变化(图 11)。有了这些信息和每日LST,可以使用STARFM算法[59]生成更高的ASTER表面温度产物90米空间分辨率。数据融合也可与ECOSTRESS的高空间但不规则和时间分辨率数据一起使用(表2)。然而,为了监测未来永久冻土范围的细微变化,我们可能需要具有高空间和高时间分辨率的数据
正在翻译中..
结果 (简体中文) 3:[复制]
复制成功!
在本研究中,阈值窗口过滤算法中的温度窗口设置为<br>±3.5°C,以说明MODIS LST精度约为1°C(1σ),不同类型岩石的发射率的任何变化,以及MODIS LST数据空间分辨率无法解决的局部地形特征的影响。使用此设置将过滤掉土壤和雪的许多但不是所有混合像素。调整阈值窗口的大小可以减少或增加作为零幕的一部分计数的数据点的数量,减少或增加假阴性或假阳性,但更好的方法可能是减小像素大小。以青藏高原多年冻土范围为例,考虑到多年冻土基底在同一时期的最大垂直变化(80m[56,57])和内部平均坡度,30年内,青藏高原多年冻土范围的水平变化约为460~920 m<br>在高原上(~5-10°[58])。由于MODIS-LST数据的分辨率相对较低,阈值窗口算法无法捕捉这样100米尺度的变化。利用ASTER数据可以克服这一局限性,ASTER数据的空间分辨率比MODIS数据高,但重复获取ASTER图像的频率太低。数据融合可能会有一个折衷方案:可以使用15-m像素-1可见光和30-m像素-1近红外数据来映射表面成分,同时可以从90-m像素-1 ASTER产品中解决表面发射率的变化(图11)。有了这些信息和每日LST,可以使用STARFM算法生成ASTER表面温度产品的更高90 m空间分辨率[59]。数据融合也可用于高空间分辨率但不规则和时间分辨率的生态应力数据(表2)。然而,为了监测未来多年冻土范围的细微变化,我们可能需要高时空分辨率的数据<br>
正在翻译中..
 
其它语言
本翻译工具支持: 世界语, 丹麦语, 乌克兰语, 乌兹别克语, 乌尔都语, 亚美尼亚语, 伊博语, 俄语, 保加利亚语, 信德语, 修纳语, 僧伽罗语, 克林贡语, 克罗地亚语, 冰岛语, 加利西亚语, 加泰罗尼亚语, 匈牙利语, 南非祖鲁语, 南非科萨语, 卡纳达语, 卢旺达语, 卢森堡语, 印地语, 印尼巽他语, 印尼爪哇语, 印尼语, 古吉拉特语, 吉尔吉斯语, 哈萨克语, 土库曼语, 土耳其语, 塔吉克语, 塞尔维亚语, 塞索托语, 夏威夷语, 奥利亚语, 威尔士语, 孟加拉语, 宿务语, 尼泊尔语, 巴斯克语, 布尔语(南非荷兰语), 希伯来语, 希腊语, 库尔德语, 弗里西语, 德语, 意大利语, 意第绪语, 拉丁语, 拉脱维亚语, 挪威语, 捷克语, 斯洛伐克语, 斯洛文尼亚语, 斯瓦希里语, 旁遮普语, 日语, 普什图语, 格鲁吉亚语, 毛利语, 法语, 波兰语, 波斯尼亚语, 波斯语, 泰卢固语, 泰米尔语, 泰语, 海地克里奥尔语, 爱尔兰语, 爱沙尼亚语, 瑞典语, 白俄罗斯语, 科西嘉语, 立陶宛语, 简体中文, 索马里语, 繁体中文, 约鲁巴语, 维吾尔语, 缅甸语, 罗马尼亚语, 老挝语, 自动识别, 芬兰语, 苏格兰盖尔语, 苗语, 英语, 荷兰语, 菲律宾语, 萨摩亚语, 葡萄牙语, 蒙古语, 西班牙语, 豪萨语, 越南语, 阿塞拜疆语, 阿姆哈拉语, 阿尔巴尼亚语, 阿拉伯语, 鞑靼语, 韩语, 马其顿语, 马尔加什语, 马拉地语, 马拉雅拉姆语, 马来语, 马耳他语, 高棉语, 齐切瓦语, 等语言的翻译.

Copyright ©2024 I Love Translation. All reserved.

E-mail: