Merging daily sea surface temperature data from multiple satellites using a Bayesian maximum entropy method

查看全文 作　　者：Shaolei [1,2]TANG;Xiaofeng [1]YANG;Di [1,2]DONG;Ziwei [1]LI

机构地区：[1]State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China;[2]University of Chinese Academy of Sciences, Beijing 100049, China

出　　处：《Frontiers of Earth Science》索引2015年第9卷第4期,共10页

基　　金：This study was supported by the National Natural Science Foundation of China (Grant Nos. 41201350 and 41371355). We sincerely thank the University of North Carolina Bayesian Maximum Entropy (UNC-BME) laboratory at the UNC at Chapel Hill for supplying the BME codes. 摘　　要：海表面温度(SST ) 是为理解在海洋和空气之间的相互作用的一个重要变量。SST 熔化为获得高空间的分辨率和范围的 SST 产品是关键的。这研究介绍贝叶斯的最大的熵(BME ) 为从多重卫星传感器混合每日的 SST 的方法。一块 SST 地的一个新空间与时间的协变性模型被造集成不仅单个天的 SST 而且时间邻近的 SST。另外, AVHRR 30 年的 SST 气候学数据在评价点作为软数据被介绍在 BME 框架以内改进混合结果的精确性。与 4 km 的空间分辨率和 24 个小时的时间的分辨率,合并 SST 在西方的太平洋区域被生产表明并且评估建议方法论。比较与在合并 SST 是精确的 situ 漂流浮标观察表演和偏爱和 root-mean-square,为比较的错误是 0. 关键词：最大熵方法卫星传感器数据合并海面温度贝叶斯高空间分辨率时间分辨率西太平洋地区

相关文献

参考文献（33）
引证文献（1）
耦合文献（6）

参考文献(33)

引证文献(1)

耦合文献(6)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

Merging daily sea surface temperature data from multiple satellites using a Bayesian maximum entropy method

参考文献(33)

引证文献(1)

耦合文献(6)

用户提示