毕业论文课题相关文献综述
积雪覆盖范围提取的研究方法 国内外利用MODIS数据在积雪监测等领域进行了大量的科研工作, 目前雪盖提取的研究主要以雪盖指数法、亮度阈值法[8]为主, 为了提高混合像元积雪识别的精度， 一些学者还提出了混合像元分解法[9]、人工神经网络[10]等方法。
Liang等[11,12]研究表明:雪盖指数法提取积雪参数的自动化程度高、计算简单, 而且可以消除地形的影响, 生成的MODIS雪盖产品在无云条件下积雪识别精度较高, 然而, 由于降雪时常伴随多云天气, 无法使用光学传感器及时获得雪情信息, 使得积雪监测受到天气的限制。
为了去除云的干扰、填补云覆盖造成的空白区, Hall等[13]发展了一种多时相替换法获取MODIS每日的无云积雪产品, 并利用同化实验进行精度验证。
积雪储量反演算法Chang等[14]提出积雪深度静态反演算法，采用辐射传输模型模拟结果与地面站点观测数据做线性回归分析，最终得到积雪深度与18GHz和36GHz水平极化亮温差之间的线性关系式。
Aschbacher[15]提出的SPD(Spectral Polarization Difference)算法也是基于量梯度遂提出的积雪深度反演算法。
其他研究者对SPD算法也做了相关的研究工作。
由于森林、水体、高程、地形等对积雪属性的变化产生影响，在提出仅使用被动微波亮温数据的积雪深度反演算法后，其后又有众多研究者对该算法做了很多的验证和改进工作，形成了基于森林覆盖率、下垫面类型等参数修订的积雪深度静态反演算法。
Foster等[16]对Chang算法做了修订，认为在不同的地区雪深反演算法不应是一样的，故引入植被覆盖度参数来修订反演算法提高积雪深度的反演精度，随后 Foster 等[17]又将积雪分类数据与地表覆盖类型数据引入到积雪反演中，并改进了雪水当量反演方法。
针对 AMSR-E 被动微波数据有研究者在 Chang 算法基础上提出了改进的积雪深度反演算法，该算法考虑了森林覆盖度及湿雪对积雪估算的影响[18, 19]。
为了能够更加准确地描述微波在积雪内传输特征，目前建立了多种微波积雪模型。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
