导读:本文包含了光学厚度论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:气溶胶,厚度,光学,深蓝,角膜,高分,算法。
光学厚度论文文献综述
陈纹锋,郑有飞,王立稳,郑倩,林彤[1]（2019）在《基于DARDAR数据的中国地区不同光学厚度下冰云特性分析》一文中研究指出利用CALIPSO和Cloud Sat协同反演产品DARDAR四年数据,分析了中国地区各种光学厚度冰云的发生概率,水平和垂直方向的分布规律,季节变化及微物理特性差异。结果表明:我国冰云特性不仅有明显区域和季节变化特征,还与不同光学厚度所定义的冰云类型有关。中国区域主要发生薄冰云(0.03<τ<0. 3)和不透明冰云(0. 3<τ<3)较多,发生率高值区均在青藏高原地区。除不可见冰云(τ<0. 03)外,其余类型冰云的主要发生高度会随着光学厚度的增加而降低。不同类型冰云的季节变化并不明显,但是夏季更容易出现有利于光学较厚(τ>3)冰云发生的条件。微物理特性方面,冰水含量明显随冰云类型的变化而变化,而冰云有效粒子半径与高度的关系比与光学厚度的关系更为密切。全国冰云特征的平均数值并不能代表区域内的冰云特性,由光学厚度定义的不同种类冰云的具体分析极为重要。(本文来源于《高原气象》期刊2019年06期）
杨越,陈健,崔嘉文[2]（2019）在《基于天宫二号宽波段成像仪数据的气溶胶光学厚度遥感反演研究》一文中研究指出为探究天宫二号数据用于空气溶胶光学厚度(AOD)反演的可行性,基于天宫二号宽波段成像仪数据,结合MOD09A1地表反射率产品,利用深蓝算法进行了黄河叁角洲上AOD的遥感反演,并与Himawari-8 AOD产品进行了对比。结果表明:天宫二号宽波段成像仪数据可用于AOD反演,与同时期Himawari-8产品的拟合度为0.739,两者具有一致的空间分布;天宫二号宽波段成像仪获取的数据空间分辨率较高,能反映研究区AOD空间分布细节,在气溶胶监测方面有较大的潜力。(本文来源于《载人航天》期刊2019年06期）
刘状,石晨烈,张萌,高志远,祝新明[3]（2019）在《基于聚类分析的气溶胶光学厚度时间变化特征研究》一文中研究指出利用2008年3月~2018年2月中分辨率成像光谱仪(Moderate resolution imaging spectroradiometer,MODIS) MOD08M3遥感反演气溶胶光学厚度(Aerosol optical depth,AOD)产品数据,结合K-means聚类分析方法,对中国中部和东部的气溶胶光学厚度时间序列进行分析.结果表明:1)从像元尺度分析气溶胶光学厚度的时间序列变化特征,避免了规律混杂问题,得到了准确的变化规律和波动尺度.2)在年际间变化尺度上得到4个分区结果,AOD长期变化情况受人口分布的因素影响较大.3)在季节间变化尺度上得到9种变化类型区,分别是:华北平原区、长江中下游区、高原山脉区、云贵区、兰州-银川-阿拉善盟区、四川盆地区、关中陕南区、两广-湖南南部-江西南部区、东南沿海区,同时由一些变化分区的地理位置得到了该区AOD季节性波动的主导影响因素.这些结果有助于研究AOD时间序列的准确变化和东部地区的气候环境.(本文来源于《大气与环境光学学报》期刊2019年06期）
谢一凇,李正强,侯伟真,张洋,伽丽丽[4]（2019）在《高分五号卫星多角度偏振成像仪细粒子气溶胶光学厚度遥感反演》一文中研究指出细粒子气溶胶是大气污染关键成分,迫切需要发展大范围、高精度的细粒子气溶胶遥感监测技术。基于我国2018年5月发射的高分五号卫星上搭载的多角度偏振成像仪(DPC),开展了细粒子气溶胶光学厚度(AODf)遥感反演研究。介绍了偏振卫星反演AODf的主要原理和算法,基于2018年11月23日—30日的卫星数据反演获得了首幅高分辨率(3.3km)全球陆地上空AODf空间分布图,并利用太阳-天空辐射计数据进行了地面同步验证。反演结果显示:AODf空间分布与人为活动、生物质燃烧排放强度等因素相关,高值主要分布在印度、中国中东部及非洲中部等地区。与法国POLDER传感器AODf产品的长时间跨度对比显示,近年来中国地区细粒子气溶胶含量整体有所下降,并且DPC的高分辨率优势可有效支持区域污染精细管控、重点城市污染传输通道监测等环保业务的需求。(本文来源于《上海航天》期刊2019年S2期）
胡俊,钟珂,亢燕铭,陈勇航,杨凤娟[5]（2019）在《新疆典型城市气溶胶光学厚度变化特征》一文中研究指出利用2006～2017年Aqua-MODIS C006气溶胶日产品数据,选取新疆地区11个代表性城市进行分类,分析典型城市的AOD近12a变化趋势及特征.结果表明:2006～2017年间,除乌鲁木齐市AOD小幅度上升外,其余10个城市AOD均出现不同程度下降,北疆城市年均降幅较小,吐鲁番市12a间AOD下降了0.13,为哈密、焉耆等同纬度城市群中的最大降幅,南疆城市AOD年均降幅最为显着,阿克苏、喀什、和田和若羌地区AOD分别下降了0.18、0.16、0.16和0.09;AOD空间分布上,南疆为AOD峰值中心,年均值达0.50以上,北疆和东疆地区AOD年均值维持在0.20～0.22;同时,AOD具有典型的季节变化特征,春季为AOD峰值季节,夏季次之,秋、冬季AOD较低;此外,12a间新疆全区AOD出现不同程度降低,其中南疆沙尘源区为AOD下降的典型区域,减少区域呈现出沿昆仑山脉自南向北的带状分布.(本文来源于《中国环境科学》期刊2019年10期）
薛兴盛,郑硕,白杨,吴艳兰[6]（2019）在《徐州市GF-1卫星气溶胶光学厚度反演与空间特征分析》一文中研究指出目前,基于国内外发射的各种卫星传感器观测数据的陆地气溶胶光学厚度(AOD)反演方法与应用研究已相对成熟。然而,针对我国国产高空间分辨率(如高分一号)卫星数据的城市小区域尺度的反演与应用则相对较少。因此,选择使用深蓝算法对我国重要的工业型城市——徐州市进行国产GF-1 WFV数据AOD反演与空间特征分析,并利用地基AERONET同期数据进行反演结果验证。研究结果显示,2015—2017年6期的徐州市AOD整体空间格局稳定,均以人口聚集的城区呈高值分布为特征,不随季节变化,说明该地区空气污染源极可能以城市人为排放为主;与AERONET站点同期数据的相关性分析与时序分析结果表明,基于GF-1WFV高空间分辨率卫星数据的徐州市AOD反演结果质量良好。建议今后在大数据支撑下,应充分利用时空数据融合及机器学习等先进技术手段,弥补受云覆盖影响下单时间窗口GF-1卫星数据AOD反演的缺陷,以期达到国产高分卫星的更高时间、更高空间分辨率以及实时监测与预测的更高业务目标。(本文来源于《安徽农业大学学报》期刊2019年04期）
王烽,邵毅,闵幼兰,杨林,吴威[7]（2019）在《光学相干断层扫描血管造影在翼状胬肉患者角膜厚度测量中的应用》一文中研究指出目的通过光学相干断层扫描血管造影(optical coherence tomography angiography,OCTA)技术检测翼状胬肉患者翼状胬肉周边角膜各区域厚度及上皮厚度的变化。方法选取翼状胬肉女性患者(右眼,翼状胬肉组)和正常女性(右眼,正常组)各44人。用OCTA技术分别对翼状胬肉组和正常组角膜各区域全层厚度及上皮厚度进行测量。对角膜进行25分区,中央区(M2)为角膜中央2 mm区域,内环、中环、外环直径范围分别为距角膜中央5 mm、7 mm和9 mm。将角膜的内环、中环和外环的每个区域划分为下方(I)、颞下(IT)、颞侧(T)、颞上(ST)、上(S)、鼻上(SN)、鼻侧(N)以及鼻下(IN)8个方位。翼状胬肉组各区域(除翼状胬肉区域SN、N、IN区外)与正常组角膜对应区域全层厚度及上皮厚度进行两两比较。结果翼状胬肉组角膜的上方(S5、S7、S9区),下方(I5、I7、I9区)角膜全层及上皮厚度均较正常组角膜厚(均为P<0.05),中央区及其他区域角膜全层厚度差异均无统计学意义(均为P>0.05)。角膜的S5、S7、S9区为翼状胬肉组各环中角膜上皮所占角膜总厚度比例最大的区域,角膜的IT5、IT7、IT9区为所占比例最小的区域。IT5、T7、T9区为正常组各环角膜上皮所占角膜总厚度比例最大的区域,S5、S7、S9区为所占比例最小的区域。中央区(M2)角膜上皮占各角膜全层厚度的比例最大,从内到外逐渐下降。结论 OCTA技术可以发现翼状胬肉患者上下方角膜厚度和角膜上皮厚度明显增厚。(本文来源于《眼科新进展》期刊2019年10期）
周碧,廖玉芳,韩沁哲,高霞霞,段丽洁[8]（2019）在《基于HJ-1卫星数据反演长沙市气溶胶光学厚度》一文中研究指出利用HJ-1卫星可见光相机(CCD)和红外相机(IRS)数据,采用扩展暗像元法,经过辐射定标、像元提取、云像元剔除、6S辐射传输模式查算等过程,反演了长沙市气溶胶光学厚度(AOD)。结果表明,长沙市AOD分布河东高于河西,市区及周边大部分地区在0.7以上,但也存在典型低值区,远郊大部分地区AOD分布在0.3～0.5。AOD分布的3处典型高值区分别为望城区湘江北路与湘江之间的霞凝港学校-新塘冲-长塘(AOD为1.4～1.6)、四方坪立交桥与鸭子铺路之间的区域(AOD为1.3～1.5)、雨花区长沙火车南站北侧区域(AOD为1.5～1.8);3处典型低值区分别为岳麓区岳麓山-梅溪湖-桃花林公园、谷山林场、雨花区湖南省林业厅-湖南省林业科技示范园-天际岭公园-湖南省植物园。将AOD与观测得到的PM10、PM2.5浓度进行对比发现,AOD分布与PM10浓度分布具有较好的一致性。(本文来源于《湖北农业科学》期刊2019年17期）
陈静[9]（2019）在《基于MODIS气溶胶光学厚度的上海市PM_(2.5)时空分布特征研究》一文中研究指出卫星遥感数据由于其空间覆盖广、成本低,卫星遥感反演气溶胶光学厚度产品被普遍认为是地面PM_(2.5)浓度的重要指标,且已被广泛地应用于地面PM_(2.5)监测。本文对上海市空气质量地面监测站点的PM_(2.5)浓度数据及卫星遥感气溶胶光学厚度数据进行回归分析,并对整个上海地区进行PM_(2.5)空间插值及时空分布特征分析,结果表明,距离中心城区一定范围外的带状区域是PM_(2.5)的分布高值区,而且冬季PM_(2.5)浓度明显高于夏季。因此,当下上海地区应当重点加强冬季与带状区域的PM_(2.5)浓度值的监测。(本文来源于《城市勘测》期刊2019年04期）
张超,叶松,汪杰君,李树,王新强[10]（2019）在《桂林气溶胶光学厚度与PM_(2.5)关系特性》一文中研究指出利用2017年9月—2018年8月桂林市CE-318太阳光度计观测资料,分析桂林地区气溶胶光学厚度(AOD)的时间变化特征,并结合大气悬浮颗粒物(PM_(2.5)、PM_(10))进行对比分析。结果表明:桂林AOD日变化以早低晚高为主,通常上午持续上升,中午13:00左右到达小高峰,在17:00左右继续上升。AOD最大月均值出现在2018年1月(0.649),最小月均值出现在2018年7月(0.358),全年均值为0.504。AOD季节平均值特征表现为春季(0.552)>冬季(0.532)>秋季(0.494)>夏季(0.440)。相比于PM_(10),PM_(2.5)与AOD的相关性更好,且各波段AOD与PM_(2.5)的相关性随着波长的减小而增强。(本文来源于《《环境工程》2019年全国学术年会论文集（中册）》期刊2019-08-30）
光学厚度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为探究天宫二号数据用于空气溶胶光学厚度(AOD)反演的可行性,基于天宫二号宽波段成像仪数据,结合MOD09A1地表反射率产品,利用深蓝算法进行了黄河叁角洲上AOD的遥感反演,并与Himawari-8 AOD产品进行了对比。结果表明:天宫二号宽波段成像仪数据可用于AOD反演,与同时期Himawari-8产品的拟合度为0.739,两者具有一致的空间分布;天宫二号宽波段成像仪获取的数据空间分辨率较高,能反映研究区AOD空间分布细节,在气溶胶监测方面有较大的潜力。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
光学厚度论文参考文献
[1].陈纹锋,郑有飞,王立稳,郑倩,林彤.基于DARDAR数据的中国地区不同光学厚度下冰云特性分析[J].高原气象.2019
[2].杨越,陈健,崔嘉文.基于天宫二号宽波段成像仪数据的气溶胶光学厚度遥感反演研究[J].载人航天.2019
[3].刘状,石晨烈,张萌,高志远,祝新明.基于聚类分析的气溶胶光学厚度时间变化特征研究[J].大气与环境光学学报.2019
[4].谢一凇,李正强,侯伟真,张洋,伽丽丽.高分五号卫星多角度偏振成像仪细粒子气溶胶光学厚度遥感反演[J].上海航天.2019
[5].胡俊,钟珂,亢燕铭,陈勇航,杨凤娟.新疆典型城市气溶胶光学厚度变化特征[J].中国环境科学.2019
[6].薛兴盛,郑硕,白杨,吴艳兰.徐州市GF-1卫星气溶胶光学厚度反演与空间特征分析[J].安徽农业大学学报.2019
[7].王烽,邵毅,闵幼兰,杨林,吴威.光学相干断层扫描血管造影在翼状胬肉患者角膜厚度测量中的应用[J].眼科新进展.2019
[8].周碧,廖玉芳,韩沁哲,高霞霞,段丽洁.基于HJ-1卫星数据反演长沙市气溶胶光学厚度[J].湖北农业科学.2019
[9].陈静.基于MODIS气溶胶光学厚度的上海市PM_(2.5)时空分布特征研究[J].城市勘测.2019
[10].张超,叶松,汪杰君,李树,王新强.桂林气溶胶光学厚度与PM_(2.5)关系特性[C].《环境工程》2019年全国学术年会论文集（中册）.2019
论文知识图
