XiaoMi-AI文件搜索系统
World File Search System值法
2023-2024 德克萨斯州最具价值法学院
免责声明：本目录的条款如有更改，恕不另行通知，且不构成任何申请人、学生或教职员工与德克萨斯理工大学法学院、德克萨斯理工大学或德克萨斯理工大学系统之间的明示或暗示合同。德克萨斯理工大学法学院经德克萨斯州最高法院、美国律师协会 (ABA) 和美国法学院协会批准。有关 ABA 批准的咨询，请联系美国律师协会法律教育和律师资格考试科常务董事办公室，地址：伊利诺伊州芝加哥市 N. Clark 街 321 号 21 楼，邮编：60654，电话：312.988.6738。德克萨斯理工大学经南方学院和学校学院委员会认证，可颁发学士、硕士和博士学位及证书。如对德州理工大学认证有任何疑问，请联系位于 1866 Southern Lane, Decatur, GA 30033-4097 的大学委员会或致电 404.679.4500。有关该大学的所有其他咨询应直接联系相应的德州理工大学办公室。根据德州理工大学 OP 40.01 和 AALS 章程，法学院不会容忍基于种族、肤色、宗教、遗传信息、受保护的退伍军人身份、国籍、性别、性别特征（包括身份和表达）、性取向、年龄或残疾的歧视或骚扰。有关遵守相关法规的咨询可直接联系学生解决中心，电话为 806.742.SAFE (7233)。
使用 NDVI 阈值法预测植被覆盖比例对地表发射率和温度的影响
预测地表能量收支需要精确的地表发射率 (LSE) 和地表温度 (LST) 信息。LST 是基本气候变量之一，也是局部和全球尺度地表过程物理中的重要参数，而 LSE 是物质成分的指标。尽管有大量关于使用遥感数据计算 LST 和 LSE 的方法和算法的出版物，但准确预测这些变量仍然是一项具有挑战性的任务。在现有的计算 LSE 和 LST 的方法中，特别关注的是归一化差异植被指数阈值法 (NDVI THM)，尤其是对于农业和森林生态系统。要应用 NDVI THM，了解植被覆盖比例 (P V) 至关重要。本研究的目的是调查使用 NDVI THM 时 P V 预测精度对 LSE 和 LST 估计的影响。2015 年 8 月，在德国东南部巴伐利亚森林国家公园的混合温带森林中开展了一项实地活动，与 Landsat-8 立交桥同时进行。在 37 个地块的实地测量了 P V。使用了四种不同的植被指数以及人工神经网络方法来估计 P V 并计算 LSE 和 LST。结果表明，与传统植被指数（R 2 CV = 0.42，RMSE CV = 0.06）相比，使用人工神经网络（R 2 CV = 0.64，RMSE CV = 0.05）可以提高 P V 的预测精度。本研究结果还表明，估计的 P V 的精度变化影响了 LSE 的计算结果。此外，我们的研究结果表明，虽然 LST 取决于 LSE，但在预测 LST 时还应考虑其他参数，因为更准确的 LSE 结果并没有提高 LST 的预测精度。