共查询到19条相似文献，搜索用时 171 毫秒
1.
2.
多时相MODIS影像水田信息提取研究 总被引：5，自引：0，他引：5
水稻种植及其分布信息是土地覆被变化、作物估产、甲烷排放、粮食安全和水资源管理分析的重要数据源。基于遥感的水田利用监测中,通常采用时序NDVI植被指数法和影像分类法分别进行AVHRR和TM影像的水田信息获取。针对8天合成MODIS陆地表面反射比数据的特点和水稻生长特征,选取水稻种植前的休耕期、秧苗移植期、秧苗生长期和成熟期等多时相MODIS地表反射率影像数据,通过归一化植被指数、增强植被指数及利用对土壤湿度和植被水分含量较敏感的短波红外波段计算得到的陆表水指数进行水田信息获取。将提取结果与基于ETM＋影像的国土资源调查水田数据,通过网格化计算处理并进行对比分析,结果表明,利用MODIS影像的8天合成地表反射率数据,进行区域甚至全国的水田利用监测是可行的。 相似文献
3.
针对山区植被分类受地形复杂、植被类型多样、验证数据获取困难等因素限制基于多光谱数据的亚热带山区土地利用/覆盖分类存在困难,探究利用物候信息对亚热带山区植被实施分类的效果。综合运用归一化植被指数(NDVI)、比值植被指数(RVI)、归一化水指数(NDWI),同时考虑到海拔高度对植被类型的影响,建立决策树模型。该模型基于多时相Landsat TM影像,利用了不同地物类型的物候特征和光谱差异,将漓江上游地区分为8种土地覆盖类型。实验结果表明,分类结果总体精度达到86.40%,Kappa系数为0.83。 相似文献
4.
时间序列重建是多时相遥感变化监测研究的基础.多时相遥感数据由于气象、轨道周期等原因,很难达到严格意义的同时相.不同时相的特征信息不具有可比性.以一矿区归一化差值植被指数为例,采用2004-2007年SPOT II/IV数据,通过大气校正,波段运算,获得7个时相的包括伪不变特征区和矿业扰动区8个实验工作面的NDVI最大值... 相似文献
5.
基于NDVI与LAI的水稻生长状况研究 总被引：5，自引：0，他引：5
在水稻反射光谱特性与水稻生物参数关系的支持下，以吉林省德惠市夏家点镇为研究区，探讨了一条基于TM遥感影像反演得到的归一化植被指数(NDVI)与地面观测数据叶面积指数(LAI)的水稻生长状况的研究途径，并利用NDVI以及LAI对该区2000年和2001年的水稻生长状况进行了分析研究。 相似文献
6.
在水稻反射光谱特性与水稻生物参数关系的支持下 ,以吉林省德惠市夏家点镇为研究区 ,探讨了一条基于TM遥感影像反演得到的归一化植被指数 (NDVI)与地面观测数据叶面积指数 (LAI)的水稻生长状况的研究途径 ,并利用NDVI以及LAI对该区 2 0 0 0年和 2 0 0 1年的水稻生长状况进行了分析研究。 相似文献
7.
8.
北京地区冬小麦冠层光谱数据与叶面积指数统计关系研究 总被引：4，自引：1，他引：3
以北京地区冬小麦为研究对象,利用TM传感器的光谱响应函数处理地面测量获得的冬小麦冠层光谱数据,得到对应于TM传感
器红光波段和近红外波段的反射率,进而计算出冬小麦冠层的归一化植被指数NDVI。建立了LAI与NDVI之间的不同经验关
系模型,对实验结果进行分析后得出,LAI与NDVI之间具有高度的指数相关性。 相似文献
9.
10.
为准确提取水稻面积,以东北为研究区域,采用多时相16d合成MODIS增强型植被指数数据和8d合成MODIS地表反射率数据提取水稻种植分布。选取水稻代表样点利用IDL编程提取物候曲线,利用归一化植被指数(NDVI)将水稻与其他明显地类区分,然后建立水稻增强型植被指数(EVI)、地表水体指数(LSWI)之间的相关关系,结合最新2015年土地利用数据提取东北三省2015年水稻种植面积。同时运用运筹学理论建立省级尺度水稻判别条件最优化模型,分析其在空间分布上的差异性和相关性,并将结果与统计年鉴进行对比分析,分析表明MODIS数据适合大区域省级范围水稻面积的提取,精度可达90%以上。由此得出,MODIS数据在省级尺度提取水稻种植面积上有着较大的优势。 相似文献
11.
12.
B. K. Ranganath N. Pradeep V. B. Manjula Balakrishna Gowda M. D. Rajanna Damodar Shettigar P. P. Nageswara RAo 《Journal of the Indian Society of Remote Sensing》2004,32(1):49-58
The study evaluates the potential of satellite remote sensing technology for detection, mapping and monitoring of diseased
rubber plantation affected by Corynespora and Gloeosporium fungi, which causes leaf spot and leaf fall. Multi-date satellite
data of IRS-1C have been analyzed adopting enhancement and classification techniques to identify and extract information on
the spatial extent and distribution of healthy and diseased rubber plants with an accuracy of 90%. The diseased rubber plantations
have shown considerable reduction in the near-infrared reflectance followed by a rise in the reflectance in red and short
wave infrared. Vegetation index images generated for different periods have shown the progress of disease incidence, severity
and recovery of rubber plantations after fungicidal spraying. The study has demonstrated the use of remote sensing technology
in identifying and delineating diseased rubber plantations. Early detection of the disease would be of immense value for taking
up necessary control measures and minimize the loss. 相似文献
13.
Zhangyu Dong Zongming Wang Dianwei Liu Kaishan Song Lin Li Mingming Jia Zhi Ding 《Journal of the Indian Society of Remote Sensing》2014,42(3):569-576
Increasing interest in wetlands for environmental management requires an understanding of the location, spatial extent, and configuration of the resource. The National Wetlands Inventory is the most commonly used data source for this information. However, its accuracy is limited in some contexts, such as agricultural and forested wetlands. An large number of studies have mapped wetlands worldwide from the perspective of land use and land cover change. However, information on the actual wetland planting areas annually is limited, which greatly impacts ongoing research. In this case study of the West Songnen Plain, we developed a simple algorithm for the quick mapping of wetlands by utilizing their unique physical features, such as annual display of phenological land-cover change of exposed soils, shallow flooding water, and plants from multi-temporal Landsat images. Temporal variations of the Normalized Difference Vegetation Index (NDVI) and Land Surface Water Index (LSWI) derived from Landsat images in 2010 for wetlands at different growth stages were analyzed. Results show that during the ante-tillering phase, the NDVI value (above zero) is lower than the LSWI value of paddies because of flooding of shallow water; during the reproductive and ripening phases, the NDVI value is higher than the LSWI value (above zero); and during the post-harvest wetland planting phase, the NDVI value is still higher than the LSWI value, but the LSWI value is negative. Wetland areas can be detected using one or two images in the optimum time window. The algorithm based on the difference of NDVI and LSWI values derived from Landsat images was used to extract the actual wetland planting area. Validated alongside statistical data, the algorithm showed high accuracy. Therefore, this algorithm highlights the unique features of wetlands and can help in mapping the actual wetland area annually on a regional scale. Results further indicate that the new method has a classification accuracy of 92 %. In comparison, two traditional methods based on Landsat-7/ETM registered accuracy rates of only 83 % and 87 % respectively. 相似文献
14.
土地利用/覆盖分类通常是利用地物的波谱反射特征进行监督或非监督分类,分类结果由于"同物异谱、异物同谱"现象的存在,往往分类精度不高。而植被指数和地表温度作为表征地表覆盖状况的生物物理参数,已成功用于宏观尺度的土地利用/覆盖分类,使得分类结果有所提高,而对于区域尺度的土地利用/覆盖分类却少见报道。本文充分利用TM数据的多光谱特征,从中提取了植被指数NDVI、地表温度Ts、温度植被角度TVA和温度植被距离TVD这四种分类特征进行监督分类,通过对7种组合方案(反射率波段组合、NDVI与反射率波段组合、Ts与反射率波段组合、NDVI与Ts和反射率波段组合、TVA与反射率波段组合、TVD与反射率波段组合、TVA与TVD和反射率波段组合)的分类结果进行比较,得出以下结论:①NDVI、Ts、NDVI和Ts、TVD作为分类特征参与到多波段地表反射率影像分类中,能够提高分类精度,而TVA、TVA和TVD的加入却没有改善分类结果;②总体分类精度受到训练样本与检验样本比例的影响。 相似文献
15.
土地覆被作为地表自然和人工建造物的综合体,是开展土地科学相关研究的重要基础,在遥感大数据背景下,准确、快速、自动化进行土地覆被提取技术一直是遥感研究中的重点。本文基于eCognition软件,采用面向对象的多尺度分割法,综合考虑地物在遥感影像上的光谱、形状和纹理特征,建立多种地物提取规则。通过模糊函数、支持向量机（SVM）和阈值法对研究区的土地覆被进行分类提取,并与研究区的FROM-GLC10数据和土地利用变更数据进行了对比分析。结果表明：①研究区土地覆被分类的总体精度为97%,Kappa系数为0.96,分类精度较高;②基于10 m分辨率影像,综合使用形状、纹理、光谱信息对于道路的提取具有较好的效果,道路提取Kappa系数为0.84;③分类结果在面积和空间分布上都优于FROM-GLC10数据,与研究区实际土地变更数据保持较好的一致性。基于面向对象与规则的分类方法提取地物能够有效利用多种遥感影像特征,分类精度高,对于处理高分辨率遥感数据具有很好的优势。 相似文献
16.
通过对影像进行光谱特征分析,及对各种植被类型进行物候特征分析,选用以NDVI数据为主的多波段、多时相的MODIS影像数据进行最小噪声分离MNF变换,然后进行灰值形态学滤波,运用阈值分割法提取旱地,并运用自组织特征映射SOM神经网络聚类模型分离湿地和水田。实验结果与现有的研究成果相比,精度有较大提高。 相似文献
17.
BP神经网络具有收敛速度快和自学习、自适应功能强的特点,能最大限度地利用样本集的先验知识,自动提取合理的模型。本文采用Landsat TM遥感图像作为数据源,以山西省定襄县为研究区,通过主成分分析方法来压缩输入数据,并结合NDVI和纹理特征来建立BP神经网络的土地利用分类模型,将分类结果与基于光谱单元信息的神经网络分类和基于纹理特征的神经网络分类结果进行定性和定量比较分析。结果表明:该方法总精度达到了80.50%,分别比基于光谱单元信息的神经网络分类和基于纹理特征的神经网络分类提高了18.89%和6.23%,能够有效地解决地物光谱混淆、分类精度不高等问题。 相似文献
18.
Landsat8和MODIS融合构建高时空分辨率数据识别秋粮作物 总被引：2，自引：0，他引：2
本文利用Wu等人提出的遥感数据时空融合方法 STDFA(Spatial Temporal Data Fusion Approach)以Landsat 8和MODIS为数据源构建高时间、空间分辨率的遥感影像数据。以此为基础,构建15种30 m分辨率分类数据集,然后利用支持向量机SVM(Support Vector Machine)进行秋粮作物识别,验证不同维度分类数据集进行秋粮作物识别的适用性。实验结果显示,不同分类数据集的秋粮作物分类结果均达到了较高的识别精度。综合各项精度指标分析,Red+Phenology数据组合对秋粮识别效果最好,水稻识别的制图精度和用户精度分别达到91.76%和82.49%,玉米识别的制图精度和用户精度分别达到85.80%和74.97%,水稻和玉米识别的总体精度达到86.90%。 相似文献
19.
顾及纹理特征贡献度的变化影像对象提取算法 总被引：1，自引：0，他引：1
遥感影像变化检测是全球变化研究的重要内容。基于两期遥感影像的变化检测方法存在数据条件要求苛刻、难以充分利用快速发展的多源遥感影像数据等问题。目前许多变化检测的参考数据中包含了一期分类矢量数据,矢量数据中往往包含了位置、形状、大小和类别属性等先验信息,充分利用这些先验信息将可提高变化检测精度。提取变化影像对象是结合矢量数据和遥感影像进行变化检测的核心步骤。本文提出了一种顾及纹理特征贡献度的变化影像对象提取方法。该方法利用矢量数据分割遥感影像,获取影像对象,计算影像对象纹理特征值。根据信息增益原理计算纹理特征参数的特征贡献度,选择特征参数。由贡献度指数大小确定纹理特征参数权重,计算影像对象与先验要素类别的相似度系数,提取变化影像对象。试验结果表明,基于纹理特征贡献度的特征参数选择,能有效地提高变化影像对象提取结果的精度。 相似文献