共查询到18条相似文献，搜索用时 156 毫秒
1.
多云多雾现象是农作物遥感分类经常遇到的问题,影响分类精度。为解决此类问题,本文提出一种基于时间序列GF-1号遥感影像识别水稻方法。利用多时相时间序列的GF-1号遥感影像提取中稻、晚稻的近红外波段（NIR）反射率、红光（R）波段反射率、归一化植被指数（NDVI）特征;拟合光谱和植被指数时间序列特征曲线;分析多时相影像离散近红外波段 、红光波段、NDVI值落在拟合中稻、晚稻近红外波段、红光波段、NDVI时间序列曲线两侧的敏感性区域的比例,该区域也可以视为水稻作物识别特征的目标特征区域,只有达到一定的比例才能视为某类水稻作物。在此情形下,需要综合3种情况进行集中投票决定其最终分类结果。研究表明：该方法可以在多云雾地区对中稻和晚稻精确识别,中稻和晚稻用户精度可达95.97%和95.95%,总体精度为95.76%,kappa系数为0.9335。实验结果表明了NIR、R、NDVI时间序列曲线拟合的有效性,以及拟合曲线目标特征区域设置的合理性。 相似文献
2.
中国北方草原区生产力在区域碳水循环、农牧业发展中举足轻重。归一化植被指数（Normalized Difference Vegetation Index,NDVI）广泛应用于生产力的计算,然而目前来源众多的NDVI数据反映中国北方草原植被时空动态的一致性仍未可知。本研究利用2000—2015年3个来源NDVI数据集（MODIS NDVI、GIMMS NDVI和SPOT NDVI）并以国际上公认的数据准确性较高的MODIS NDVI为基准对比分析了中国北方草原区NDVI时空动态的一致性,并选取适宜的NDVI产品揭示研究区NDVI长期的时空格局。结果表明：整个中国北方草原区以及部分草原类型（高寒草甸、高寒草原、高寒荒漠、温带荒漠草原）GIMMS NDVI和MODIS NDVI 2套数据集无论是数值范围,还是年际波动和变化趋势具有较高一致性（二者在高寒草甸、高寒草原、高寒荒漠、温带荒漠草原的相关系数分别为0.60、0.47、0.51、0.74）,而SPOT NDVI数值远高于其他2个数据集,尤其是在青藏高原草原区,SPOT NDVI数值每年较另外两套数据集约偏高0.15,表明该区域使用SPOT数据应慎重。部分温带草原类型（典型草原和草甸草原）GIMMS NDVI和SPOT NDVI数据集在年际波动以及变化趋势上具有较高的一致性（相关系数分别为0.85和0.60）,但温带草原区3种数据集NDVI数值范围整体相差不大,小于0.06。基于上述结果,本研究进一步采用时间序列最长且与MODIS NDVI一致性最好的GIMMS NDVI分析了研究区NDVI的时空动态,发现1982—2015年中国北方草原区NDVI整体呈增加趋势,25%的区域达显著水平（p<0.05）,主要集中在温带草原区;高寒草原区NDVI大部分区域变化不显著且有一定比例的区域NDVI呈显著下降趋势。本研究可以为模型数据集选择和预测中国北方草原区植被对未来气候变化的响应提供科学依据。 相似文献
3.
农作物种植结构是农业生产活动对土地利用的表现形式。及时精确地获取农作物的空间分布信息对指导农业生产、合理分配资源以及解决粮食安全问题等具有重要意义。目前农作物信息提取研究大多局限于中低分辨率遥感影像的NDVI时间序列,影响了作物空间分布信息提取的准确性。随着Sentinel-2A卫星成功发射,为高分辨率NDVI时间序列的构建提供了可能。本文以黑龙江省北安市为研究区,基于覆盖完整生育期的Sentinel-2A多光谱数据,构建10 m分辨率的NDVI时间序列数据集,利用 Savitzky Golay (S-G) 滤波器对 Sentinel-2A NDVI时间序列数据进行平滑。基于典型时相的多光谱数据和NDVI时间序列构建面向对象决策树分类模型进行作物类型遥感识别。通过对样本的NDVI时间序列曲线分析,可以得出NDVI时间序列能够清晰地区分作物物候差异。此外,本文还利用面向对象分类和支持向量机（Support Vector Machine, SVM）分类两种方法,对典型时相的多光谱数据进行了作物分类对比实验,并对结果进行了对比分析。研究结果表明：① 典型时相多光谱数据引入平滑重构后的NDVI时间序列能够更好地描述作物的物候特性,能够准确刻画研究区作物发育情况,有效区分各类作物;② 通过对比分类实验发现,典型时相多光谱数据引入NDVI时间序列特征,增强了不同作物之间的光谱差异,提高了作物分类精度,总体精度和kappa系数较典型时相多光谱数据进行分类的结果分别提高了7.7% 和0.055;③ 基于面向对象的决策树分类模型在作物分类的结果中精度最高,总体精度为96.2%,kappa系数为0.892。本研究的方法为其他大区域农作物的分类提供了重要参考和借鉴价值。 相似文献
4.
基于NDVI时间序列影像的张掖市农作物种植结构提取 总被引：1，自引：0，他引：1
HJ卫星(环境与灾害监测预报小卫星)数据具有较高的时间和空间分辨率,可以有效地进行农作物种类识别,利用其时间序列数据进行作物信息提取具有很大优势。以甘肃省张掖市为研究区,利用2012年4月~2012年10月15个时相的HJ卫星CCD(电荷耦合元件,charge-coupled device)数据,通过分析玉米、油菜、大麦和小麦农作物在整个生长阶段的时间序列NDVI(归一化植被指数,normalized difference vegetation index)变化特点,提取四类农作物NDVI随时间变化的特征曲线,利用决策树分类方法,对2012年张掖市农作物进行分类,并以外业调查得到的实际地面验证点对分类结果进行验证。验证结果表明,可以有效地识别玉米、油菜、大麦和小麦4类农作物,制图精度分别为94.74%、82.35%、78.95%和90%;总体分类精度达到86.43%。而后提取了张掖市2014年农作物种植面积和分布格局,通过对比分析发现,2012~2014年,张掖市玉米、油菜的种植面积有不同程度的增加,大麦和小麦的种植面积各有一定程度的较少。可以为张掖市主要作物的种植结构调整提供科学依据,还可以为黑河流域农作物信息提取研究提供参考。 相似文献
5.
珠穆朗玛峰国家自然保护区沼泽湿地提取及其退化风险评价 总被引：1，自引：0，他引：1
以珠穆朗玛峰国家自然保护区为研究区域,选取2009年23幅MODIS NDVI影像,采用傅里叶变换的HA-NTS算法去除云干扰,并重构NDVI时间序列图像.(1)根据研究区沼泽湿地与其他地物类型物候特征的差异,利用光谱角制图方法(SAM)获取了研究区2009年沼泽湿地的分布图.研究区沼泽湿地共有2 481.13km2,... 相似文献
6.
藏北地区三种时序NDVI重建方法与应用分析 总被引：8，自引：0，他引：8
遥感植被指数时间序列数据集,已广泛应用于陆地生态环境变化监测与模拟、植被覆盖动态变化分析、植被物候特征识别与信息提取等多方面的研究.但其因受遥感器采集与传输过程、大气条件、地面状况等诸多因素的影响,时序NDVI数据包含各种噪声,因此研究者们发展了一系列时间序列曲线重建方法.本文对近年来提出或改进的重建算法原理、优缺点进... 相似文献
7.
针对煤矿区植被指数时间序列研究中,存在年际尺度上对植被动态规律刻画不全面、月际尺度上因物候性周期波动导致变化趋势和周期振荡信号微弱难以提取、基于变换的变化检测物理意义不够明确的问题,本文以胜利露天矿区为例,在月际尺度,基于SSA-Mann Kendall重建草原露天矿区的采矿扰动区和伪不变特征区MODIS NDVI时间序列的趋势和周期振荡信号,从显著程度和突变时间2方面对趋势成分进行定量化分析,并结合各特征区周期振荡演变特征揭示采矿扰动下草原露天矿区植被生长的动态规律。结果表明：SSA-Mann Kendall能将NDVI时间序列的微弱信号充分放大,便于提取,并可对趋势成分进行定量化表达,结合周期振荡与趋势成分的演变特征有助于辅助识别矿区植被生长的动态特点;伪不变特征区植被无显著下降趋势,采矿扰动区下降趋势显著,且露天采场较排土场的趋势更为明显,草原露天矿区地表植被损伤具有突发性,突变点多发于矿井开工建设时;扰动形式差异导致部分矿井露天采场和排土场周期振荡演变特征存在差异,露天采场植被消失殆尽,排土场因植被恢复措施而具有更复杂的动态特点。 相似文献
8.
基于支持向量机理论的地下水动态遥感监测模型与应用 总被引：2，自引：0，他引：2
地下水是我国内陆干旱地区水资源的重要组成部分,也是极为敏感的生态环境因素之一。地下水动态变化影响着绿洲和湿地的演化,以及土地资源的开发。西北地区地下水监测网尚不完善,动态资料相对缺乏。遥感技术可以弥补传统地下水位监测手段的不足。由于降水极少,西北干旱区地表反射率与地下水水位埋深关系极其密切。选用归一化植被指数(NDVI)、地表温度(LST)数据,应用支持向量机回归方法,建立西北干旱地区地下水位遥感监测模型。提取MODIS影像中的NDVI和LST产品上的地表温度和植被指数信息,作为模型的输入,通过合理选择核函数进行支持向量机的回归分析,从而建立地表植被指数、地表温度与地下水位的相关数学模型,并分析了不同核函数所拟合结果。在河西走廊疏勒河流域的研究成果表明,运用MODIS数据开发地下水动态模型反演水位变化是可行的,模型拟合的结果比较符合实际情况,尤其是对于细土平原地下水浅埋地区模型应用效果更为理想。一次多项式核函数适合模拟埋深小于3m浅埋地下水,径向基函数RBF核函数和三次多项式核函数法则更适合模拟较大埋深情况。开发的地下水位遥感监测模型可为西北干旱区水循环研究和流域水资源管理提供技术手段。 相似文献
9.
在生长季早期获取作物的种植情况,对于农业水资源管理,尤其是缺水地区的水量分配等具有重大的意义。本文利用改进型时空自适应融合模型（ESTARFM）,将作物生长早期3—6月的Sentinel 2影像与MOD09GQ数据计算得到的NDVI数据进行融合,建立NDVI时间序列,并利用随机森林分类方法对2019年黑河流域中游地区作物种植结构进行早期识别。利用3-6月Sentinel-2 NDVI与时空融合NDVI相结合建立的时间序列,作物分类精度达到91.42%,kappa系数为0.85,相比仅使用Sentinel-2 NDVI时间序列的作物分类精度提高1.05%,kappa系数提高0.02。与使用整个作物生长期（3—10月）Sentinel-2 NDVI时间序列的作物分类结果相比,精度仅低1.53%,kappa系数仅低0.03。利用Gini系数对利用Sentinel-2 NDVI与时空融合NDVI相结合建立的时间序列进行特征重要性评估,发现Gini系数得分高于平均值的10期NDVI影像中,有6期为时空融合影像,说明时空融合获取的NDVI数据利于提高分类精度的有效性。对比使用不同长度NDVI时间序列对作物种植结构进行早期识别的精度发现,最早可在4月中旬与4月下旬分别实现对苜蓿和玉米的早期识别;玉米的分类精度受NDVI时间序列长度的影响较大,可在5月下旬实现对玉米的早期识别。 相似文献
10.
遥感时间序列被广泛用于地表信息探测。然而受传感器和外部条件的影响,时间序列存在不同程度的噪声。时间序列重构模型能够实现时间序列去噪,但不同重构模型应用于不同时间间隔时间序列的精度不同。本文以辽宁省朝阳市为研究区,分别利用1、4、8、16和30 d间隔归一化植被指数（Normalized Difference Vegetable Index, NDVI）时间序列,进行模拟数据实验和物候监测实验,从波形还原能力和物候期提取精度2方面,评价了SG滤波、DL拟合、HANTS 3种模型在不同时间间隔下的重构效果。结果表明,SG滤波模型适用于较大时间间隔的时间序列数据,DL拟合模型适用于较小时间间隔的时间序列数据,HANTS模型对较小间隔的时间序列重构精度较低。在此基础上,从模型自身的角度分析了3者在不同时间间隔下表现的原因,并为面向不同时间间隔时间序列数据的重构模型选择提供了参考。 相似文献
11.
强暴雨淹没耕地形成灾害的同时,对耕地作物的生长也产生着极大的影响,而暴雨灾害对耕地作物生长的影响是一个渐变过程,需要由时空动态的观测进行监测。多源卫星遥感观测技术具有捕捉地面瞬间状态和刻画过程的优势。论文利用Terra/MODIS、Landsat和Sentinel卫星观测数据,挖掘多源卫星遥感观测数据,提出了一种利用NDVI变化的特征值进行灾情动态信息提取方法;并以2016年发生暴雨灾害的巢湖地区为实验区进行了方法的应用和讨论。结果表明,基于MODIS多时相NDVI变化结果提取的信息能够获得受灾害影响开始时期和持续时长等丰富的时空动态信息,根据这些信息可以统计得出大范围区域中受灾害影响的面积。另外,结合利用30 m和10 m的Landsat和Sentinel观测数据提取的水淹区,可为在暴雨致灾范围方面提供准确的参考信息。多源遥感作为评估灾情信息的依据之一,其获取的灾情动态信息能够为灾后耕地的恢复情况以及国家灾后损失评估和救助决策提供科学的数据依据。 相似文献
12.
Crop classification using MODIS NDVI data denoised by wavelet: A case study in Hebei Plain, China 总被引：3，自引：0，他引：3
Time-series Moderate Resolution Imaging Spectroradiometer (MODIS) Normalized Difference Vegetation Index (NDVI) data have been widely used for large area crop mapping.However,the temporal crop signatures generated from these data were always accompanied by noise.In this study,a denoising method combined with Time series Inverse Distance Weighted (T-IDW) interpolating and Discrete Wavelet Transform (DWT) was presented.The detail crop planting patterns in Hebei Plain,China were classified using denoised time-... 相似文献
13.
准确认识三江源植被生产力月度尺度的时空格局变化,对三江源畜牧业生产以及生态保护政策制定具有重要意义,可稳定获取的重访周期为4 d的16 m分辨率GF-1/WFV数据使中等空间分辨率的月度NPP产品生产成为可能。本文建立了一套以GF-1/WFV为基本数据源的中等空间分辨率草地月度NPP估算技术方法,并评估了其在三江源地区应用的可行性。在黄河源区玛多县的实验表明以GF-1/WFV为基础,以MODIS13Q1数据为补充,可以获得覆盖全区的中等空间分辨率月度NDVI数据,据其反演得到的草地NPP,地面验证精度在70%以上,优于MODIS NPP产品精度,且能更为详细地反映草地生产力变化的空间差异,在青海三江源地区利用GF-1/WFV数据生产中等空间分辨率的草地月度NPP产品是可行的。 相似文献
14.
基于2000-2013年三江源MODIS NDVI数据,本文系统地分析了三江源植被生长季累计NDVI的时空变化特征,并结合三江源生态保护与建设工程实施的相关统计数据,探讨了人类活动对三江源植被变化的影响,最后通过气候因子与生长季累计NDVI的相关性分析,揭示了影响三江源不同地区植被变化的主要气候限制因素。结果表明,2000-2013年三江源植被NDVI整体上呈增加趋势,NDVI明显增加的区域面积比例达17.84%,主要分布于研究区的西部和北部;明显减少的区域仅占0.78%,多零星分布于研究区中部;NDVI变化稳定或没有显著变化趋势的区域面积比例为59.64%,主要位于研究区东部和南部。三江源生态保护与建设工程的实施虽然促进了植被恢复,但对区域植被整体变化的影响有限,研究时段内区域植被整体好转主要受气候因素控制。西部长江源区的植被生长主要受气温影响,东北部黄河源区主要受降水制约,南部澜沧江源区降水和气温的限制性均不明显。 相似文献
15.
2010年中国西南旱情的时空特征分析——基于MODIS数据归一化干旱指数 总被引：2，自引：0，他引：2
近年来,干旱灾害频繁发生,对区域内农业生产和生态环境造成了极大的破坏。为了快速准确地获取大面积地表土壤水分信息用以评估地表受旱程度,本文以2010年年初中国西南大旱为例,运用MODIS可见光-红外波段数据以及像元可信度综合生成了归一化干旱指数(NDDI)。同时,结合研究区内地面气象站点实测的土壤湿度数据验证了NDDI对地表土壤湿度的敏感度。结果表明:相比于植被状态指数(VCI)干旱监测模型,NDDI能更加灵敏地对浅层地表干湿变化做出迅速响应。最后,本文利用NDDI分析了2010年年初中国西南大旱旱情发展的时空演变过程,宏观上重现了此次旱情的发展历程,并使用该指数统计了不同时间节点、不同干旱等级下的贵州省土地受旱面积。结果显示:2010年1月-2010年4月为贵州省旱情最为严重的4个月,平均受旱面积达103 352km2,最大受旱面积达132 257km2,占贵州省总面积的75%以上。同时,旱情等级为重旱的土地面积最大达到88 246 km2,占贵州全境土地面积的50%以上。 相似文献
16.
1INTRODUCTION Snow is an important component of the Earth's surface. Up to 50×106km2(34%) ofthe Earth's land surface is sea- sonally snow-covered (VIKHAMAR and SOLBERG, 2002).Comparedtootherlandcovers,snowcoverextent varies dramatically on very short time scales (hours- months). Its presence affects physical, chemical and bio- logical processes at many spatial scales and has impor- tant social impacts. At the global scale, its high albedo strongly influences the Earth's radiation … 相似文献
17.
植被分类是森林资源调查与动态监测的基础与前提。当前植被分类研究大都利用光学遥感影像,然而,光学遥感成像易受到云雨覆盖的影响,难以构建完整时间序列,植被分类精度有限。微波遥感具有全天时全天候、时间序列完整的优势,在植被调查与分析中具有巨大的应用潜力。本文利用2018年Sentinel-1A微波遥感时间序列数据和深度循环网络方法,对秦岭太白山区的森林植被进行分类制图。首先利用Sentinel-2光学影像与数字高程数据对研究区进行多尺度分割;然后将处理后的时间序列Sentinel-1A数据空间叠加到分割地块上,构建地块的多元时间序列曲线;最后利用深度循环网络提取与学习多元时间序列的时序特征并分类。实验结果表明：① 与传统机器学习方法（如RF、SVM）相比,本文提出的深度循环网络方法的分类精度提高10%以上;② 在Sentinel-1A微波极化特征组合中VV+VH表现最好,与VV+VH+VV/VH极化特征组合的精度相近;③ 使用全年的时间影像构建时间序列分类精度最高,达到82%。研究表明,利用深度循环网络与时间序列Sentinel-1A数据的方法能够有效提高植被分类的精度,从数据源与分类方法上为森林植被分类研究提供了新的思路。 相似文献
18.
MODIS的增强型植被指数（EVI）时间序列数据早已广泛应用于植被观测、生态环境和全球气象变化等研究领域,但即使EVI时间序列数据已经经过严格的预处理,其中仍然存在着一些噪声。因此,本文开发了一种简单有效的方法来重构EVI时间序列数据,减少EVI时间序列数据中的噪声,尤其是一些由大气云层和冰雪覆盖产生的噪声。新方法的理论来源于图论,利用拉普拉斯矩阵的关系对EVI中选定的邻域窗口的像元权重进行赋值,得到中心像元的拟合。新方法已应用于2016—2018年的MODIS MOD13A1产品,并与S-G滤波法、谐波函数法、双逻辑斯蒂拟合法和非对称高斯函数法进行了比较。结果表明,在荒漠、草原和林地中,新方法留一验证测试的绝对差值最小,相较于其他方法效果较优;在拟合不同植被类型的EVI时间序列数据时,图论邻点方法呈现出更好的细节拟合曲线;其在5类植被类型中的RMSE值分别为200.59、46.58、63.48、165.47和40.95,在5种方法中均为最小值,在获取高保真和高质量的EVI时间序列数据方面优势更明显有效。本文的方法研究可以给植被遥感时序数据的去噪和生态环境的研究提供有益借鉴。 相似文献