共查询到20条相似文献，搜索用时 78 毫秒
1.
为了更好应用国产高分辨率遥感影像监测评价南方路域植被环境,研究南方路域针叶植被叶面积指数遥感反演.该文以长益高速研究区域的高分六号影像(GF-6)为基础,提出了可适用于针叶叶片的LIBERTY+ SAIL耦合模型并结合多元线性回归、局部加权回归反演路域植被针叶LAI的方法.研究中以耦合模型模拟的冠层光谱反射率、GF-6影像和野外实测生化参数为数据源,通过相关性分析,将与LAI相关性较高的SAVI、RVI和EVI 3种植被指数作为反演因子,结合组合模型反演LAI并评定模型的反演精度.结果 表明,耦合模型对南方路域针叶植被LAI的估算精度整体较高,对比分析两种叶面积指数的组合预测模型,耦合模型结合局部加权回归组合反演LAI具有优越性,可更好地反演路域植被针叶LAI. 相似文献
2.
3.
地表反照率(Albedo)是描述地表辐射能量平衡的重要参数,为了获得高分四号(GF-4)静止卫星的地表反照率产品,构建了一种基于核驱动双向反射率分布(BRDF)模型的反照率反演方法。首先,探索核驱动BRDF模型对GF-4卫星数据的适用性,加入地表分类信息,为核系数赋初值,并引入鲍威尔迭代算法优化模型结果。然后,对BRDF模型进行角度积分获得各个波段的地表窄波段反照率。在此基础上,结合GF-4卫星光谱响应函数与光谱库,首次建立了将窄波段反照率到宽波段反照率的转换系数,并反演得到0.4—0.7μm和0.3—3.0μm的宽波段反照率。最后,利用Landsat 8卫星数据和MODIS地表反照率产品对基于GF-4卫星数据的地表反照率反演结果进行交叉验证。Landsat 8与GF-4的反照率结果对比表明,GF-4卫星可见光范围内的反照率反演结果精度为85.6%,短波范围内的反照率反演结果精度为93.4%;MODIS与GF-4的反照率结果对比表明,可见光范围的地表反照率精度达到87.7%,短波范围的地表反照率精度达到85.9%。这说明GF-4卫星地表反照率反演结果具有较高精度,GF-4卫星反照率产品具有一定应用潜力。 相似文献
4.
《武汉大学学报(信息科学版)》2020,(4)
地表反照率(Albedo)是地表能量收支平衡的重要地表参数。作为新近发射的地球同步轨道卫星,高分四号(GF-4)卫星拥有优于同类卫星的高时间高空间分辨率,然而由于其观测角度单一,基于双向反射分布函数(bidirectional reflectance distribution function,BRDF)的传统反演方法难以实现地表反照率的精确快速反演,因此采用基于单一观测角度的角度格网法(angular bin,AB1)。首先,利用先验的多角度地球反射极化和方向测量仪(POLarization and Directionality of the Earth’s Reflectances,POLDER)卫星观测数据,建立反照率与某一方向反射率之间的经验关系;然后,利用POLDER卫星和GF-4卫星的光谱响应函数与光谱库数据,将该经验关系转换为基于GF-4卫星的反照率与反射率经验关系(即查找表);通过输入单一角度的GF-4卫星反射率数据,得到GF-4卫星反照率结果;最后,利用中分辨率成像光谱仪(Moderate-resolution Imaging Spectroradiometer,MODIS)与Landsat 8地表反照率结果对反演结果进行交叉验证。结果表明,MODIS反照率与GF-4反照率的均方根误差(root mean square error,RMSE)为0.027 3,Landsat 8反照率与GF-4反照率的RMSE为0.017 6,说明基于AB1算法的反照率反演结果精度可靠,这对于GF-4卫星的反照率产品生产具有一定的应用意义。 相似文献
5.
基于TM的辐射传输模型反演叶面积指数可行性研究 总被引：4，自引：1，他引：4
基于PROSAIL辐射传输模型，引入土壤反射指数SRI来简化模型，提出直接从反射率计算SRI的方法； 同时，针对不同的植被状况，采取不同波段组合对模型的参数进行敏感性分析，确定自由参数与反演波段组合，提出一种基于不同植被状况的叶面积指数反演策略； 最后，应用遗传算法对模拟的TM光谱反射数据进行实验。结果表明，对于LAI＜3的植被，反演精度较高； 但是对于LAI＞3的植被，反演精度较低，其原因主要是冠层反射对LAI不再敏感。因此，辐射传输模型反演LAI有一定适用范围，只有在此范围内LAI的反演精度才可靠。 相似文献
6.
《国土资源遥感》2020,(1)
为对比不同真实性检验方法对高分一号(GF-1)/WFV冬小麦叶面积指数(leaf area index,LAI)反演结果的验证效果,以河南省漯河市郾城区为研究区,分别采用单点测量值验证、多点采样尺度上推验证以及引入高空间分辨率影像验证3种方法对基于GF-1/WFV影像的冬小麦LAI反演结果进行了真实性检验。研究结果表明,3种验证方法得到的均方根误差(root mean square error,RMSE)分别为0. 57,0. 80和0. 46,相关系数分别为0. 885,0. 508和0. 867。由于基于多点采样尺度上推方法对采样点数量及其位置要求较高,因此在本研究采样点较少的情况下精度较低,效果欠佳;另外2种方法精度相对较高,适用性较强,但其中引入高空间分辨率影像验证方法精度更高,更适用于GF-1/WFV影像LAI反演的真实性检验。 相似文献
7.
以国产高分一号(GF-1)宽幅数据(wide field of view,WFV)为数据源,采用简单生物圈模型2(simple biosphere model2,Si B2)对黑龙江省漠河县森林植被叶面积指数(leaf area index,LAI)进行估算,并与增强植被指数(enhanced vegetation index,EVI)线性模型的估算结果进行对比,结合地面实测LAI数据分别对这2种模型估算结果进行精度评价。结果表明,采用EVI线性模型估算LAI,决定系数R2为0. 582,均方根误差(root mean square error,RMSE)为0. 701;而采用Si B2模型估算LAI,R2为0. 798,RMSE为0. 358,均比EVI线性模型有所改善。该研究发现,结合中高空间分辨率的GF-1 WFV数据,Si B2模型更适宜于该研究区森林植被的LAI反演。 相似文献
8.
面向对象与卷积神经网络模型的GF-6 WFV影像作物分类 总被引：1，自引：0，他引：1
GF-6 WFV影像是中国首颗带有红边波段的中高分辨率8波段多光谱卫星的遥感影像,对于其影像及红边波段对作物分类影响的研究利用亟待展开。本文结合面向对象和深度学习提出一种适用于GF-6 WFV红边波段的卷积神经网络(RE-CNN)遥感影像作物分类方法。首先采用多尺度分割和ESP工具选择最佳分割参数完成影像分割,通过面向对象的CART决策树消除椒盐现象的同时提取植被区域,并转化为卷积神经网络的输入数据,最后基于Python和Numpy库构建的卷积神经网络模型(RE-CNN)用于影像作物分类及精度验证。有无红边波段的两组分类实验结果表明:在红边波段组,卷积神经网络(RE-CNN)作物分类识别取得了较好的效果,总体精度高达94.38%,相比无红边波段组分类精度提高了2.83%,验证了GF-6 WFV红边波段对作物分类的有效性。为GF-6 WFV红边波段影像用于作物的分类研究提供技术参考和借鉴价值。 相似文献
9.
叶面积指数(leaf area index,LAI)是评价植被长势和预测产量的重要农业生理生态参数。高分2号(GF-2)卫星数据具有高空间分辨率特点,能反映更多细节信息,针对该数据特点的LAI反演方法具有较高的研究价值。以河北省廊坊市万庄镇为研究区,对孕穗期小麦采用了回归模型和神经网络算法反演LAI;采用4种植被指数与实测LAI值构建回归模型,同时重点探讨了PROSAIL模型结合神经网络方法进行LAI反演。研究结果表明,在回归模型中,归一化植被指数(normalized difference vegetation index,NDVI)的二项式模型估算LAI可以获得最高精度,采用实测数据验证的决定系数(R2)和均方根误差(root mean square error,RMSE)分别为0.719 3和0.393 6;与回归模型相比,神经网络反演LAI方法更显著提高了精度,R2和RMSE分别达到0.900 8和0.273 2。基于GF-2卫星数据,在研究区小麦孕穗期,神经网络反演LAI具有较强可行性和适用性,可为高空间分辨率卫星影像的LAI反演提供参考。 相似文献
10.
高分一号卫星(GF-1)WFV相机是中国新型高分辨率传感器,为了更好地进行定量应用,需完成高精度大气校正,但需要解决数量大,辅助数据不足等关键问题。针对WFV相机构建了快速大气校正模型,(1)采用交叉定标方法借助Landsat 8数据完成辐射定标;(2)从WFV相机的辅助数据出发,计算得到太阳天顶角、观测天顶角等辅助信息;(3)考虑不同海拔大气分子散射的不同,完成基于海拔数据的分子散射校正;(4)采用深蓝算法,从第一波段(蓝光)反演得到气溶胶信息;(5)计算每个像元的大气校正参数,进而获取地表反射率,完成大气校正。在此基础上,利用IDL语言建立相应的大气校正模块,以过境华北地区的3景WFV数据为例进行大气校正实验。结果表明,模型能够快速完成大气校正,并能较好的去除大气分子与气溶胶影响,较好地还原植被、裸土等典型地表类型的光谱反射曲线,校正后的NDVI更好地反映了各地物的特征。 相似文献
11.
地表反照率在陆面气候和生物圈模型中起着至关重要的作用。为了更好地满足多领域研究的要求,拓宽定量遥感参数的应用,许多研究学者及团队正在利用不同的算法开发高分辨率地表反照率产品。本文提出的算法基于中国高分一号卫星WFV传感器数据和500 m分辨率的GLASS反照率产品生成高空间分辨率的反照率产品。算法思路首先用直接反演算法反演GF-1 WFV数据得到16 m分辨率初级反照率产品,再将500 m分辨率的GLASS反照率产品与16 m分辨率初级产品的纹理信息进行降尺度融合,最终得到16 m分辨率的融合反照率产品。以2016年—2017年黑河实验区的8个站点的地面观测值对算法结果进行验证,实测数据与反演融合数据的时间序列图表明融合后的16 m分辨率反照率与实测值一致性较好;同时,通过2016年—2017年所有站点散点图分析,融合反照率均方根误差为0.02439,初级反照率则为0.05135,融合反照率比初级反照率更接近实测值。16 m分辨率反照率产品在平均值与500 m分辨率的GLASS反照率产品一致的前提下丰富了空间纹理信息,能够更好地支持在区域尺度研究人类活动对环境的影响。 相似文献
12.
探明不同区域及不同营养状况下水库叶绿素a的共同敏感波段,基于G F-1号卫星16 m分辨率的多光谱WFV传感器影像构建叶绿素a浓度普适性反演模型.文中以湖南省3种不同营养状况的水库为研究对象,在实测高光谱及GF-1/WFV影像预处理基础上,对比实测高光谱数据与GF-1/WFV影像数据,采用相关性分析筛选叶绿素a敏感波段,基于GF-1/WFV影像数据构建叶绿素a浓度一元回归联合反演模型,生成浓度等级图.研究表明,相关性分析下叶绿素a的敏感波段区间为550～620 nm,波段区间对应影像中的绿波段(520～590 nm),模型反演精度较优,满足水库叶绿素a浓度监测精度要求,可为发展基于遥感影像大面积反演不同污染程度水质叶绿素a浓度提供基础支持. 相似文献
13.
14.
《测绘与空间地理信息》2013,(11)
遥感定量分析方法能够通过生物量相关因子直观反映路域植被的生长过程,为探索公路建设运营对自然环境的影响及其影响的复杂性提供强有力的技术手段。利用高分辨率IKONOS影像,研究两种遥感解译方法反演路域植被叶面积指数(LAI),对比分析其结果与精度,探索适用于路域生态环境这一特殊生态区域植被LAI的反演方法。研究表明,物理模型法较经验模型法更具有适普性和准确性,更适用于路域植被LAI的反演,精度更高。 相似文献
15.
矿物的混合多属于致密型混合,在可见光—短波红外波段的混合呈现非线性特征,同时由于矿物混合的复杂性以及图像中完全纯净的像元可能不存在等原因,使得从图像上提取端元具有较大不确定性。本文根据矿物单次散射反照率的线性可加性,提出一种基于矿物单次散射反照率光谱库的稀疏解混算法,利用Hapke模型将矿物反射率转换成矿物单次散射反照率,构建矿物单次散射反照率光谱库,以半监督的方式通过稀疏回归的方法从光谱库中寻找最优端元组合,并估算混合像元中各端元的丰度。利用RELAB矿物混合光谱库进行算法验证,结果表明,丰度反演的平均绝对误差为3.12%;将本文方法应用于美国内华达州铜矿区的AVIRIS高光谱图像数据,所得丰度图与美国地质勘探局USGS矿物识别结果具有较好的一致性。本文算法不需要从图像提取端元,并且考虑到了矿物的非线性混合特征,能够得到较高的反演精度,在近地行星和卫星表面岩矿成分的探测等领域具有较好的应用前景。 相似文献
16.
山地叶面积指数反演理论、方法与研究进展 总被引：2，自引：0，他引：2
叶面积指数LAI（Leaf Area Index）是表征叶片疏密程度和冠层结构特征的重要植被参数，在气候变化、作物生长模型以及碳、水循环研究中发挥着重要作用。遥感是获取区域及全球尺度LAI的一个重要手段，当前LAI产品主要基于遥感数据反演得到，但是多数LAI产品算法并未考虑地形特征的影响，导致山地LAI遥感反演精度不确定性大。提高山地LAI遥感反演精度亟需考虑地形因子对冠层反射率的影响，其中山地冠层反射率模型和遥感数据地形校正是提升山地LAI遥感反演精度的关键。本文围绕山地LAI遥感反演理论与方法，综合分析了国内外山地冠层反射率模型和地形校正模型的研究进展，总结了目前山地LAI遥感反演存在的问题，并讨论了未来研究的发展趋势。 相似文献
17.
为了研究在不依靠国外辐射基准卫星为参考的情况下,基于国产高分辨率卫星对资源三号(ZY-3)卫星交叉定标的可行性,该文提出了一种基于国产高分辨率卫星高分一号(GF-1)的交叉定标方法。实验对ZY-3多光谱传感器MUX进行了两次交叉定标实验:第一次以GF-1PMS为参考传感器;第二次以GF-1 WFV2传感器为参考。两次交叉定标结果与MUX场地定标系数对比,以PMS为参考的交叉定标相对误差在4个波段分别为-1.16%、3.19%、1.62%和5.64%;以WFV2为参考的交叉定标相对误差在4个波段分别为2.83%、17.30%、20.85%和7.54%。采用Landsat-8数据作为验证参考,利用PMS-MUX交叉定标结果反演辐亮度值,在4个波段的最大相对误差为-6.88%。经过分析讨论,PMS-MUX交叉定标结果的不确定度为6%。 相似文献
18.
针对传统PRO4SAIL+查找表方法反演叶面积指数存在查找表过于庞大,反演速度较慢等问题,该文提出一种基于PRO4SAIL与局部加权多元回归组合模型反演叶面积指数的方法。通过利用卫星传感器光谱响应函数实现了实测端元高光谱向像元多光谱的转化,解决了测量尺度不同导致的反射率差异问题;选取两种叶面积指数植被指数MTVI1和MCARI1作为反演因子,同时只选用40组PRO4SAIL模型模拟数据建立训练组,解决查找表数据量过大的问题;将局部加权多元回归的权重因子距离公式按照反演因子个数从一维空间扩展至多维空间,更符合实际应用。该组合模型的预测决定系数为0.727 1,平均相对误差为11.09%,传统查找表的预测决定系数为0.693 2,平均相对误差为13.63%。实验结果表明:组合模型具有较好的预测能力,反演得到的叶面积指数含量精度较高,可为更好地监测路域植被生态环境提供技术支撑。 相似文献
19.
20.
光学与微波植被指数协同反演农作物叶面积指数的可行性分析 总被引：1，自引：0，他引：1
光学遥感是目前反演植被叶面积指数LAI（Leaf Area Index）的主要手段,但是当叶面积指数较大时存在光学遥感信息饱和、反演精度显著降低的问题。叶面积指数和平均叶倾角对光学、微波波段范围内反射和散射特性都有重要影响,主要表现在植被结构参数的变化可以引起冠层孔隙率和消光截面大小的改变。本文以典型农作物玉米为例,通过构建统一的PROSAIL和MIMICS模型输入参数,生成一套玉米全生长期光学二向反射率和全极化微波后向散射系数模拟库和冠层参数库。通过对模拟数据与LAI敏感性和相关性分析得出：（1）光学植被指数MNDVI(800 nm,2000 nm),在LAI为0—3时敏感,基于MNDVI与LAI的回归模型可以估算LAI变化 0.4的情况,RMSE是0.33,R2是0.958。（2）微波植被指数SARSRVI(1.4 GHz HH,9.6 GHz HV),在LAI为3—6时敏感,基于SARSRVI与LAI的回归模型可以估算LAI变化1的情况,RMSE为0.22,R2是0.9839。研究表明,采用分段敏感的植被指数,协同光学和微波遥感反演玉米全生长期叶面积指数是可行的。 相似文献