共查询到20条相似文献，搜索用时 31 毫秒
1.
遥感影像空间分辨率变化对湖泊水体提取精度的影响 总被引：1，自引：1，他引：0
湖泊面积是表征湖泊水情变化的重要指示因子,如何从不同空间分辨率遥感数据中获取客观准确的水面信息,是当前遥感应用研究中的难点问题.本文以鄱阳湖为例,通过选用丰水期和枯水期代表性Landsat ETM+遥感影像,采用最邻近法(NN)和像元聚合法(PA)两种重采样方法,分别获取分辨率逐渐降低的不同分辨率的影像数据,结合归一化差异水指数法研究水域面积随遥感影像分辨率降低的变化趋势及其误差变化特征,同时深入分析不同影响因素对水体提取精度的差异.研究结果表明:(1)空间分辨率是影响鄱阳湖水体提取精度的重要因素之一,随着遥感影像空间分辨率的降低,提取水域面积的精度相对30 m分辨率时呈逐渐降低的趋势,但整体精度较高,最低精度在67.64%以上;(2)NN重采样方法对遥感影像波段亮度值的均值影响不大,但PA重采样后影像的均值和标准差随分辨率逐渐降低且变化更有规律;(3)水体阈值在PA重采样后变化较大,NN重采样后变化较小,因而采用30 m分辨率时获取的阈值提取PA重采样后鄱阳湖水体误差较大,提取NN重采样后的湖泊水体误差较小.本研究结果对于全球变化影响下湖泊水体信息遥感精确提取具有重要的参考价值. 相似文献
2.
全球30m空间分辨率耕地遥感制图研究 总被引：1，自引：0，他引：1
《中国科学:地球科学》2016,(11)
耕地是全球地表覆盖制图中重要的地表覆盖类型之一,其变化影响着人类社会经济发展、粮食安全与生态环境保护.现有全球耕地制图产品空间分辨率较粗,缺乏高空间分辨率的全球耕地数据产品.本研究利用全球2000/2010两期30m空间分辨率遥感影像数据集(Landsat TM/ETM+、HJ-1)、MODIS 250m空间分辨率NDVI时间序列数据及多种参考资料,针对全球尺度30m影像中耕地提取的难点,提出基于像元、对象和知识3个层次的耕地提取方法,即基于像元尺度多特征优化的耕地分类提取、基于对象的耕地自动判别以及基于信息服务和先验知识的交互式对象处理,完成了全球两期30m耕地遥感制图,并对全球耕地的面积等信息进行统计分析.结果表明,全球2000年和2010年耕地总面积分别为19.03亿ha和19.60亿ha.精度评价结果表明,两期全球30m耕地遥感制图总体精度均达到92%以上.本研究研制的2000/2010两期的全球耕地遥感数据产品,在空间分辨率和分类精度上均优于国际上同类产品,为全球粮食安全、生态环境监测和全球变化等研究提供了重要基础数据. 相似文献
3.
为了更好地保证从中山站到DomeA的南极内陆冰盖考察,该考察路线沿线的地形信息是必需的．虽然Radarsat南极制图计划fRAMP）能提供迄今为止最高精度的全南极数字高程模型（DEM）,其最高水平分辨率为200m,但其真正的水平分辨率根据源数据的比例尺和区域覆盖密度不同而不同．对于冰架和内陆冰盖地区,水平精度约为5km．在东南极内陆冰盖地区和远离山脉地区该DEM的垂直精度估计为±50m,因此更高精度的地形数据还不存在．为了满足将来对地形信息更高精度的要求,由于ASTER光学影像具有高的空间分辨率05m）,而ICESat／GLAS测高数据有较高的高程精度（13．8cm）,因此本文融合ASTER立体数据和ICESat／GLAS测高数据提取了该考察路线高精度数字高程模型．首先选择一些测高数据点作为ASTER提取DEM过程中的高程控制,以减少匹配错误．由于从75°～81°S范围没有合格的ASTER立体数据覆盖,并且在该范围内ICESat轨道覆盖度大,观测数据比较密集,因此在该区域仅使用ICESat测高数据提取DEM,最后生成覆盖整条路线的DEM．分析结果表明DEM精度得到很大的提高,DEM的绝对垂直精度某些地区优于15m,除了影像009—001外,其余所有结果精度都在30m以内．其内部精度优于15m,某些情况下优于7m．生成的结果达到1：50000制图标准．结果表明在南极地区,综合利用各种遥感数据提取南极地区冰面地形信息是一种经济有效的手段． 相似文献
4.
《中国科学:地球科学》2010,(12)
遥感作物估产是保证粮食安全的重要手段.然而中国田块破碎程度较高,在中低分辨率遥感图像上混合像元所占比例很高,混合像元信息分解问题成为中国实施遥感作物估产必须克服的首要难题.本文基于尺度转换规律,针对混合像元,提出了一个同步反演作物播种面积和叶面积指数的新方法.为解决作物的二向性反射及滤除土壤背景干扰的问题,采用了准确、简便的作物冠层反射率模型,利用高光谱优选波段的二阶微分方法很好地滤除了方向性和背景的干扰.选择甘肃省张掖市盈科灌区为试验区,区内主要作物为小麦和玉米,以2008年7月15日的Hyperion/EO-130m分辨率的高光谱数据为基础,通过将反射率值取平均的方法获得分辨率分别为180和1080m的图像,构成多尺度遥感图像系列,通过尺度转换规律反演计算了1080m分辨率图像上每个像元的播种面积和平均叶面积指数.用2008年8月10日的SPOT-510m分辨率多波段图像的分类结果作为近似真值,验证了播种面积的反演结果,结果表明以这一方法获得的农田空间分布规律与验证值一致,反演误差近似正态分布,误差在?0.1～0.1之间;并用地面实测的85个LAI-2000测量点配合手持GPS定位对平均LAI的反演结果进行了验证,反演平均LAI的标准差为0.34,结果表明这一方法具有较高的可信度. 相似文献
5.
离散型湖泊水体提取方法精度对比分析 总被引：4，自引：2，他引：2
基于卫星遥感的陆地水体提取方法多种多样,并且应用广泛.对于水体分布支离破碎的枯水期湖泊,准确的水体提取方法尚不明晰,直接影响湖泊水域面积的提取精度.以鄱阳湖湖区为研究对象,利用ALOS遥感影像,以2.5 m高分辨率全色波段融合影像非监督分类(ISODATA)得到的水体面积为参考值,分别使用归一化水体指数(NDWI)法、NDWIISODATA法和基于近红外(NIR)的ISODATA法提取了10 m分辨率的水体分布,分析了不同方法提取结果之间的差异性及产生原因.结果表明:3种方法均可以较好地提取出水体,但利用ISODATA法提取的水体细部信息更为明显,面积值较NDWI法更大;相对于近红外单波段而言,基于NDWI图像的ISODATA法提取水体的精度更高.纵观3种方法,基于NDWI图像的ISODATA法提取的水体精度最高,基于近红外波段的ISODATA法提取结果次之,NDWI阈值法的提取效果最差.研究结果对于离散型湖泊水体提取方法及数据源的选择等具有重要的借鉴和参考意义. 相似文献
6.
基于环境一号卫星高光谱遥感数据的巢湖水体叶绿素a浓度反演 总被引：5，自引：0，他引：5
三波段模型是基于生物光学模型构建的叶绿素a浓度反演半分析模型,是目前反演内陆富营养化浑浊水体叶绿素a浓度效果较好的方法.本文通过星地同步实验,分析巢湖水体各组分光谱特征,分别基于地面实测数据与环境一号卫星高光谱遥感数据建立三波段模型反演巢湖水体叶绿素a浓度.结果表明,由于特征波段在不同数据源的位置不同,导致了两个模型波段选择及反演精度的差异.因此,只有在充分考虑遥感数据的光谱特征的条件下,分析遥感信息理论和实际图幅影像有效结合在一起的地物信息,才能进一步优化三波段模型的波段选择,实现遥感数据定量反演水体叶绿素a浓度的目标. 相似文献
7.
全球30m分辨率人造地表遥感制图研究 总被引：1，自引：0，他引：1
《中国科学:地球科学》2016,(11)
伴随着全球人口增长与经济发展,城镇化进程预计将在全球范围内持续加速,而人造地表是城镇化在地表覆盖上的直接体现.一方面,人造地表的扩张为工业生产、经济活动、人员居住等提供合适的场地;另一方面,人造地表深刻改变了地球的自然表面,进而影响地表热量交换、水文过程以及生态系统等自然过程.因此,对全球人造地表进行精确制图对于自然科学与社会科学等相关领域研究都具有重要意义.本研究以全球2000与2010年两个基准年的30m分辨率遥感影像为基础,完成了全球两期30m分辨率的人造地表制图任务.首先,根据人造地表的地理内涵与30m分辨率影像上提取的可行性,从斑块层面上提出适用于该尺度的人造地表定义;其次,考虑到人造地表的光谱复杂性与空间异质性,对现有像素级分类与对象级分割技术进行组合,以实现较高精度的人造地表斑块提取;最后,通过人工编辑与质量控制的手段,进一步保证全球范围内的人造地表制图精度.独立精度评价结果显示,该地表覆盖分类产品的用户精度达到80%以上.可以认为,该套产品是目前全球尺度上,人造地表或相关地表覆盖类型产品中分辨率与精度都最高的分类成果.该数据将为开展全球城镇时空格局分析、生态环境健康诊断等相关研究工作提供重要的基础数据. 相似文献
8.
学习向量量化（Learning Vector Quantization，LVQ）神经网络在声学底质分类中具有广泛应用. 常用的LVQ神经网络存在神经元未被充分利用以及算法对初值敏感的问题，影响底质分类精度. 本文提出采用遗传算法（Genetic Algorithms，GA）优化神经网络的初始值，将GA与LVQ神经网络结合起来，迅速得到最佳的神经网络初始权值向量，实现对海底基岩、砾石、砂、细砂以及泥等底质类型的快速、准确识别. 将其应用于青岛胶州湾海区底质分类识别研究中，通过与标准的LVQ神经网络的分类结果进行比较表明，该方法在分类速度以及精度上都有了较大提高. 相似文献
9.
容差粗糙集与神经网络结合的遥感数据分类方法 总被引：1，自引：0，他引：1
神经网络中的BP(Back Propagation)算法越来越多地用在遥感数据分类中. 但BP算法存在的缺点之一是网络训练时可能会导致网络出现全面的低性能. 为避免出现类似问题, 探索采用容差粗糙集方法对训练数据做分类预处理, 去除训练数据中的某些影响训练收敛的因素, 进而提高网络训练的成功率. 实验采用了北京地区2003年5月的TM数据, 分别用分类预处理前数据和经过分类预处理后的数据对BP网络进行了训练. 结果表明, 此方法不仅弥补了BP算法在处理遥感数据时的缺陷而且提高了分类精度. 相似文献
10.
和光学遥感相比,被动微波遥感以微波特有的性质获得了越来越广泛的应用,但是同时也面临着很多问题.其中,几十公里量级的低空间分辨率,以及多波段组合应用时,各个波段不同空间分辨率的数据如何进行分辨率匹配,是两个亟待解决的问题.本文利用Backus-Gilbert方法,以AMSR-E的亮温数据为研究对象,尝试解决这两个问题.首先,对Backus-Gilbert方法进行了理论推导,然后利用模拟数据分别在分辨率提高和不同波段分辨率匹配问题上进行参数选取,选取了最优参数以后,利用AMSR-E数据进行实例计算.以墨西哥湾和亚马逊河流域为例进行了分辨率提高的应用和验证.结果显示,经过处理以后,和原始数据相比,增添了很多细节,而且这些细节和可见光图像以及AMSR-E高分辨的高频图像是一致的.关于分辨率匹配,以Shi等最近提出的微波指数为例,计算了用普通的重采样进行分辨率匹配的微波指数以及用Backus-Gilbert方法进行分辨率匹配的微波指数.对比分析表明新算法的结果比原始结果更具有可信性. 相似文献
11.
基于时间序列HJ-1/CCD数据的土地覆盖分类方法 总被引：3，自引：0，他引：3
土地利用数据是遥感应用中普遍使用的基础数据,对于遥感应用的效果起着非常重要的作用.随着中国环境与灾害监测预报小卫星星座(HJ星座)的成功发射,使得中高分辨率数据的重访周期达到了2天.因此,本研究利用了HJ-1/CCD数据同时具有较高时间和较高空间分辨率的特点发展了一种基于时间序列HJ-1/CCD数据的土地覆盖分类方法;该方法既利用了较高空间分辨数据的纹理与光谱信息,也利用了较高时间分辨率数据捕捉到了地表随时间的变化信息,从而利用地物在时间维上的差异提高了土地覆盖分类与土地利用制图的精度.该方法被应用于辽宁大伙房水库与青海黑泉水库区域2010年土地利用制图,经检验发现该方法制作的土地利用图与传统方法制作的土地利用图相比制图精度得到了极大提高;在辽宁大伙房水库和青海黑泉水库地区精度分别达到了95.76%和83.78%,Kappa系数分别为0.9423和0.8165. 相似文献
12.
全球陆表水体高分辨率遥感制图 总被引：1，自引：0，他引：1
陆表水体是地表覆盖的重要组成之一,是气候变化研究、生态环境评估和宏观调控分析等不可或缺的重要基础信息.本文介绍了全球地表覆盖遥感制图项目中陆表水体总体研制情况.项目通过收集、处理美国陆地卫星Landsat TM/ETM+、国产环境减灾星(HJ-1)等影像,实现了2000年、2010年两个基准年度的全球30 m分辨率多光谱影像的有效覆盖,影像纠正精度满足1:20万制图要求,两期影像配准中误差控制在1个像元以内.根据30 m分辨率尺度的水体光谱特征与几何形态,合理地设计提取指标,结合基于像元分类法简单易操作、面向对象分类法可综合利用各种规则知识的优势,开展水体信息的精细化提取,最后利用人机交互来进一步优化完善分类结果,实现全球水体的高精度遥感制图.完成的全球陆表水体数据成果GlobalLand30-water 2000和GlobalLand30-water 2010,属目前全球尺度下最高分辨率的分类成果,自评估总体精度为96%.该数据是开展全球陆表水体空间分布格局分析、揭示地域差异、研究时空波动规律以及进行生态环境健康诊断等相关研究工作的重要基础数据. 相似文献
13.
基于HJ-CCD和MODIS的吉林省中西部湖泊透明度反演对比 总被引：2，自引：0，他引：2
水体透明度能够反映光在水体中的穿透程度,影响水生植被及以光为依赖条件的水生生物的分布,获取透明度的传统方法是采用透明度盘进行测量,但也可以通过遥感方法获得.环境减灾卫星是专门用于环境与灾害监测预报的小卫星星座,影像覆盖范围广,空间、时相分辨率较高,可以为水环境遥感提供较好的数据源.MODIS数据在近岸水体和内陆大型湖泊水环境监测中也有广泛应用,它的时相分辨率也很高,但空间分辨率低.利用HJ-1A卫星CCD数据和MODIS日反射率产品(MOD09GA),以2012年9月吉林省石头口门水库、二龙湖、查干湖、月亮泡等地的实测透明度为基础(实测点数74个,最小值为0.134 m,最大值为1.410 m,平均值为0.488 m),根据灰色关联度选取构建模型的波段组合,建立水体透明度反演模型.HJ1A-CCD数据与MOD09GA数据建立的模型R2分别为0.639和0.894,均方根误差(RMSE)分别为0.248和0.135,模型验证的平均相对误差(MRE)分别为17.1%和9.5%,RMSE分别为0.207和0.089.MODIS数据以其较高的辐射分辨率使模型精度较高,但是HJ数据在应用于透明度小于1 m的水体时精度也较高(MRE=13.5%,RMSE=0.066).HJ-CCD数据在空间分辨率上的优势使其能够获得透明度空间分布的细节信息.比较两者反演得到的湖泊平均透明度,结果较为一致. 相似文献
14.
吉林查干湖水体叶绿素a含量高光谱模型研究 总被引：5，自引：1，他引：4
叶绿素a含量能够在一定程度上反映水质状况,高光谱遥感可有效反演叶绿素a含量.该研究通过分析水体叶绿素a浓度与其高光谱反射特征之间的相关关系,采用单波段相关分析、波段比值、微分光谱和神经网络模型等多种算法建立了叶绿素a高光谱定量模型.结果表明:叶绿素a与单波段光谱在蓝、绿波段相关系数较低,而在红光与近红外波段有明显提高,微分光谱也表现出同样的趋势;反射率比值算法模拟效果好于线性回归法;神经元网络模型可以大大提高实测光谱数据的反演能力,确定性系数高达0.95.这为今后利用星载高光谱传感器在查干湖进行叶绿素a浓度大面积遥感反演提供了研究基础. 相似文献
15.
一种基于生物群集智能优化的遥感分类方法 总被引：3，自引：0，他引：3
提出了一种基于生物群集智能(swarm intelligence-based)的遥感影像分类新方法. 智能式分类是遥感研究的热点和趋势. 设计出一种新的实数制编码的粒子群遥感影像分类器(PSO-Miner), 在分类规则提取时, 粒子能自动寻找各个波段的最优分割点. 并且该方法所提取的分类规则毋需通过数学公式来表达, 能更方便和准确地描述自然界中的复杂关系, 比数学公式更容易让人理解. 将该方法应用于番禺地区的遥感影像, 取得了较好的分类结果. 并与See5.0决策树方法进行了对比研究, 实验结果表明, 基于群集智能方法的分类精度比决策树方法的精度更高. 相似文献
16.
基于多源数据集成的多分辨率全球地表覆盖制图 总被引：1，自引：0，他引：1
全球地表覆盖数据产品(如地表覆盖,植被连续场)最高空间分辨率已达到30 m.不同领域的用户对于这些产品的精度和空间分辨率有着不同的需求.基于此,本文从制图精度和空间分辨率两方面对现有的30 m地表覆盖数据进行改进和分析.首先通过将两套30 m全球地表覆盖产品(FROM-GLC、FROM-GLC-seg(Segmentation))与两套粗分辨率全球产品(基于夜间灯光数据的不透水层NL-ISA、MODIS城市产品MODIS-urban)进行集成,生成了30 m分辨率的地表覆盖新产品FROM-GLC-agg(Aggregation).随后,采用了分辨率低于30 m的数据集(如MODIS地表覆盖产品MCD12Q1,全球地表覆盖产品GlobCover2009,MODIS水体掩模产品MOD44W等)对FROM-GLC-agg进行后处理以进一步消除类别混淆.经过多源数据合成的新地表覆盖数据产品中来自30 m分辨率全球地表覆盖产品的象元仍占98.9%.在此基础上,通过众数聚合和比例聚合这两种升尺度方法生成了8套粗分辨率(250 m,500 m,1 km,5km,10 km,25 km,50 km和100 km)全球地表覆盖数据集来满足不同应用的需求.通过基于混淆矩阵的精度比较表明FROM-GLC-agg的总体精度为65.51%,该精度显著优于先前的两套30 m地表覆盖产品.多源数据合成后的30 m分辨率数据以及升尺度处理后的250 m,500 m,1km分辨率数据的最高总体精度分别为69.50%,76.65%,74.60%和73.47%.对采用众数聚合法得到的不同分辨率下地表覆盖类型的面积偏差分析显示,当分辨率超过5 km时,大部分植被类型会有至少5%的面积偏差.因此,对于需要使用粗分辨率地表覆盖数据作为输入的用户,建议使用包含了准确地表覆盖类型占比的比例聚合数据. 相似文献
17.
应用实测光谱估算千岛湖夏季叶绿素a浓度 总被引：4，自引：2，他引：2
依据2010年8月的实测数据构建了千岛湖水体夏季叶绿素a浓度的实测光谱数据估算模型,并进行了验证.利用ASD FieldSpec3野外光谱仪获取高光谱数据,计算水体离水辐亮度和遥感反射率.通过寻找反演水体叶绿素a浓度的高光谱敏感波段,采用单波段相关分析、波段比值、微分光谱、三波段模型、BP人工神经网络等多种算法进行比较分析,结果表明:叶绿素a浓度与单波段光谱反射率的相关性不大;596 nm和489 nm波长处反射率比值、545 nm处光谱一阶微分与叶绿素a浓度均呈较显著相关,估测模型决定系数R2分别为0.782、0.590,RMSE分别为0.89、1.98μg/L;三波段模型的反演结果优于传统的波段比值和一阶微分法,R2为0.838,RMSE为0.71μg/L;神经网络模型大大提高了叶绿素a浓度的反演精度,R2高达0.942,RMSE为0.63μg/L.本研究为今后在千岛湖水域的夏季相邻月份进行叶绿素a浓度大范围遥感反演研究奠定了基础. 相似文献
18.
19.
《中国科学:地球科学》2016,(9)
综合运用自然、生态和人文等多元知识辅助计算机遥感自动分类,确保大区域地表覆盖遥感数据产品质量是多年来国际上致力于解决的科技难题.在全球30m地表覆盖遥感数据产品GlobeLand30的研制过程中,作者提出了一种顾及多元知识的检核优化模型,对基于"像元-对象"的遥感自动分类结果进行知识化检核,发现和修改错分/漏分问题.首先归纳总结全球地表覆盖分布相关的先验知识,凝练出有关地表覆盖的地域地形分布规律、时间连续性和空间关系等质量检核知识规则;继而发展了基于网络化服务平台的交互式协同检核技术,辅助发现与定位分类异常区域,并依据各类别最小图斑规定判定错分/漏分,进而标注和发布错误信息,供研制人员用于修改优化.以林灌草和裸地数据为例,抽取10%的图幅,进行优化前后的分类精度对比分析,得知质量明显改善,精度提高最多达到17.47%.运用该模型,对GlobeLand30数据进行了逐类检核与优化处理,有效地减少了错漏分问题,2010期产品的总体精度达到83.50%.这一模型还可用于其他全球或区域的地表覆盖数据产品研制. 相似文献
20.
湿地植被地上生物量是衡量湿地生态系统健康状况的重要指标,对于珍稀水禽越冬繁殖、全球碳循环、生态净化具有重要意义,是生态学与遥感解译的研究热点之一.针对于地上生物量的测算,卫星遥感数据覆盖范围广但其空间分辨率较低,无人机遥感数据空间分辨率高但采集范围小,同时受湿地面积、观测系统及外界环境等条件的影响,使得遥感影像地上生物量反演更加复杂和困难.本研究基于无人机和高分一号数据对升金湖草滩植被地上生物量反演进行研究,结合升金湖保护区4个样区无人机可见光影像与相应样区实测样本数据,建立地上生物量与可见光波段、多种可见光植被指数的线性、幂函数、多项式、对数回归模型,并通过可决系数（R2）、平均绝对误差（MAE）和均方根误差（RMSE）对模型进行精度评价,选择最优模型对无人机影像进行地上生物量反演;通过可见光波段反演得到的生物量,与高分一号WFV归一化差分植被指数（Normalized Difference Vegetation Index,NDVI）影像相结合进行回归建模,获取整个升金湖草滩植被地上生物量分布.结果表明,利用无人机红光波段建立的多项式方程对地上生物量反演有着最高模拟精度,R2=0.86、预测精度MAE=111.33 g/m2、RMSE=145.42 g/m2,且红光波段生物量反演方法得到的结果与实际生物量分布一致性较高,高分一号WFV NDVI与无人机反演生物量构建的多项式模型为最优模型,R2为0.91.本研究利用无人机和高分一号数据进行生物量反演研究,整合多源遥感数据优点,以获取更加丰富和准确的信息,进而提高地上生物量反演精度,为湿地监测和湿地恢复管理提供数据和技术支撑,具有重要研究意义和应用价值. 相似文献