共查询到20条相似文献，搜索用时 30 毫秒
1.
为探究1990—2020年黄河流域森林覆盖时空变化及其驱动因素，本文基于土地覆盖、自然因素及人类活动数据，使用转移矩阵、Theil-Sen Median和Manna-Kendall趋势分析、地理探测器进行了研究。结果表明：(1)黄河流域森林覆盖范围扩大，覆盖面积增加近2万km2;(2)1990—2020年，黄河流域168个县的森林覆盖率呈增长趋势，仅两个县的森林覆盖率减少；(3)基于地理探测器的结果表明，短波辐射对森林覆盖分布解释力最大，交互探测表明，降雨和高程的交互作用对森林覆盖分布解释力最强。本文可为黄河流域生态环境高质量发展提供科学参考。 相似文献
2.
3.
4.
5.
多时相TM影像相对辐射校正研究 总被引：19，自引：0，他引：19
多时相影像对应波段中地物波谱“准”不变特征点(Pseudo-Invariant Features,PIFs)的选取是相对辐射校正的前提,采用目视解译选取主观性较强,在一定程度上影响了校正精度。利用绍兴试验区两时相TM影像,通过样本点间差异阈值,主成份分析和回归分析方法控制选取影像对应波段间的PIFs,使得校正样本点的选取具有客观性。在此基础上获取增益和偏移量并对两时相影像进行相对辐射校正,取得了较好的校正效果,从而有利于土地利用/覆盖变化监测。 相似文献
6.
土地覆盖信息尺度转换的判别空间方法 总被引：1，自引：0，他引：1
提出了土地覆盖信息尺度转换的判别空间方法,选取判别向量并对其进行尺度转换,以不同尺度的判别向量构建多尺度判别空间模型,通过在判别空间中进行土地覆盖分类,实现不同分辨率土地覆盖信息的尺度转换。将此方法与常规的优势法和中心点法做尺度效应对比分析,并对各尺度上两种不同分类方法在判别空间中的土地覆盖分类结果进行比较。实验结果表明,该方法进行升尺度转换的结果比常规方法更加稳健,信息缺损更小,从而验证了其在土地覆盖信息尺度转换方面的有效性和适用性。 相似文献
7.
通过研究哈尔滨经济和社会条件,对高分一号卫星数据进行数据检查、筛选、预处理并对研究区域土地覆盖信息进行分类,提取哈尔滨市区域2013~2014年土地覆盖变化信息。利用此应用案例,结合地理国情监测的特点进一步分析高分一号卫星数据的适用性;同时将高分一号卫星数据与同级国外卫星数据比较,研究国产高分数据在地理国情监测中的可行性。实验研究表明,高分一号卫星数据能够满足人们快速掌握各种土地覆盖信息的需求和对土地覆盖变化的动态监测需求。 相似文献
8.
高鹏远 《测绘与空间地理信息》2024,(3):150-152
土地覆盖分类是全球变化研究的核心,精准分类是开展土地覆盖分类变化研究的基础。基于此,本文以Deeplab-v3+模型为基础,在编码阶段改进ASPP模型,并采用Xception-ResNet结合的网络结构,解码阶段引入跃层特征融合优化模块,得到改进后的Deeplab-v3+模型,对研究区进行土地覆盖分类提取。结果表明：改进后的模型分类精度为82.93%,训练速度为7 h 22 min,相比原始模型分别提高了4%,模型训练速度提升了25%。综上可知,改进后的Deeplab-v3+模型可以实现快速且高精度的土地覆盖分类,可为土地覆盖分类研究提供技术支持。 相似文献
9.
基于CA-Markov模型的秦淮河流域土地覆盖格局模拟预测 总被引：2，自引：0，他引：2
以秦淮河流域为研究区,以2006和2009年ETM+图像土地覆盖分类结果为输入数据,采用CA-Markov模型,模拟预测研究区未来的土地覆盖格局。在模型建立过程中,通过Markov模型求出转移概率矩阵和转移面积矩阵,确定CA模型转换规则,限制CA模型迭代次数。利用CA-Markov模型模拟预测研究区2012和2018年土地覆盖格局,并采用2012年实际土地覆盖分类结果验证预测精度,得到2012年各土地覆盖类型栅格数预测误差均小于等于6.5%,空间位置预测精度达到76.5%。预测结果表明,2018年研究区水田比例将降为33.3%,不透水面比例将达31.1%,其中多数水田转变成为不透水面,南京城区、禄口镇、句容市、溧水县等城镇地区的不透水面明显扩张。该方法可以对秦淮河流域的土地覆盖动态监测以及可持续发展提供依据。 相似文献
10.
土地利用和土地覆盖变化在全球环境变化和可持续发展研究中占有重要地位。针对我国目前土地利用和土地覆盖研究的进展，探讨分析了“土地利用和土地覆盖”术语、土地利用和土地覆盖分类体系等若干亟需标准化的问题。 相似文献
11.
12.
煤田火区特征的土地覆盖分类方法
——以乌达煤田火区为例 总被引：1，自引：0，他引：1
土地覆盖变化是土地分析与评价和生态环境变化预测的重要科学基础, 通过精确的土地覆盖分类方法
获取高精度的土地覆盖图是研究煤田火区生态环境变化的必要手段。本文以最大似然法、光谱角度法、面向对象
分类法和基于复合分区的分层分类法进行乌达煤田火区土地覆盖分类的方法研究。研究结果表明, 基于复合分区的
分层分类方法分类精度较高, 总体分类精度为92.97%, kappa 系数为0.9155。该方法通过基于地表热辐射特征、热
异常状况、地貌类型, 以及对生态系统扰动状况等的划分, 减少了地物信息的混淆度, 即通过提 相似文献
13.
黄河流域湿地景观时空演变格局分析 总被引：1，自引：0，他引：1
湿地景观的时空演变及其驱动因素研究是湿地生态恢复与保护的重要参考,本文利用1980—2015年7期黄河流域土地利用数据构建黄河流域湿地矢量数据集,基于景观格局指数对黄河流域湿地的时空演变特征进行定量和定性分析;采用转移矩阵对每两个时期湿地资源的转移类型和数量进行计算与分析。研究结果表明,①1980—2015年,黄河流域湿地率为3.5%,其中自然湿地率约为2.0%,即黄河流域的湿地类型以自然湿地为主。②斑块面积结果显示,黄河流域湿地总面积减少了312.74km2,表现为人工湿地增加,自然湿地减少;自然湿地中沼泽湿地呈增加状态,主要是在2005—2010年增加了979.22km2,滩地呈减少状态,减少了1218.19km2,主要发生在1990—1995年和2005—2010年。斑块密度结果显示,随着河渠和滩地受人为活动影响程度的加大,两者的斑块破碎化程度逐渐加大。最大斑块指数结果显示,水田是黄河流域的主导湿地类型,沼泽和湖泊是自然湿地中的主导湿地类型。③黄河流域湿地类型与非湿地之间转换是黄河流域景观转换的主要组成部分,其中沼泽与滩地是面积发生变化的主要湿地类型。 相似文献
14.
大尺度土地覆盖数据集在中国及周边区域的精度评价 总被引：7，自引：0，他引：7
大尺度土地覆盖数据是全球陆地表层过程研究、生态系统评估、环境建模等科学研究的重要基础,研究现有数据集的特点对数据使用者及生产新的数据集都具有指导意义。本研究以中国及周边区域为研究区,根据不同分类体系对地物的定义,研究不同分类体系中对应地物的相关系数,并将所有分类体系转换为IGBP分类体系;然后,从定性和定量两方面分析现有5种土地覆盖数据集(IGBP DISCover、UMD、GLC2000、MOD12Q1和GlobCover 2005)的空间一致性;并利用Google Earth高分影像选取两期验证样本评价5种土地覆盖数据集的精度。结果表明:同种地物在不同土地覆盖数据集之间的空间分布格局差异较大,且不同土地覆盖数据集之间的总体一致性系数较低;5种土地覆盖数据集中,GLC2000的总体精度和Kappa系数均最高,GlobCover 2005的总体精度和Kappa系数均最低。 相似文献
15.
用SPOT-VGT数据制作中国2000年度土地覆盖数据 总被引：13，自引：1，他引：13
土地覆盖是自然环境与人类活动相互作用的中心,准确而现势性强的土地覆盖数据是科学研究、资源管理和环境监测等应用的基础资料。该研究作为欧盟联合研究中心2000年全球土地覆盖计划(GLC2000)的一部分,利用2000年的1km空间分辨率的SPOT-4VGTS10数据与DEM、积温和降水等通过AHP方法合成的自然因子数据,采用FAO的土地覆盖分类系统(LCCS),通过非监督分类方法制作中国2000年的土地覆盖图。研究结果表明,在HANTS方法去云处理的基础上,结合气候分区,利用一年内每10天最大值合成的NDVI时间序列自然因子数据集可对除干旱区外大部分地区进行很好的分类,对干旱区则采用8月下旬的VGT原始数据取代NDVI数据参加分类,可达到较好的分类结果。 相似文献
16.
17.
提出了一种面向土地覆盖变化信息局域精度评估的自适应型抽样策略。结合待研究地图的土地覆盖变化信息局部特征（如土地覆盖变化类别、斑块大小、异质性和优势度）,探讨与土地覆盖变化信息精度显著相关的协变量,以预测精度的标准误差作为判断标准,识别需要提高精度预测结果可靠性的区域,以自适应地和逐步定位的方式进行样本采集。基于武汉地区的精度评价结果,自适应的抽取增加100个训练样本使得预测精度的确定系数提高了50.66%,而简单随机抽取的增加样本使得预测精度的确定系数提高了17.22%。试验表明,自适应型抽样策略能显著提高土地覆盖变化信息局域精度预测的抽样效益,减少预测精度的不确定性。模型选择的结果表明,土地覆盖变化类别和优势度指数是最优的协变量组合。 相似文献
18.
19.
土地覆盖的短期时空变化模式研究,对土地覆盖的快速、动态监测具有重要意义,也是遥感研究的新热点。本文利用2000—2001年的时间序列Radarsat图像,采用功率谱分析方法,对土地覆盖的短期时—空变化的周期特征进行了分析,由此建立了基于时间序列影像分析的神经网络预测模型,从植被主要生长季节的时间序列雷达卫星影像获取训练样本,对研究区域的典型土地覆盖的短期动态变化过程进行了学习。学习后的模型能够利用多个时间序列的Radarsat影像对下一时刻的影像进行模拟,并进一步检测变化。在模拟结果基础上,定义相对变化距离函数和检测门限,对模拟影像及实际影像中的变化区域进行了检测。检测精度范围在66.67%(农村居民点)—91.67%(水体)之间,平均检测精度为81.66%。由于时间序列信号的引入,神经网络模型能够较好地获取土地覆盖的短期动态变化信息。 相似文献
20.
《武汉大学学报(信息科学版)》2020,(2)
基于遥感影像的城市土地利用/土地覆盖分类与变化检测在土地利用调查和更新中具有重要意义。基于武汉市高分辨率航空和卫星遥感影像以及对应的武汉市土地覆盖GIS矢量数据,提出了一种新颖的卷积神经元网络,应用于城市土地覆盖分类和变化检测。首先,采用一种用于分类的全空洞卷积神经元网络(fully atrous convolutional neural network,FACNN),它能够顾及GIS矢量数据中地物的不同尺度和不同勾绘精细程度。然后,在分类的基础上,利用前期已有的GIS数据进行像素级和对象级的变化检测并得到变化图。最后,通过对整个武汉市8 000 km2土地覆盖的分类和变化检测实验,验证了所提方法的有效性和先进性。所提出的FACNN在城市土地覆盖分类中的表现优于FCN-16、U-Net、Dense-Net等主流影像分割网络;得到的对象级变化图精度达到74.1%,召回率达到96.4%,有望为城市土地覆盖变化检测及GIS数据库的更新提供较好的技术辅助手段。 相似文献