共查询到20条相似文献，搜索用时 143 毫秒
1.
线性光谱混合模型的ASTER影像植被应用分析 总被引：6，自引：2，他引：4
本文利用线性光谱模型分解混合像元方法。从ASTER多光谱遥感数据提取福州地区植被覆盖丰度的定量信息,与归一化差值植被指数进行了回归分析,结果相关系数高达95％;通过对植被景观格局分析,表明研究区以中等丰度植被占据主要地位,生态系统较为稳定。 相似文献
2.
基于Hyperion高光谱与ALOS全色波段的融合图像,运用线性波谱分离模型,对影响城市下垫面分类的因子进行定量分析。结果显示:随着空间分辨率的递增,融合图像光谱保真性呈下降之势,并呈现出阈值现象,但所有相关系数值都大于0.90,表明以融合图像进行线性波谱分离提取城市下垫面具有可靠性;下垫面分类总精度则整体明显下降,Kappa系数值也几乎单调减少。大气校正后下垫面分类的总精度和Kappa系数都明显高于大气校正前;当丰度分割值由10%增至60%时,生成的下垫面分类图像的精度单调降低,表明应慎用50%阈值分割法。 相似文献
3.
混合像元作为遥感信息的不确定性,一直是定量遥感科学研究的核心领域之一,干旱区由于下垫面均匀、气象条件单一等先天条件,已成为定量遥感产品真实性检验的理想场所。本文以塔里木盆地北缘的库车河绿洲为研究区,首先,针对不同地物类型分别采用不同方法进行地物端元提取;然后,以端元均方根EAR(Endmember Aver-age RMSE,EAR)和最小平均波谱角(Minimum Average Spectral Angle,MASA)值来选取最优端元;最后,用多端元光谱混合分析(Multiple Endmember Spectral Mixture Analysis,MESMA)模型进行光谱混合分解,并对结果作了精度评价与比较分析。结果表明:MESMA模型能有效提高像元内基本组分丰度信息精度,从而为典型地物高精度提取提供了科学方法。 相似文献
4.
线性光谱分离技术可以有效地提取像元水平上植被或其他端元(影像中的地物)的相对百分比,但是目前该技术在多光谱宽波段影像数据应用中,由于波段数量、波段宽度等的限制,估算精度离定量研究的水平仍有一定差距。鉴于此,本文提出了一种改进的线性光谱分离方法,该方法在对影像进行土地覆盖分类基础上进行分离,一方面同类土地覆盖类型内同种地物的光谱变异相对较小,更有利于端元选取;另一方面,分影像的地物种类数量明显少于整幅影像,更容易满足模型的适用条件,从而突破了波段数量限制,同时使地物光谱分离更具针对性,经过验证,该方法较传统分离方法相比植被覆盖度的反演精度可提高6.4%,用该方法实现了研究区的植被覆盖度的定量反演并对研究区植被覆盖度的空间结构进行了分析。 相似文献
5.
多期的遥感数据可以用来分析干旱荒漠区植被的空间分布格局和变化特征。本文以1989、2000和2007年3个不同时相的Landsat TM/ETM+影像为数据源,利用线性光谱混合分析和RGB彩色合成法构建一个研究框架,对古尔班通古特沙漠西缘进行植被信息的提取和变化监测分析。在混合像元分解过程中,通过多种方法选择端元,比较... 相似文献
6.
在对月探测中,月表物质的可见光、近红外反射数据,是进行月表化学元素及矿物反演与制图的重要信息源。受月球表面地形起伏的影响,嫦娥一号干涉成像光谱仪（IIM）高光谱数据在开展月表参数定量反演前,须进行月表地形校正,还原月表真实的反射率信息。IIM高光谱数据和常用的美国LOLA月球DEM数据之间存在月球经纬度空间配准不精确的问题,对月表地形校正的精度产生了影响。以月表陨石坑为例,在两幅月球遥感影像上选取一定数量的同名点,使用多项式校正方法进行像元级配准,与直接使用经纬度开展空间配准作了对比分析,发现IIM高光谱数据与LOLA DEM数据之间在经度方向存在平均约3.5个像元的位置偏差,纬度方向存在约1.95个像元的偏差。在此基础上,尝试将地球地形校正中使用的C校正方法运用到月球,探究在微弱大气散射环境下,月球陨石坑地貌的月表地形校正可行性。研究发现,经过像元级空间配准的数据在月表地形校正的效果上,比直接使用月球经纬度进行匹配的校正效果有明显提高。经过匹配和C校正,月表反射率与太阳入射角的余弦值之间的线性相关方程的斜率降低了89.4%,很好地消除月表陨石坑阴影地区和阳坡高亮区域的月表地形效应,恢复月表阴影区域的光谱信息。验证结果表明,校正后的月表局部遥感影像更接近于月表真实反射率,为后续利用IIM数据开展月表理化要素定量反演研究提供了可靠的科学数据保障。 相似文献
7.
为了获取城市尺度组分温度,实现城市水热平衡的高精度反演,探索了一种多波段热红外遥感影像的城市尺度组分温度反演算法.算法选取了植被、土壤和不透水表面等3种组分,并且针对ASTER数据,利用线性混合像元分解方法获取像元平均比辐射率,以MODIS近红外数据估算大气水汽含量和大气透过率,采用牛顿迭代法获取大气平均温度,并用最小... 相似文献
8.
积雪和植被的覆盖范围对于研究气候变化和水资源平衡、生态环境状况具有重要的意义,但它们的光谱曲线具有较强的时空变异性,难以获取精确的覆盖度产品。针对线性混合像元分解算法在积雪和植被覆盖度反演中噪声和光谱变异带来的误差,本文提出了一种基于归一化扰动模型的积雪和植被覆盖度反演方法,并选用了3个不同的区域（单独的积雪覆盖区、单独的植被覆盖区、积雪和植被混合的覆盖区）来验证所提出框架的可行性。研究结果表明：① 该方法单独反演积雪覆盖度的均方根误差为0.172,单独植被覆盖度反演均方根误差为0.223,积雪和植被覆盖度混合反演的均方根误差分别为0.185和0.249,3种方案均有较高的精度;② 对影像与端元组进行归一化后,降低了光谱异质性,在此方法下的扰动混合模型可以有效地减弱MODIS影像光谱变化和噪声带来的误差;③ 针对MODIS影像,该框架获取的积雪覆盖度相对于植被覆盖度具有更高的精度。今后将进一步发展类似的积雪覆盖度与雪粒径协同反演算法。 相似文献
9.
干旱区植被覆盖度提取模型的建立 总被引：26，自引：1，他引：25
本文通过分析遥感提取植被覆盖度的经验模型法、植被指数法和混合像元分解法,归纳了它们各自的优势、精度和存在的问题,指出了影响应用较广泛的植被指数转换法精度是全植被覆盖像元的选取。在此基础上提出了植被指数转换法的改进模型一利用高分辨率卫星图像的最大NDVI值作为均一像元的NDVI值替换中等分辨率卫星图像的NDVI值,建立植被覆盖度提取模型,从而通过中等分辨率卫星图像获取大范围植被覆盖度的方法。经实践检验,该方法简单、实用,适合于利用中等分辨率卫星图像进行大范围宏观监测。 相似文献
10.
混合像元是遥感影像中普遍存在的一种现象,对其组成和各成分比例的反演一直是遥感研究中的重难点,而国内利用偏振植被指数对混合像元的研究几乎没有涉及。本次研究通过对不同面积比例的植被-土壤混合像元偏振反射高光谱特征进行分析,讨论不同条件下的植被-土壤混合像元偏振高光谱特性,并利用偏振反射比计算了12种0°偏振态下的偏振植被指数,分别构建了植被指数与植被面积比例以及光谱特征参数与植被面积比例的数学模型。结果表明,混合像元中植被面积比例和偏振角均对其偏振高光谱有一定的影响;865 nm的偏振反射比与植被占像元面积比例的相关性最好,采用多项式进行拟合时,其决定系数达到0.99,适合进行植被占像元面积比例的反演;偏振光谱“红边”处的一阶微分值与植被像元比例存在良好的线性相关,R2=0.974;植被面积比例与植被指数和光谱特征参数呈现良好的相关关系,其中P-DVI和光谱吸收指数（SAI）与植被面积比例的拟合效果最好,决定系数分别为0.99以及0.94,适合进行植被-土壤混合像元中植被面积比例的反演。 相似文献
11.
地形复杂山区常用植被指数的地形校正对比 总被引：1，自引：0，他引：1
植被指数能反映地表植被生长、覆盖等情况,常作为反演植物生物物理参量的有效参数。然而,在地形复杂的山区,由于地形效应的影响,导致一些植被指数适用性受限。基于以上现状,本文以贵州省江口县为研究区,采用4种地形校正模型（Teillet-回归模型、Minnaert模型、C模型、SCS+C模型）对常用植被指数（SR、MSR、NDVI、SAVI、MSAVI、EVI）进行地形校正,以评价不同坡度条件下植被指数地形校正效果。结果表明：地形校正对缓解波段比形式的植被指数（SR、MSR、NDVI）地形效应的作用有限,而对非波段比形式的植被指数（SAVI、MSAVI、EVI）效果较好。另外,随着坡度增加,地形效应显著,地形校正效果也更明显：坡度较小时,波段比形式的植被指数无需进行地形校正,而建议非波段比形式的植被指数进行地形校正;坡度较大时,建议2类植被指数都进行地形校正,但非波段比形式的植被指数可能会发生过度校正现象。此外,地形校正后非波段比形式的植被指数与森林地上生物量线性回归模型的精度明显提高。因此,建议在地形复杂山区利用非波段比形式的植被指数进行定量反演时,先进行地形校正。 相似文献
12.
光学遥感大气订正方法与软件应用分析 总被引：4，自引：1，他引：3
本文首先介绍了常见的若干大气订正方法,对于海色遥感,高光谱遥感,机载图像、多角度图像,考虑其特殊性,并介绍了其大气订正的新进展;接着分析了几个当前发行的大气订正软件或者模块;最后,我们提出了大气订正中存在的问题和发展方向。 相似文献
13.
从全球地震频发地区选取多次地震事件,以精河地震为例研究基于DEM进行大气误差校正时拟合区选取方法;然后分别基于DEM和GACOS数据对同震形变场进行大气相位延迟改正以分析其校正精度及适用性。结果表明,扣除主要同震形变区域后的相位-高程相关系数大于0.4时,必须对获取的形变场进行大气误差校正,校正后噪声可下降约1~4 cm;相关系数为0.4~0.8时,可通过两种方法相互验证以校正精度;相关系数大于0.8时,可以只使用DEM拟合大气误差分布函数进行校正。基于GACOS进行大气误差校正具有普适性,用于大气噪声较为严重且与地形不相关的平原地区可取得较好效果。 相似文献
14.
植物吸收性光合有效辐射分量（FPAR）的遥感反演是生态环境领域的核心研究内容之一,但在复杂地形山区,其估算精度严重受到地形效应的影响（包括本影与落影）。本文利用能够消除地形阴影影响的阴影消除植被指数（SEVI）对山区遥感影像进行FPAR反演,并分别与基于不同影像预处理程度计算的归一化植被指数（NDVI）、比值型植被指数（RVI）反演的FPAR做对比分析,以评估复杂山区反演FPAR存在的地形效应。结果表明：在不做地形校正的情况下,基于NDVI与RVI反演FPAR会使得本影及落影区域的值远小于非阴影区域的值,它们的相对误差均大于70%;基于C校正后的NDVI与RVI反演FPAR可以较好地校正本影区域,相对误差降至约6.974%,但落影处的校正效果不明显,相对误差约为48.133 %;而基于SEVI反演FPAR无需DEM数据的支持,可以达到经FLAASH+C组合校正后NDVI与RVI反演FPAR相似的结果,且能改善落影区域的地形校正效果,相对误差降至约2.730%。 相似文献
15.
Leaf Area Index(LAI)is a key parameter in vegetation analysis and management,especially for mountain areas.The accurate retrieval of LAI based on remote sensing data is very necessary.In a study at the Dayekou forest center in Heihe watershed of Gansu Province,we determined the LAI based on topographic corrections of a SPOT-5.The large variation in the mountain terrain required preprocessing of the SPOT-5 image,except when orthorectification, radiation calibration and atmospheric correction were used.These required acquisition of surface reflectance and several vegetation indexes and linkage to field measured LAI values.Statistical regression models were used to link LAI and vegetation indexes.The quadratic polynomial model between LAI and SAVI (L=0.35)was determined as the optimal model considering the R and R2 value.A second group of LAI data were reserved to validate the retrieval result.The model was applied to create a distribution map of LAI in the area.Comparison with an uncorrected SPOT-5 image showed that topographic correction is necessary for determination of LAI in mountain areas. 相似文献
16.
星载激光雷达ICESat-2和GEDI可以为数字高程模型产品的精度评价与修正提供全球覆盖的、可靠的高精度参考数据源。然而,现有的DEM修正方法主要是针对DEM误差中的植被高信号且多采用线性回归模型。为此,本文分析了ASTER GDEM v3精度与土地覆盖类型、高程、坡度、起伏度及植被覆盖率的关系。在此基础上,提出了一种考虑上述多种精度影响因素并结合XGBoost和空间插值的DEM误差修正方法。结果分析表明:原始ASTER GDEM的误差整体呈正态分布,平均误差为-3.463 m,存在较大负偏差,高程精度随着高程、坡度、起伏度及植被覆盖率VCF的增大呈降低趋势;经过修正后,ASTER GDEM平均误差降低到了-0.233 m,负偏差得到有效改善,整体平均绝对误差降低了26.04%,整体均方差降低了23.56%,耕地、林地、草地、湿地、水域及人造地表的DEM平均绝对误差和均方差都有不同程度的降低;本文提出的方法对多种特征要素与地形误差间的非线性关系进行拟合建模,在研究区取得了较好的修正效果。 相似文献
17.
遥感数据因其全覆盖的优势被广泛应用于山地植被信息的调查和研究。为了实现山区植被类型的高精度提取,本文以太白山区为实验区,结合山地植被的垂直地带性分布规律,利用太白山植被垂直带谱、高分辨率遥感影像（GF1/GF2/ZY3）和1:1万的数字表面模型（Digital Surface Model, DSM）数据,进行了多层次、多尺度的影像分割,构建了具有植被垂直带谱信息的地形约束因子,并据此进行样本选择和面向对象的分类,分类总精度达92.9%,kappa系数达到0.9160。该方法相比于未辅以垂直带谱信息的分类,总精度提高了10%。研究结果表明,分类过程中加入具有垂直带谱信息的地形约束因子,能显著地提高样本选择的效率和准确率,为后续的植被分类提供了精度的保证。通过人机交互的方式,将垂直带谱知识应用到分类中,可以有效地提高山地植被分类的精度。 相似文献
18.
采用分坡度、分NDVI（归一化差异植被指数）和分地类的C校正策略,对复杂地形山区Landsat TM影像进行地形校正,并运用视觉检验、回归分析和遥感分类精度将3种C校正策略的结果与传统的整体C校正进行对比,以探寻适合复杂地形山区的C校正策略。在此基础上,进一步探讨了地形校正对影像重采样尺度的响应。研究结果表明：与传统的整体C校正相比,采用分坡度、分NDVI和分地类的C校正策略能更好地消除原影像的凹凸感,减弱地形效应,且背阳面影像的过校正现象减少;各种C校正策略和整体C校正对Landsat TM影像不同波段的校正效果不一,其中,分地类的C校正策略对波段1、2、3和波段7的校正效果最好,分坡度的C校正策略对波段5的校正效果更佳,而整体C校正则对波段4的校正效果最好;虽然所有C校正均能有效地消除影像中的地形效应,但并未能提高影像分类精度;从不同重采样尺度C校正结果对比看,随着采样尺度增加,地形效应逐渐减弱,但并未完全消除,因此,中、低空间分辨率遥感影像的地形效应也不容忽视。 相似文献
19.
20.
由于生长环境、地带性分布规律和垂直差异,山地与平原地区的不同植被类型在遥感影像上存在“同物异谱”及“异物同谱”现象,易导致土地类型的误分。为避免此类错分,在进行土地覆被类型解译之前,应首先确定平原、山地植被的边界。本文在遥感影像聚类分析、GIS空间分析及数理统计分析技术的支持下,以江西省都昌县北部地区为研究区域,基于高分一号（GF-1）遥感卫星影像及地形要素,完成了山地植被与平原植被的界线提取。实验结果显示,本研究得到的植被界线精度高达99.47%和96.28%。与单纯基于遥感影像分类得到的植被边界成果相比,精度提高了近25%和23%。研究证明,高分辨率遥感影像与地形因子结合后,计算得到的山地平原划分界线精度有明显提高,可以满足高分辨率遥感影像土地覆被类型解译研究的需要。 相似文献