排序方式： 共有57条查询结果，搜索用时 656 毫秒
21.
For three agricultural crop types, winter wheat (Triticum aestivum L.), barley (Hordeum vulgare L.), and canola (Brassica napus L.), we estimated biophysical parameters including fresh and dry biomass, leaf area index (LAI), and vegetation water content, for which we found the equivalent water thickness (EWT), fuel moisture content per fresh weight (FMCFW), and fuel moisture content per dry weight (FMCDW). We performed these estimations using data from the newly launched Landsat 8 Operational Land Imager (OLI) sensor, as well as its predecessor the Landsat 7 Enhanced Thematic Mapper Plus (ETM+). Progress in the design of the new sensor (i.e., Landsat 8), including narrower near-infrared (NIR) wavebands, higher signal-to-noise ratio (SNR), and greater radiometric resolution highlights the necessity to investigate the biophysical parameters of agricultural crops, especially compared to data from its predecessor. This study aims to evaluate vegetation indices (VIs) derived from the Landsat 8 OLI and the Landsat 7 ETM+. Both the Landsat 8 OLI and Landsat 7 ETM+ VIs agreed well with in-situ data measurements. However, the Landsat 8 OLI-derived VIs were generally more consistent with in situ data than the Landsat 7 ETM+ VIs. We also note that the Landsat 8 OLI is better able to capture the small variability of the VIs because of its higher SNR and wider radiometric range; in addition, the saturation phenomenon occurred earlier for the Landsat 7 ETM+ than for the Landsat 8 OLI. This indicates that the new sensor is better able to estimate the biophysical parameters of crops. 相似文献
22.
Landsat系列、ASTER等中等空间分辨率遥感数据（中分数据）覆盖了碳酸盐矿物、粘土矿物、铁氧化物矿物等矿物的诊断光谱区间,广泛应用于矿物、岩石信息提取,但受限于空间分辨率,混合像元现象明显,严重制约了其岩性分类精度。WorldView-2、QuickBird等高空间分辨率遥感数据（高分数据）提供了岩石地层表面丰富的空间结构信息,同时空间分辨率的提高也是缓解混合像元效应的最有效途径,但高分数据覆盖的光谱区间往往较窄,难以满足大多数特征吸收谱段位于短波红外、热红外区间的矿物、岩石信息提取。在岩性自动分类方法上,前人研究中仍以采用基于像元的分类方法为主,分类结果的“椒盐现象（Salt-and-pepper,出现在分类结果图中大量孤立的错分点或小图斑）”严重。为结合中分数据的光谱信息优势和高分数据的空间结构信息优势,同时减少基于像元的岩性分类方法中的“椒盐现象”,提高岩性自动分类精度,本文以Landsat 8 OLI数据和WorldView-2数据为例,提出了一种协同中、高分遥感数据进行面向对象的岩性模糊分类的方法。首先通过“结构协同”和“光谱协同”方案对WorldView-2数据和OLI数据进行信息协同,利用主成分变换对协同后数据的纹理信息和光谱信息进行压缩和增强,然后将增强后的纹理信息和光谱信息进行波段绑定,并进行多尺度分割。根据岩性单元间的光谱特征和纹理特征的差异,构建各岩性单元的模糊逻辑隶属度函数,实现对研究区岩性的模糊分类。实验结果表明,该方法成功划分了岩性单元的分布,总体岩性分类精度为89.35％。 相似文献
23.
在遥感影像自动分类中仅使用光谱特征很难产生正确的分类,OLI影像是波段数较多的多光谱影像,如果增加纹理、几何等多种特征以提高分类精度,就会使得特征的维度很高.支持向量机善于解决小样本、非线性和高维的影像分类问题,但是核函数和参数的设置只能依靠实验来获得.文中在OLI影像中提取了23个特征,逐个测试核函数和参数值对分类结果的影响.研究的主要结论如下：RBF核的支持向量机分类精度最高,Sigmoid核支持向量机分类精度最低;核函数的选择对分类精度的影响最大;核函数和参数值的变化不会影响重要特征的使用,3种核的支持向量机分类所使用的重要特征基本一致. 相似文献
24.
传统的气溶胶遥感反演算法在地表反射率较低、结构较为均一的海洋及浓密植被等区域的气溶胶反演可以达到较高的精度，而在城市、矿区等高亮度、高异质性区域的气溶胶反演中仍面临较大的挑战。当地表反射率较高时，卫星传感器获取的对气溶胶具有标识性的信息不足，导致了气溶胶反演的困难。为更大程度地挖掘卫星信号中对气溶胶具有标识性的信息，本文提出使用深度学习技术的气溶胶遥感反演算法，用于Landsat 8 OLI传感器的气溶胶反演。选择全球不同区域的AERONET站点气溶胶实测数据以及对应区域的Landsat 8 OLI传感器的观测几何角度和表观反射率数据，根据合理的时空匹配原则构建样本数据。选择深度置信网络，在合理设置训练批次和训练次数的基础上对网络进行训练和测试，生成关于卫星传感器数据的气溶胶光学厚度拟合网络模型，实现气溶胶遥感反演。使用独立的AERONET站点气溶胶实测数据对反演结果进行了验证，结果表明：该方法可反演不同地表类型区域连续空间覆盖的气溶胶光学厚度，且达到了较高的精度（R=0.8745，RMSE=0.0391，MAE=0.0616，EE=87.94%）。与传统的方法相比，本方法基于单时相卫星遥感数据即可实现气溶胶的高精度反演，简化了气溶胶反演的步骤，提高了气溶胶反演的稳定性和时空适应性。 相似文献
25.
结合Sentinel-2光谱与纹理信息的冬小麦作物茬覆盖度估算 总被引：1，自引：0，他引：1
作物茬覆盖度的估算对于探究农业耕作方式对周围环境的影响具有十分重要的意义。目前，基于多光谱影像的作物茬指数是作物茬覆盖度估算的常用方法。然而，在作物茬高覆盖区域，指数法容易出现“饱和”现象。已有研究结果表明结合影像的光谱与纹理信息有助于改善指数法的“饱和”问题。Sentinel-2作为一颗多光谱卫星，空间分辨率可达10 m，与Landsat OLI相比，具有更丰富的纹理信息。因此，探究Sentinel-2光谱与纹理信息相结合在作物茬覆盖度估算上的潜力具有重要意义。本文以山东省禹城市为研究区，分析了Sentinel-2各波段反射率、归一化差值指数以及不同窗口大小下灰度共生矩阵统计量等遥感因子与野外实测作物茬覆盖度的相关性，并利用最优子集法对遥感因子进行筛选，构建作物茬覆盖度的最优估算模型。同时，使用留一法交叉验证对模型进行评价。结果表明在单因子分析中，归一化差异耕作指数NDTI（Normalized Difference Residue Index）与作物茬覆盖度的相关性最好，相关系数达0.735。使用NDTI、5×5窗口下Sentinel-2 8A波段的相关性统计量以及12波段的方差统计量构建的多元方程是作物茬覆盖度估算的最优模型，相关系数为0.869，均方根误差为11%。与仅使用光谱信息的最优模型相比，相关系数提高了0.094，均方根误差下降了3.5%。可见，结合Sentinel-2的纹理信息有助于提高作物茬覆盖度的估算精度。 相似文献
26.
华南地区种植园地广泛分布,类型混杂多样,导致园地分布信息难以正确获取,为农业管理造成了较大困难。本研究基于Landsat8 OLI数据,通过数据融合、特征优化,应用随机森林算法构建面向对象的种植园地分类规则集,对华南地区典型经济作物香蕉、柑橘、葡萄、蒲葵、海枣、番木瓜和火龙果等进行类别识别,同时对比贝叶斯分类法、K最邻近分类法、支持向量机法、决策树分类法的分类效果。结果表明：数据融合会在一定程度上影响分类结果精度;植株形态、光谱特征接近,种植期交错是影响华南地区典型园地分类精度的重要原因;以中分辨率影像为数据源,面向对象的随机森林算法应用于种植园地分类研究总体精度可达88.05%,Kappa系数0.87,可以有效区分华南地区典型种植园地类别;相比于其他算法,随机森林算法在分类精度、可靠性和稳定性上具有一定优势,可为园地作物生长监测和种植管理提供科学依据。 相似文献
27.
针对高分辨率遥感数据进行土地利用类型分类时出现的“同谱异物”现象,以及中分辨率遥感数据划分土地利用类型时受空间分辨率限制产生的“混合象元”问题,本文以高分一号数据(GF-1)和Landsat-8数据(OLI)为例,提出了一种协同利用高分辨率遥感数据和中分辨率遥感数据进行土地利用类型模糊分类的方法。首先,利用主成分变换的方法分别对GF-1纹理信息和OLI光谱信息进行压缩和增强,并将增强后的纹理信息和光谱信息进行特征协同;然后,根据各地物类型的光谱、纹理特征,对特征协同数据进行60、80、100共3个尺度的分割;最后,根据地物类型间的光谱特征和纹理特征的差异,构建各地物类型的模糊逻辑隶属度函数,实现对影像土地利用类型的模糊分类。实验结果表明,主成分变换的方法有效地将研究区GF-1和OLI数据的光谱、纹理信息压缩、增强,为面向对象分类中分类特征的选取提供了一种思路;同时,本文方法成功划分了研究区土地利用类型,并获得了较高分类精度,总体分类精度达到93.52%,对其它高空间分辨率与高光谱分辨率遥感数据协同分类研究具有一定借鉴意义。 相似文献
28.
29.
针对严重污染的城市水体与道路、建筑物、阴影等易于混分,以及遥感水体提取结果不连续、存在斑点问题,本文以广州市流溪河与东江水系为研究对象,基于2016年与2017年OLI遥感影像,采用本文新提出的城市水体指数法（CWI）,同时结合分形几何算法,通过设置形状面积等特征,实现城市复杂环境下的水体信息的自动提取。并与单通道算法、改进的归一化差异水体指数（MNDWI）算法、支持向量机法（SVM）与光谱角度法的水体提取结果进行对比分析。结果表明：SVM算法出现大量斑点,其次为MNDWI水体指数算法,光谱角度算法与单通道算法斑点较少,但水体提取结果不连续,部分河道漏分。本文提出的算法能够克服山体阴影、道路、建筑物等影响,实现城市污染水体以及一般水体连续、准确提取。本文的提取结果可为水资源调查、洪水灾害预测评估、水利规划、环境监测等工作提供基础数据支撑。 相似文献
30.
联合HJ-1/CCD和Landsat8/OLI数据反演黑河中游叶面积指数 总被引：1，自引：0，他引：1
目前制约30 m分辨率地表参数遥感提取的主要因素是有限的观测个数,而联合多传感器观测是提高单位时间观测频次的一个有效途径。本文以黑河中游为研究区,利用HJ-1/CCD和Landsat 8/OLI传感器构建多传感器观测数据集。对多传感器观测数据集在观测周期内的有效观测个数、观测角度和双向反射分布函数BRDF分布特征、以及经过预处理后的多传感器数据一致性等问题进行分析。不同传感器观测数据质量差异是多传感器联合反演的主要问题,因此本文首先制定了多传感器数据质量控制方案,然后利用统一模型查找表反演单传感器叶面积指数LAI结果,对10天观测周期内经过质量筛选的单传感器反演结果采用平均方法合成LAI产品。结果表明,LAI有效反演像元占总反演像元比例由单传感器的6.4%—49.7%提高到多传感器的75.9%。利用地面测量数据进行验证分析,LAI反演结果与地面实测数据的均方根误差RMSE均值为0.71。利用30 m分辨率的HJ-1/CCD和Landsat 8/OLI传感器数据可以生产精度可信、时间分辨率连续的LAI产品。 相似文献