排序方式: 共有26条查询结果,搜索用时 31 毫秒
11.
Airborne Visible/Infrared Imaging Spectrometer(AVIRIS)成像光谱仪极大地推动了高光谱遥感技术的应用和发展. 相似文献
12.
岷江上游典型流域植被覆盖度的遥感模型及反演 总被引:2,自引:0,他引:2
本文在对岷江上游典型流域研究区实地踏勘和定位观测的基础上,综合利用Aster和ETM遥感数据、地面实测数据和常规观测数据等资料,研究了植被指数与植被覆盖度之间的相关性,确定了岷江上游典型流域植被覆盖度模型。以遥感图像中单个像元作为测算单位,对植被指数NDVI进行了计算,并对岷江上游毛儿盖地区植被覆盖度进行了反演。利用研究区实测数据、生态环境本底遥感调查数据和水文气象数据,对上述模型反演结果进行验证和精度分析。结果表明,模型反演结果精度较高,能较真实的反应研究区植被覆盖度实际状况。 相似文献
13.
14.
15.
土壤水分在地表动植物生存、大气—地表间的能量和物质循环中承担着重要的角色,对水循环、气候变化、农业监测、生态环境、地质灾害等应用指标的大面积监测具有重要意义。但由于土壤类型、土壤结构条件、地形特征、植被环境以及人类活动等因素的影响,土壤含水量的分布存在空间异质性特点,对较大区域(例如流域尺度)的土壤水分分布进行监测仍然十分困难。本文以闪电河流域为例,利用中分辨率成像光谱仪(MODIS)反射率数据反演得到植被指数,并以相关植被指数VIs (Vegetation Indices)、地表温度LST (LandSurface Temperature)数据为输入参数,实测土壤水分数据为期望输出参数,发展了一种基于极端随机树的土壤水分反演方法。考虑到地表温度的不易测量性以及对区域土壤湿度监测的需求,本文使用短波红外转换反射率STR (Shortwave Infrared Transformed Reflectance)代替LST建立极端随机树模型,反演了覆盖闪电河流域的2°×2°区域的土壤湿度图。实验结果表明:(1)输入参数使用LST时,基于极端随机树的土壤湿度反演模型表现较好,其均方根误差为0.054 m~3m~(-3),相关系数为0.69,预测精度优于其他模型(支持向量机、随机森林);(2)输入参数使用STR时,预测结果的均方根误差为0.060 m~3m~(-3),相关系数为0.66,使用STR代替LST进行大面积土壤湿度预测具有可行性,土壤水分的空间分布与实际情况基本一致,能够满足一般的应用需求。 相似文献
16.
17.
18.
为了研究成都市水质富营养化情况,选取了龙泉湖作为研究对象,通过对龙泉湖实地采集水样以及高分一号实时遥感影像数据进行处理,准确地评价出了龙泉湖水体所处的富营养级别。通过对龙泉湖实地数据进行水样参数浓度测量以及实地光谱曲线处理,获得相关的水质反演所需的敏感波段或者波段组合,得出了5个水质参数的反演公式,既而对校正预处理过的高分一号遥感数据进行富营养等级评价。在对各个评价的指标参数进行分析后,选择适合龙泉湖富营养状态评价的叶绿素chl_a、总磷TP、总氮TN、透明度SD、高锰酸盐CODmn五个参数指标,利用综合营养状态指数法对整体水域进行水质富营养化评价,得出龙泉湖目前处于中度营养状态,并初步进行了准确性分析论证。 相似文献
19.
20.