排序方式: 共有64条查询结果,搜索用时 15 毫秒
21.
22.
23.
计算机模拟模型是以植被真实三维结构场景为基础,模拟植被冠层的辐射特性。本文以冬小麦为例,利用辐射度方法模拟了冬小麦在不同LAI下的冠层二向反射因子(BRF)及其波谱特征;为了验证并评价模拟数据的质量,将模拟冠层BRF数据与实测数据进行了比较,并将计算机模拟波谱数据与Prosail模型模拟波谱及实测波谱进行了比较。通过研究可以得到以下结论:(1)LAI是植被群体重要的结构参数,对于同一品种的植被可以用LAI来描述植被的生长进程;(2)基于计算机模拟的冠层BRF数据具有一定的可靠性,能够满足实际研究的需要,因此可以把计算机模拟冠层BRF数据作为实测数据用于研究,以弥补因各种条件限制无法得到实测数据的缺憾。 相似文献
24.
叶面积指数(LAI)和叶倾角分布(LAD)是决定植被冠层结构的重要参数。在计算机模拟植被冠层,两个参数是植被三维真实结构生成的重要控制因子。本论文中,结合计算机图像学理论,基于实验的地面实测结构参数数据利用可改写的扩展L-system方法生成草以及白杨树的真实三维场景。RGM(A radiosity-graphics combined model)模型是基于辐射度方法的计算机模拟模型,利用此模型来计算生成的三维场景可见光及近红外波段的冠层辐射特性,如冠层波谱以及方向反射特性等。在本研究中,模拟了两种不同下垫面的白杨林地:(1)下垫面只有土壤的白杨树场景;(2)下垫面包括土壤和草的白杨树。在特定的场景组分光学特性下,模拟得到两种情况的主平面冠层BRF(bi-di-rectional reflectance factor),并对两者的差异进行了分析。可以看出,下垫面对冠层BRF的影响不可忽视。但是,由于白杨林地结构的复杂,大尺度的场景中必须由成千上万个面元组成,因此辐射度方法不能模拟大尺度的真实结构场景。为了拓展辐射度方法应用范围,根据白杨树树冠的特点,将其抽象为椭球体,从而减少场景组成面元个数,满足了辐射度方法的要求。并结合几何光学模型的思想,在对椭球体面元赋值加入了间隙率;并考虑了整个树冠的承照面以及阴影面的差异,模拟大尺度林地冠层BRF,且与GOMS模型结果符合的很好。通过以上研究,可以看出计算机模拟为遥感研究获取多角度数据信息提供了一种很好的手段。 相似文献
25.
基于植被指数和土地表面温度的干旱监测模型 总被引:79,自引:4,他引:79
干旱是一种周期性发生的自然现象,其发生过程中有关参数如地表覆盖度、温度和土壤表层含水量等可以通过遥感的途径进行定量反演,而这些参数客观地反映了地表的综合特征。综述了运用遥感反演产品---土地表面温度和归一化植被指数在干旱监测中的应用前景和进展,分析了距平植被指数、条件植被指数、条件温度指数和归一化温度指数等干旱监测方法的优缺点,在前人研究的基础上,提出了条件植被温度指数的干旱监测模型,探讨了其应用前景。 相似文献
26.
遗传算法及其在GOMS模型反演中的应用效果分析 总被引:2,自引:1,他引:1
几何光学交互遮蔽模型(GOMS)是一种重要的遥感前向模型,它较好解释了“热点”现象,具有较强的前向模拟能力。但由于其固有的非线性性,给反演带来困难。本文尝试采用近年来兴起的并行随机全局寻优算法-遗传算法对GOMS进行反演,并针对传统遗传算法的不足进行了改进。在使用相同先验知识的条件下,将该算法与目前最有效的约束非线性最优化确定性搜索算法-逐步二次规划法对GOMS模型的反演效果进行了比较,结果表明,逐步二次规划法搜索效率较高,但结果受初值的影响很大,初值选择不当,易收敛于局部最优解,而遗传算法具有全局最优的收敛效果,但局部搜索效率较差。在某些对精度要求不高,而对搜索效率要求较高的场合,可以采用遗传算法与确定性搜索算法相结合的混合遗传算法,以提高算法的搜索效率,获得较为满意的效果。 相似文献
27.
28.
29.
本文论述作者对不连续植被冠层与辐射间相互作用机理研究的最新进展,提出了建立不连续植被二向性反射分布函数的几何光学与辐射传输一体化综合模型的设想和基本理论。该综合模型的建立以Li-Strahler间隙概率模型为基础,在大尺度上用纯几何光学模型反映植被的结构特征,在适于辐射传输模型的尺度上则以冠层内的间隙概率处理叶丛的截获辐射与散射。本文详细说明了冠层内任意高度的间隙率模型,也介绍了多次散射的建模方法。 相似文献
30.
叶面积指数LAI (Leaf Area Index)是调节植被冠层生理过程的最重要的生物物理变量之一,高空间分辨率时间序列LAI对于植被生长检测、地表过程模拟与区域和全球变化研究至关重要,但是由于数据缺失和反演方法限制,目前还没有时空连续的高分辨率LAI数据产品。本研究提出了一种生成时间连续的高空间分辨率LAI数据的算法,首先对MODIS LAI产品滤波平滑,生成时间序列LAI的上包络曲线,根据上包络曲线提供的变化信息构建LAI动态模型。然后利用地面实测的LAI数据与Landsat反射率数据构建LAI反演的BP (Back Propagation)神经网络模型。将反演得到的高分辨率LAI数据作为LAI观测数据,利用集合卡尔曼滤波EnKF (Ensemble Kalman Filter)方法实时更新动态模型,生成时间连续的30 m空间分辨率LAI数据集。基于该算法生成了塞罕坝地区2000年—2018年长时间序列LAI数据集,利用Prophet深度学习模型进行模拟和预测,根据预测和原始LAI差异,利用支持向量机SVM (Support Vector Machine)方法检测植被干扰状况。结果表明:EnKF算法能够生成时空连续的高空间分辨率LAI数据,估算结果与地面测量值一致性较高,R~2为0.9498,RMSE为0.1577,在区域尺度上与Landsat LAI参考值较为吻合,R~2高于0.87,RMSE低于0.61。Prophet与SVM模型检测到研究区2009年,2010年,2013年,2014年,2015年植被受干扰较为严重,主要由于年降水量偏少和林区作业砍伐造成,检测结果与当地降水量与砍伐数据吻合。本文提出的算法可用于大范围高时空LAI数据反演和植被变化检测,对塞罕坝乃至全国林区规划管理具有重要的参考价值。 相似文献