排序方式: 共有39条查询结果,搜索用时 15 毫秒
31.
32.
33.
江苏省近30年来的土地利用变化的区域差异分析 总被引:2,自引:1,他引:1
本文利用4个时相(1985年、1995、2000年和2005年)的遥感数据,提取了江苏省三大区域(苏南、苏中、苏北)的土地利用变化转换矩阵表,分析了江苏省的土地利用区域差异,并进行人口、城市化、农业结构调整因子、政策对土地利用差异的驱动机制分析。通过土地利用变化转换矩阵表统计得到:耕地的流出面积、城镇用地面积和农村用地面积的扩大面积从南到北呈梯度递减,且随着时间的推移,区域性差异越来越显著。在驱动力分析中发现:苏南地区大量耕地存在浪费利用与超前非农化的问题在社会经济没有进入高度发达的时期之前,经济社会越是发达,人口的增长越落后于耕地的减少在城市化过程中,城市越发达,城镇人口密度的增长对耕地向城镇用地的流入的影响越小"苏南模式"是致使土地利用区域差异的重要因素。 相似文献
34.
近三十年来太湖流域主要湖泊的水域变化研究 总被引:5,自引:0,他引:5
选用地形图和不同时期的遥感影像数据,利用GIS技术进行处理,获取不同时期的太湖流域主要湖泊的水域面积,并结合多种文献资料,对太湖流域主要湖泊的水域面积变化进行了研究。结果表明,太湖流域主要湖泊的水域面积,在1971~1988年间减少了159.96km2;1988~2002年间减少了28.91km2;湖泊水域面积的减少是自然因素和人类活动综合作用的结果,围湖利用是湖泊水域面积减少的主要原因。针对湖泊水域日益减少的现状,应加强对湖泊资源的保护与合理利用。 相似文献
35.
基于BP神经网络模型的太湖悬浮物浓度遥感定量提取研究 总被引:6,自引:1,他引:6
构建了含有一个隐含层的两层BP神经网络反演模型,以TM数据的前4个波段的反射率作为输入,以悬浮物浓度值作为输出,成功反演了太湖水体的悬浮物浓度。 相似文献
36.
太湖悬浮物浓度的MODIS数据定量反演提取 总被引:2,自引:1,他引:1
本文利用250m分辨率的MODIS数据和准实时的地面采样数据,运用线性回归方法反演了太湖的悬浮物浓度,结果表明悬浮物浓度与第1波段相关性最好,PEARSON相关系数为0.31,在所有的波段组合中,其中以与波段M1+M2组合的相关性最好,呈典型正相关。并以此为基础建立了太湖的悬浮物浓度反演模型,这对于利用高时间分辨率的遥感源数据,研究太湖悬浮物浓度的时空变化规律具有重要意义。 相似文献
37.
内陆湖泊颗粒有机碳反演及日变化初步研究 总被引:1,自引:0,他引:1
以太湖及洞庭湖为例,检验海洋一类水体颗粒有机碳(particulate organic carbon, POC)浓度遥感估算方法在内陆湖泊二类水体中的适用性,结果表明,一类水体POC反演模型并不适用于二类水体。针对二类水体建立了以近红外波段(834 nm)为因子的单波段POC反演模型以563及834 nm波段组合为因子的两种双波段反演模型,模型验证结果显示,单波段模型的均方根误差(RMSE)为1.12 mg/L,平均相对误差(MAPE)为35.8%,两个双波段反演模型的RMSE分别为1.09 mg/L及1.11 mg/L,MAPE分别为37.3%及37.8%,三种模型均可用于太湖及洞庭湖水体的POC浓度遥感估算。在此基础上,以太湖为例,建立了基于静止轨道卫星海洋水色(GOCI)卫星数据的太湖POC反演模型,反演模型的MAPE为35%。利用5月13日8景GOCI影像,研究了太湖POC浓度日变化,发现POC浓度日变化存在两个阶段:上午至中午的递减阶段和中午至傍晚的递增阶段。 相似文献
38.
基于SPOT-5图像的城市水体自动提取模型研究 总被引:6,自引:3,他引:6
以南京市主城区为对象,研究基于SPOT-5图像的城市地区水体信息的提取方法.分析表明,对SPOT-5的SWIR波段进行简单的阈值处理,可以清晰地将水体与阴影提取出来.在分析水体和阴影光谱特征和空间特征(形状指数等)的基础上,建立了基于SPOT-5图像的城市地区水体的自动提取决策树模型.精度验证表明,该模型的水体提取精度较监督分类的提取精度提高2.5%,尤其在具有许多建筑物阴影的局部区域,本模型的水体提取精度提高11.6%.此外,本模型还具有很好的移植性,只是在阈值大小的确定上会有部分差异. 相似文献
39.
基于随机森林的内陆湖泊水体有色可溶性有机物(CDOM)浓度遥感估算 总被引:3,自引:0,他引:3
水体中的有色可溶性有机物(CDOM)是湖泊生态系统中氮、磷等有机营养物质的重要来源,利用卫星遥感数据反演内陆水体中CDOM浓度一直是个挑战.因此本文基于滇池2009年9月、2017年4月以及太湖2016年7月的现场原位观测和室内实验,在分析水体固有光学特性的基础上,引入机器学习算法,建立了基于哨兵-3A OLCI传感器的我国内陆湖泊水体CDOM浓度随机森林反演模型.利用独立的验证数据集对所构建的随机森林模型及常用的波段比值模型、一阶微分模型、半分析模型、BP神经网络模型等的反演精度进行评价.结果表明:随机森林模型的均方根误差为0.14 m-1,平均相对误差为21%,与反演效果相对较好的BP神经网络模型相比,均方根误差降低了50%,平均相对误差降低了38%,反演精度得到了显著的提高.根据随机森林算法的特征重要性参数提供的各自变量影响力结果,发现B11(709 nm)和B6(560 nm)波段贡献率最大,是反演CDOM的敏感波段.最后将随机森林模型应用到滇池2017年4月12日、太湖2017年5月18日的哨兵-3A OLCI影像上,得到滇池、太湖水体CDOM浓度分布图.滇池CDOM浓度的分布特征大致符合东北、西南高,中西部低的趋势,且河口处的CDOM浓度高于湖泊水体,表明径流的输入给滇池水体带来了大量的CDOM.太湖CDOM浓度的分布特征大致符合西部高,湖心区和东部低的趋势.太湖西部以及北部梅梁湾受入湖河流影响较大,CDOM浓度较高,太湖开敞区远离河口处,受外源河流的影响逐渐减小,且由于湖水的不断稀释,CDOM浓度不断降低.太湖东部水生植物很多,湖水较为清澈,CDOM浓度较低. 相似文献