排序方式: 共有111条查询结果,搜索用时 125 毫秒
41.
42.
43.
ETWatch中的参数标定方法 总被引:3,自引:2,他引:1
使用遥感手段估算区域范围的蒸散量一直是热红外定量遥感的研究热点。ETWatch是用于流域蒸散遥感监测、针对遥感应用而设计的集成框架。方法集成了具有不同应用优势的遥感蒸散模型,并以Penman-Monteith方法为基础建立时间扩展方法,利用气象数据与晴好日的通量遥感估算结果,获得逐日连续的蒸散分布图。所生成的从流域级到地块级的数据产品能动态反映区域蒸散发的时空变化规律。为深入了解遥感蒸散量估算中的不确定因素,本文将其通量计算过程分为地表参数获取(以地表温度为主)、日净辐射、蒸发比等环节与地面数据进行对比和逐项的标定。并分别采用地表阻抗扩展法和蒸发比不变法进行了时间插补的对比研究。利用站点地面观测资料对蒸散遥感监测产品的验证表明,在全年内模型蒸发比结果与实测的时段平均蒸发比的相关系数可达到0.7左右,在更长的时间尺度上(月、季、年)平均百分比误差可以减小到10%以下。 相似文献
44.
45.
不透水面遥感提取及应用研究进展 总被引:4,自引:0,他引:4
不透水面信息的提取方法与应用是近年来城市规划、热岛效应分析、水环境监测和水资源管理等诸多领域的研究热点.遥感技术的发展使不透水面快速准确提取成为可能.从影像特征(光谱、空间几何、时间)选择、分类器(参数、非参数)选择和空间尺度(像元、亚像元尺度)选择3个方面归纳和总结了各种不透水面遥感提取方法原理、应用现状和存在问题,回顾了不透水面在城市化监测、人口估计、水环境监测、热岛效应分析、水文气候建模分析等领域的应用,指出了不透水面遥感提取和应用的发展方向. 相似文献
46.
基于两个独立抽样框架的农作物种植面积遥感估算方法 总被引:34,自引:15,他引:34
通过分析遥感技术在中国农作物种植面积估算中所遇到的难点 ,针对运行化的农作物遥感估产系统对主要农作物种植面积估算的需求 ,提出在农作物种植结构区划的基础上 ,采用整群抽样和样条采样技术相结合的方法 ,进行农作物种植面积估算。整群抽样技术利用遥感影像估算农作物总种植成数 ,样条采样是一种适合中国农作物种植结构特征的采样技术 ,用于调查不同农作物类别在所有播种作物中的分类成数。在中国现有的耕地数据库基础上 ,根据两次抽样获得的成数 ,计算得到具体某一种农作物类别的种植面积。最后给出了 2 0 0 3年早稻种植面积估算的实例。 相似文献
47.
利用HR-768型便携式光谱仪,测定了不同大豆残茬覆盖度下的地面光谱,利用照相法获取对应的大豆残茬覆盖度。采用线性回归方法分析了单波段反射率、反射率一阶导数、归一化指数、比值指数与大豆残茬覆盖度的相关性,获取了不同覆盖度水平下大豆残茬的光谱响应特征,并结合MODIS、TM、HJ-1B星的波段响应函数建立了大豆残茬覆盖度最优估算模型。结果表明,在2050—2150nm和2250—2350nm两个波段范围内,大豆残茬与裸土的光谱差异最显著,可用于二者的区分;大豆残茬的光谱特征与玉米、小麦残茬的光谱特征相似,仅在920—967nm范围内存在特殊的吸收峰;以高光谱数据为数据源,941.6nm处的反射率、2151.8nm处反射率一阶导数、1461.3nm和2404.4nm反射率构建的归一化指数以及2247nm和608.6nm反射率构建的比值指数适宜用于作物残茬覆盖度估算,以宽波段数据为数据源,短波红外与红波段反射率构建的比值指数适宜用于大豆残茬覆盖度估算。 相似文献
48.
基于环境星CCD数据的冬小麦叶面积指数遥感监测模型研究 总被引:11,自引:0,他引:11
以山东禹城为研究区,利用我国自主研发的环境星数据,计算了4种植被指数,即归一化植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)及增强型植被指数(EVI);结合同步观测数据,将植被指数与实测叶面积指数(LAI)进行回归分析,比较各种植被指数模型对冬小麦LAI的估测精度。结果表明,4种植被指数与LAI均具有较高的相关性,其中,比值植被指数(RVI)对LAI反演精度最高,即LAI=2.967 lnRVI-1.201是估算冬小麦LAI的最优模型。使用2009年5月冬小麦LAI观测数据对模型进行验证,平均相对误差为19%。 相似文献
49.
及时、准确地获取农作物种植信息,对于农业生产管理和国家粮食安全有重要意义。目前越来越多的免费卫星数据可以用于作物分类及生理参数反演。Sentinel-2卫星于2015年6月发射,提供了13个光谱波段,具有较高的时间分辨率、空间分辨率和光谱分辨率,为不同作物特征区分以及大范围作物种植面积快速提取业务化运行的精度与效率提高带来了契机。随着Sentinel-2数据的免费下载,这就为大面积生产下一代区域或者国家尺度的高分辨率(10~30 m)农情遥感产品提供了可能。物候信息包含了作物随着季节不断变化的特征,利用如NDVI等时间序列植被指数找出不同作物的特征进而开展作物分类得到了广泛应用。本文以油菜为主要研究对象,以长江中下游地区的江汉平原为实验区,基于作物物候差异与面向对象决策树的方法,对Sentinel-2卫星影像用于油菜种植区提取的效果进行了评估与分析。首先利用作物不同生长时期各波段光谱信息以及归一化植被指数等信息的差异分析并找出油菜种植区提取的最佳时相,然后对影像进行多尺度分割,根据对象特征建立决策树逐一去除非植被、林地等干扰类型,进而提取出油菜种植区域。通过分析发现,基于Sentinel-2影像的图像分割可以有效生成不同作物类型的对象;油菜开花期的特征是其区分于其他作物的关键因素,利用该特征可以有效消除分类时其他地物类型对油菜的影响,提高作物分类信息提取的精度和效率。研究表明:在区分油菜的决策树分类特征信息中,贡献最大的是归一化植被指数(NDVI),近红外波段(NIR)和亮度(Brightness)信息。用162个油菜验证样本点计算混淆矩阵,油菜种植面积提取的总体分类精度为98%以上,Kappa系数为0.95。说明结合物候信息利用Sentinel-2数据进行大范围作物种植面积提取具有巨大潜力,可以提高大范围油菜种植区域快速提取的精度和效率。 相似文献
50.