排序方式： 共有9条查询结果，搜索用时 15 毫秒
1
1.
三维计算机模拟模型是遥感辐射传输机理研究的重要内容,在复杂地表正向模拟和遥感反演中扮演着重要角色。经过最近20年的发展,三维计算机建模研究取得了显著进展,在地表辐射传输过程分析、模型和算法的验证及遥感反演等方面应用广泛。为了更加充分理解三维计算机模拟模型的发展和模型间的差异,及探讨如何将其更好的应用于生活、生产,本文对三维计算机模拟模型在光学遥感的研究进行了综述。本文从模型的原理、应用和发展趋势3个方面展开了论述。首先,简要介绍了光线追踪方法和辐射度方法的原理及现有的模型;然后,对三维计算机模拟模型在遥感的主要应用进行了总结;最后,对模型未来的发展趋势展开了讨论,从运行效率、模拟精度和功能集成等方面存在的问题和需求出发,分析了三维计算机模拟模型发展和遥感应用的趋势。随着复杂地表遥感建模研究的深入,计算机技术的发展和多源遥感数据特别是高时空分辨率数据的应用,三维计算机模拟模型将在遥感理论研究和应用发挥更加重要的作用。 相似文献
2.
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
3.
树冠形状对孔隙率及叶面积指数估算的影响分析 总被引：1，自引：1，他引：0
叶片在树冠尺度的聚集是森林场景中的重要聚集形式,模型中常假设树冠为规则的几何形体(椭球、圆锥、圆锥+圆柱等)。对树冠形状归属进行判断时界限并不明显,从而具有很强的主观性。本文首先扩展了Nilson的森林孔隙率模型,使其适用于椭球、圆锥、圆锥+圆柱等3种常见形状的树冠,并基于该模型分析了孔隙率、聚集指数对树冠形状的敏感性。同时,本文还分析了树冠形状对叶面积指数(LAI)地面间接测量精度的影响。基于不同形状树冠的模拟数据分析发现,树冠的体积、投影面积是树冠形状产生作用的主要因子,在冠层底部椭球形树冠和圆锥+圆柱形树冠的平均孔隙率、聚集指数都非常接近,而圆锥形树冠与两者存在较大差异。树冠形状的错误设置在极端情况下可导致估算的真实LAI误差超过25%。 相似文献
4.
在叶面积指数LAI(Leaf Area Index)产品真实性检验中,地面站点的多时相连续观测LAI数据是重要的验证数据来源。当站点观测范围与产品像元尺度不一致时,站点观测LAI直接用于产品验证可能为验证结果带来误差。因此,在验证之前需要分析站点观测对像元尺度的空间代表性,选择空间代表性好的观测来验证产品,从而减小尺度效应带来的验证误差。以往的研究只是简单的定性说明研究区域,并直接用站点测量数据对产品进行验证,缺少一套系统的站点观测在产品像元尺度内空间代表性评价的方法体系。本文提出了站点LAI观测的空间代表性评价方法,建立了评价指标DVTP(Dominant Vegetation Type Percent)、RSSE(Relative Spatial Sampling Error)和CS(Coefficient of Sill),构建了空间代表性评价分级体系。以中国生态系统研究网络CERN(Chinese Ecosystem Research Network)农田站和森林站LAI观测为例,对站点观测在1 km产品像元尺度内空间代表性进行评价,并分析评价前后站点观测对MODIS LAI产品验证精度的影响。结果显示,本文提出的方法能够有效地对不同站点LAI观测在产品像元尺度内空间代表性进行质量分级,且年际间的站点观测空间代表性较为一致。评价方法能够去掉在特定产品像元尺度下空间代表性不好的观测数据,一定程度上提高验证数据集对产品验证精度的可靠性。 相似文献
5.
由于显著的经济效益和生态效益,近年来稻虾共作模式分布面积迅猛扩张。准确获取稻虾田空间分布信息,对于水稻种植结构调整、产量估算和水资源管理具有重要意义。本文以“小龙虾之乡”——湖北省潜江市为研究区域,基于Google Earth Engine平台协同Landsat 7/8和Sentinel-2卫星数据,通过分析稻虾田的农业耕作管理和季相节律特征,提取了稻虾田区别其他农作物的关键“水淹”信号和“植被”信号。基于实地稻虾田样本统计分析关键特征的阈值,构建稻虾田规则集识别模型,提取了湖北省潜江市2019年稻虾田空间分布。最后,基于实地样本验证该物候窗口特征方法的精度,并评估和比较了该方法与随机森林和基于水体季相差异方法的表现。结果表明：物候窗口1月1日—4月30日内的水淹信号（LSWI>NDVI或EVI）、物候窗口7月15日—9月30日内的植被信号（NDVI或EVI>LSWI）和物候窗口11月10日—12月31日内的水淹信号是稻虾田遥感识别的典型特征。基于该方法提取的2019年潜江市稻虾田制图精度和用户精度分别为90.74%、94.69%,显著高于水体季相差异方法和随机森林方法的精度。基于关键物候窗口的稻虾田提取方法具有较高的泛化能力,能以较少的实地样本进行时空尺度的延展,从而为大尺度长时序稻虾田遥感制图提供重要的方法支撑。 相似文献
6.
及时准确地获取耕地空间分布数据对于农业生产管理、产量估算、种植结构调整等具有重要意义。目前的耕地提取多基于多时相中低分辨率影像或单时相高分辨率影像,难以满足耕地破碎,农作物种植模式复杂的区域精度需求。基于此,本研究通过协同国产高分一号（GF-1）、高分二号（GF-2）和高分六号（GF-6）卫星影像,探索米级分辨率尺度下的耕地高精度提取方法。该方法以深度神经网络UNet为基础,通过协同GF-1/6的多时相优势和GF-2影像的高空间分辨率构建了CEUNet（Cropland Extraction UNet）模型,以充分挖掘耕地的时相特征和空间几何特征。同时,将基于CEUNet模型提取的米级耕地结果分别与基于UNet和多源不同分辨率遥感影像的语义分割（UNet_m）、基于UNet和单时相高分辨率影像的语义分割（UNet_s）、基于对象的随机森林分类（OBIA）、基于像元的随机森林分类（RF）提取的耕地结果展开对比,分析所提出的方法在不同区域的适宜性。结果表明,基于CEUNet模型提取的米级耕地总体精度达到92.92%,且基于CEUNet提取的耕地的逐像元验证结果在平均F1-Score值上相较于基于对象和基于像元的随机森林分类分别提升了0.21和0.21,相较于UNet_m和UNet_s分别提升了0.04和0.11,其中针对地块破碎,景观异质性高等区域,CEUNet相较于UNet_m和UNet_s提升了0.09和0.26。本研究提出的CEUNet模型能够充分发挥多源国产高分卫星数据的空间和时间优势,两者结合能够快速、高效地提取不同农业景观及不同种植模式的耕地空间分布信息。 相似文献
7.
黑河流域遥感物候产品验证与分析 总被引：2，自引：0，他引：2
植被物候遥感产品对全球变化响应、农业生产管理、生态学的应用等多领域研究具有重要意义。但现有植被物候遥感产品还有较多问题,主要包括一方面使用不同参数的时间序列数据以及不同提取算法导致的产品结果差异较大,另一方面在地面验证中地面观测数据与遥感反演数据的物理含义不一致导致的验证方法的系统性误差。本文以黑河流域为研究区,对比验证基于EVI(Enhanced Vegetation Index)时间序列数据提取的MLCD(MODIS global land cover dynamics product)植被遥感物候产品和基于LAI(Leaf Area Index)时间序列数据提取的UMPM(product by universal multi-life-cycle phenology monitoring method)植被遥感物候产品的有效性及精度等。同时,通过验证分析进一步评估基于EVI和LAI时间序列提取的物候特征的差异及特点,探讨由于地面观测植被物候与遥感提取植被物候的物理意义的不一致问题导致的直接验证结果偏差。结果表明:UMPM产品有效性整体高于MLCD产品,但在以草地和灌木为主的稀疏植被区,由于LAI取值精度的原因,UMPM产品存在较多缺失数据,且时空稳定性较低;基于玉米地面观测数据表明,EVI对植被开始生长的信号比LAI更加敏感,更适合提取生长起点,但植被指数易饱和,峰值起点普遍提前,基于LAI提取的峰值起点更加合理。由于地面观测的物候期在后期更加关注果实生长,遥感观测仅关注叶片的生长,遥感定义的峰值终点和生长终点与玉米的乳熟期和成熟期差异较大。 相似文献
8.
地面站点观测数据代表性评价方法研究进展 总被引：1，自引：0，他引：1
在遥感产品真实性检验中,地面站点网络的连续观测数据是进行算法及产品验证的重要数据来源。通常站点观测的空间范围有限,测量数据直接与产品像元值比较会存在尺度误差。因此,分析与评价站点观测在多大尺度上具有代表性,对有效利用观测数据进行算法与产品精度评价具有重要意义。目前全球地面观测站点类型繁多,虽有一定的代表性评价方法,但各类方法的优缺点及适用参数、适用条件各异。因此,为使站点观测代表性评价方法广泛的应用于地面站点观测,进而开展更加有效的遥感产品真实性检验,有必要对当前站点代表性评价方法进行系统的综述及梳理。本文首先阐述遥感产品真实性检验对站点连续观测数据的需求以及站点观测代表性评价的必要性。其次,分析站点观测代表性的评价指标特征,包含点面特征比较以及空间异质性两种评价指标。基于不同评价指标,综述了各种研究方法在站点观测数据代表性评价中的应用,即对点面特征比较评价的物理模型法、站点与区域分布图统计评价法和多站点多时相联合评价法,以及对空间异质性进行评价的一阶统计法和半方差函数法,总结不同代表性评价方法的原理及优缺点。然后,介绍了目前站点数据及代表性评价方法在蒸散、反照率和地表温度等遥感产品真实性检验中的应用,并且以黑河中游农田区观测LAI为例,分析了基于不同评价指标的不同评价方法的特点。最后,针对当前观测代表性评价方法面临的问题提出了下一步的研究方向。 相似文献
9.
叶面积指数LAI (Leaf Area Index)是研究植被生态系统结构和功能的核心参数之一，遥感是获取大范围动态LAI的一个主要技术手段。目前国际上没有高分辨率的LAI标准化产品。本文基于三维随机辐射传输（3D-SRT）模型查找表算法研究了适用于国产高分辨率卫星高分一号宽幅相机（GF-1 WFV）的叶面积指数反演算法。模型中单次散射反照率和不确定性等参数与波段设置和波段稳定性相关。算法在全国范围内选取不同植被类型的均质样点，统计地表反射率的差异特征，调整全国6种植被类型各波段的单次散射反照率、不确定性等算法参数，进而构造适用于GF-1 WFV传感器的查找表以进行LAI的反演。研究中使用新疆维吾尔自治区石河子地区、内蒙古自治区四道桥包含农作物、森林等共359组实测地面数据开展LAI验证。验证结果表明，和调整参数前的反演结果相比，优化后的算法均方根误差RMSE可由算法优化前的1.209下降至0.804，决定系数R2由0.659提高至0.883，反演成功率RI可由25.3%提高至73.8%，算法精度和稳定性较高，更适用于GF-1叶面积指数的反演。将其应用于GF-1卫星影像上，生产了201... 相似文献
1