排序方式： 共有61条查询结果，搜索用时 15 毫秒
1.
基于典型物候特征的MODIS-EVI时间序列数据
农作物种植面积提取方法
—小区域冬小麦实验研究 总被引：11，自引：1，他引：10
利用MODIS植被指数时间序列这一特性,以北京市通州及周边为实验区,冬小麦种植面积为研究对象,提出
了农作物种植面积指数模型(Pan-CPI模型)的概念,并构造了冬小麦特征物候期植被指数与种植面积的定量函数关系,
通过样区TM影像求解关键参数,对研究区冬小麦种植面积测量方法进行了试验研究。研究结果表明：(1)Pan-CPI模
型能够很好地反映特定目标农作物种植面积状况,为基于植被指数时间序列影像识别农作物种植面积提供了新方法;
(2)精度分析结果表明：Pan-CPI模型具有很高的稳定性,且不受样本变化的影响,只要达到满足模型计算的样本量(如：
5%),多次测量结果间具有很好的一致性。选取MODIS 6×6像元大小的窗口时,TM样本的复相关系数(R2)稳定在0.85
左右,与TM结果比较,窗口相对精度稳定在95%左右,区域精度稳定在92%以上,经调整的区域精度高达96%以上;
(3)对于种植结构复杂、目标作物种植破碎的地区,Pan-CPI模型可以充分利用MODIS植被指数时间序列的优势,有效改
善TM单时相和多时相提取信息因时相缺失无法表征作物变化的不足。 相似文献
2.
农业干旱监测研究进展与展望 总被引：20，自引：1，他引：19
本文全面分析了农业干旱的概念内涵及其与其他干旱类型之间的关系,进而从基于站点监测和基于遥感监测两个方面,系统梳理了国内外农业干旱监测的近今进展,对比了不同干旱监测指标的适用范围和局限性;同时,通过文献统计和重要文献引用揭示了国内外农业干旱监测研究的发展历程和最新进展,即农业干旱监测指标从传统的单一气象监测指标逐渐向气象与遥感相结合的综合监测指标转变。最后,在分析农业干旱监测现有挑战和困境的基础上,将农业干旱监测未来发展趋向归纳为5点展望,即进一步明晰农业干旱发生机理和受旱过程、识别农业干旱影响因素及其相互作用关系、构建多时空尺度农业干旱监测模型、耦合农业干旱定性表征与定量评估模型以及提高农业干旱监测模型中遥感数据的应用水平。 相似文献
3.
结合像元分解和STARFM模型的遥感数据融合 总被引：4，自引：2，他引：2
高空间、时间分辨率遥感数据在监测地表快速变化方面具有重要的作用。然而,对于特定传感器获取的遥感影像在空间分辨率和时间分辨率上存在不可调和的矛盾,遥感数据时空融合技术是解决这一矛盾的有效方法。本文利用像元分解降尺方法(Downscaling mixed pixel)和STARFM模型(Spatial and Temporal Adaptive Reflectance Fusion Model)相结合的CDSTARFM算法(Combination of Downscaling Mixed Pixel Algorithm and Spatial and Temporal Adaptive Reflectance Fusion Model)进行遥感数据融合。首先,利用像元分解降尺度方法对参与融合的MODIS数据进行分解降尺度处理;其次,利用分解降尺度的MODIS数据替代STARFM模型中直接重采样的MODIS数据进行数据融合;最后以Landsat 8和MODIS遥感影像数据对该方法进行了实验。结果表明:(1)CDSTARFM算法比STARFM和像元分解降尺度算法具有更高的融合精度;(2)CDSTARFM能够在较小的窗口下获得更高的融合精度,在相同的窗口下其融合精度也高于STARFM;(3)CDSTARFM融合的影像更接近真实影像,消除了像元分解降尺度影像中的"图斑"和STARFM模型融合影像中的"MODIS像元边界"。 相似文献
4.
基于DEM的中国陆地多年平均温度插值方法 总被引：53，自引：2，他引：53
以1961~2000年全国726个气象站点旬平均温度为基础数据,在分析了多年月平均温度和年平均温度的空间分布与经度、纬度、高度的内在关系后,提出了一种基于DEM和智能搜索距离的温度空间插值方法(SSI),并与反距离平方(IDS) 等传统方法进行了对比。交叉验证结果表明:1) 传统的IDS方法最优结果的MAE范围是1.44 oC~1.63 oC,平均1.510C;而SSI温度插值方法的平均绝对误差为0.53 oC~0.92 oC,平均值0.69 oC,精度超过IDS等方法一倍以上。2) 随着距离的增大,站点间温度的相关性逐渐降低,会降低估算精度;小于一定的搜索半径,被估算点周围的相邻站点的数目逐渐减少,同样会降低插值的精度,因而对中国陆地部分温度插值而言,最优的空间插值搜索半径介于150~250 km之间。最后,结合DEM数据,生成了0.1o ×0.1o中国陆地区域多年月平均和年平均温度栅格图像数据集,该结果表明:利用SSI方法不仅可以生成高精度、高空间分辨率的网格温度结果,而且其插值结果能客观细致的反映温度随经度、纬度和高度梯度变化的地带性特征。 相似文献
5.
基于系统动力学模型和元胞自动机模型的土地利用情景模型研究 总被引：44，自引：0，他引：44
综合自上而下的系统动力学模型和自下而上的元胞自动机模型, 从宏观用地总量需求和微观土地供给相平衡的角度, 充分利用系统动力学模型在情景模拟和宏观驱动因素反映上的优势与元胞自动机模型在微观土地利用空间格局反映上的优势, 发展了土地利用情景变化动力学LUSD (Land Use Scenarios Dynamics model)模型. 利用该模型对中国北方13省未来20年土地利用变化的情景模拟结果表明, 由于LUSD模型充分利用了系统动力学模型和元胞自动机模型的特点和优势, 同时考虑了土地利用系统宏观驱动因素复杂性和微观格局演化复杂性的特征, 因而提高了当前土地利用情景模型的可靠性, 这将在一定程度上为理解土地利用系统的复杂驱动行为, 评估脆弱生态区土地系统变化的潜在生态效应提供帮助. 同时, LUSD模型的情景模拟结果也表明, 农牧交错带地区是中国北方未来20年土地利用变化比较明显的地区, 而耕地和城镇用地则是该区域内变化最为显著的两种用地类型. 相似文献
6.
MODIS与TM冬小麦种植面积遥感测量一致性研究——小区域实验研究 总被引：5，自引：1，他引：5
针对大范围冬小麦种植面积遥感测量业务化运行中所存在的不同空间分辨率遥感影像的获取能力、空间分辨率与测量精度之间相互制约的现实问题,选择典型实验区,采取全覆盖的多时相低分辨率MODIS数据与中高分辨率TM样区数据相结合的方法,以支持向量机（SVM）为主要技术手段,通过选取不同比例的TM样本量,对MODIS进行混合像元分解,并对MODIS冬小麦测量结果与TM测量结果进行一致性分析,进而提出了一套可用于大范围冬小麦种植面积遥感测量业务化推广的识别和精度检验方法。研究结果表明：当TM样本量大于5%时,相对于TM识别结果而言,MODIS像元精度可以稳定在82%以上;当TM样本量大于40%时,区域精度可以稳定在97%。因此,从理论上讲,在实际业务化运行中,只要能够获得监测区40%的中高分辨率的影像,采用本研究提出的多尺度冬小麦种植面积测量方法,基本上可以满足业务化运行的精度要求。 相似文献
8.
9.
10.
Landsat8和MODIS融合构建高时空分辨率数据识别秋粮作物 总被引：2，自引：0，他引：2
本文利用Wu等人提出的遥感数据时空融合方法 STDFA(Spatial Temporal Data Fusion Approach)以Landsat 8和MODIS为数据源构建高时间、空间分辨率的遥感影像数据。以此为基础,构建15种30 m分辨率分类数据集,然后利用支持向量机SVM(Support Vector Machine)进行秋粮作物识别,验证不同维度分类数据集进行秋粮作物识别的适用性。实验结果显示,不同分类数据集的秋粮作物分类结果均达到了较高的识别精度。综合各项精度指标分析,Red+Phenology数据组合对秋粮识别效果最好,水稻识别的制图精度和用户精度分别达到91.76%和82.49%,玉米识别的制图精度和用户精度分别达到85.80%和74.97%,水稻和玉米识别的总体精度达到86.90%。 相似文献