排序方式： 共有12条查询结果，搜索用时 781 毫秒
1.
近年来连云港海域紫菜养殖面积不断增大,为监测其发展趋势,本文利用Landsat-5、Landsat-7和Landsat-8卫星遥感影像为数据源,结合GIS空间分析方法,同时采用2017、2018年海域无人机影像对同期卫星影像目视解译结果开展精度验证,得出紫菜养殖区目视解译精度,以此获取近10年连云港海域紫菜养殖范围、面积和分布变化情况。结合等深线数据,开展不同深度区紫菜养殖面积增加和减少情况分析。该研究从宏观的角度掌握了连云港海州湾海域紫菜养殖的动态变化情况,对连云港市海域使用现状监管和海洋生态环境监测起到一定的技术支撑作用。 相似文献
2.
针对全国海域使用情况的监测需求,本文应用扩展的证据理论进行围填海区域检测,预设类别空间为{围填海,海水}。实验结果显示基于扩展的证据理论不仅能够较准确地检测出围填海区域,而且将浅海中的水下沙脊或小岛划分为不确定的未知类别。说明扩展的证据理论能够更好地完成围填海的检测,体现了扩展的证据理论解决实际问题的能力,同时,也为全海域的围填海监测提供了新的思路和扩展空间。 相似文献
3.
4.
5.
提出了一种融合监督分类与非监督分类结果的高光谱遥感影像分类新方法——众数赋值分类法。采用ISODATA非监督分类方法对高光谱遥感影像进行分类,并对非监督分类结果的图斑进行标记,同时用最大似然法(ML)和支持向量机(SVM)法进行监督分类,然后以监督分类结果对非监督分类后各斑块进行类别赋值。方法是:统计每个非监督分类斑块中由监督分类所获得的各类别像元数及所占比例,将非监督分类斑块的类别赋予所占比例最高的监督分类结果的类别,最终获得高光谱图像分类结果。研究表明:(1)非监督分类类别数量大于10时,其与ML分类结果融合的总体分类精度和Kappa系数均较监督分类法的分类结果好;(2)ML和20个类别的ISODATA分类结果融合的总体精度最高,为87.35%,比单独ML的总体精度高约2个百分点;(3)SVM和10个类别的ISODATA分类结果融合的总体精度提高最大,较SVM的总体精度提高近3个百分点;(4)随着非监督分类类别数量的增多,分类结果的总体精度呈现由低到高再到低的变化过程。 相似文献
6.
7.
基于GF-1卫星遥感影像的海岸线生态化监测与评价研究——以营口市为例 总被引：1，自引：0，他引：1
海岸线是海洋与陆地的分界线,也是重要的生态交错线。本文采用GF-1卫星遥感影像,通过监测大潮高潮时刻和小潮低潮时刻海岸水陆边界线,构建了潮间带完整性系数,以此为依据将海岸线划分为自然海岸线、具有基本生态功能的人工海岸线、具有部分生态功能的人工海岸线、具有有限生态功能的人工海岸线、具有少量生态功能的人工海岸线和无生态功能的人工海岸线。在此基础上,结合潮间带完整性系数及其毗邻海岸线长度,构建了海岸线生态化指数,用以评价区域海岸线的生态化程度。营口市海岸线以无生态功能的人工海岸线、自然海岸线和具有少量生态功能的人工海岸线为主,分别占到海岸线总长度的45.74%、18.31%和15.53%。营口市总体海岸线生态化指数为0.29,其中西城区、老边区、盖州北、鲅鱼圈区和盖州南分别为0.55、0.17、0.40、0.10和0.55。 相似文献
8.
GF-3号SAR卫星遥感围填海监测方法研究——以大连金州湾为例 总被引：1，自引：0，他引：1
依据不同围填海类型在高分三号(GF-3)合成孔径雷达(synthetic aperture radar,SAR)卫星遥感影像上可分性,建立围填海遥感分类体系及相应的围填海类型解译标志,进而分析SAR图像岸线提取方法,构建GF-3围填海监测技术流程。采用几何主动轮廓模型进行GF-3 SAR影像自动提取海岸线,获得围填海专题图。通过外业精度调查验证GF-3 SAR卫星遥感影像可以有效获取围填海信息。 相似文献
9.
10.
Since the atmospheric correction is a necessary preprocessing step of remote sensing image before detecting green tide, the introduced error directly affects the detection precision. Therefore, the detection method of green tide is presented from Landsat TM/ETM plus image which needs not the atmospheric correction. In order to achieve an automatic detection of green tide, a linear relationship(y =0.723 x+0.504) between detection threshold y and subtraction x(x=λ_(nir)–λ_(red)) is found from the comparing Landsat TM/ETM plus image with the field surveys.Using this relationship, green tide patches can be detected automatically from Landsat TM/ETM plus image.Considering there is brightness difference between different regions in an image, the image will be divided into a plurality of windows(sub-images) with a same size firstly, and then each window will be detected using an adaptive detection threshold determined according to the discovered linear relationship. It is found that big errors will appear in some windows, such as those covered by clouds seriously. To solve this problem, the moving step k of windows is proposed to be less than the window width n. Using this mechanism, most pixels will be detected[n/k]×[n/k] times except the boundary pixels, then every pixel will be assigned the final class(green tide or sea water) according to majority rule voting strategy. It can be seen from the experiments, the proposed detection method using multi-windows and their adaptive thresholds can detect green tide from Landsat TM/ETM plus image automatically. Meanwhile, it avoids the reliance on the accurate atmospheric correction. 相似文献