排序方式： 共有7条查询结果，搜索用时 174 毫秒
1
1.
Sentinel-2卫星落叶松林龄信息反演 总被引：1，自引：0，他引：1
林龄结构信息能够有效反映区域森林群落不同生长阶段的固碳能力，对于评估森林生态系统的健康状况具有重要意义。本研究以中国温带典型优势树种落叶松林为研究对象，分别选择其芽萌动期、展叶期和落叶期时段的Sentinel-2影像，采用多元线性回归（MLR）、随机森林（RF）、支持向量机回归（SVR）、前馈反向传播神经网络（BP）以及多元自适应回归样条（MARS）等5种方法依次构建落叶松林龄反演模型。通过相关性分析首先确定最佳遥感反演物候期，并在此基础上根据相关性差异筛选出5个最优特征变量用于模型反演，分别为冠层含水量（CWC），归一化水体指数（NDWI），叶面积指数（LAI），光合有效辐射吸收率（FAPAR）和植被覆盖度（FVC）。研究结果表明，展叶期为落叶松林最佳遥感反演物候期。除植被衰减指数（PSRI）以及落叶期的NDVI、RVI外，落叶松林龄与各指标之间均呈负相关关系，其中与冠层含水量（CWC）的相关性最高，pearson相关系数达到-0.74（p<0.01）。此外，不同模型反演结果表明，随机森林模型（RF）为最佳落叶松林龄估测模型，其平均决定系数R2和平均均方根误差RMSE分别为0.89和2.91 a；多元线性回归模型（MLR）的林龄估测结果最差，其平均决定系数R2和平均均方根误差RMSE仅为0.57和5.69 a，非线性模型能更好的解释林龄与建模变量之间的关系。 相似文献
2.
以中国东北赤峰市美林地区5种典型优势树种为研究对象,采用与当地森林植被生长期相对应的5景Senti-nel-2影像,借助支持向量机模型(SVM)与递归特征消除算法(RFE),根据可见光-近红外波段(VNIR)与不同红边谱段(RE)及红边指数(REVI)组合条件下的森林优势树种可分性测度及结果精度差异,探讨Sentinel-2影像不同红边谱段及其指数特征对区域优势树种遥感识别的影响.结果表明:Sentinel-2影像红边谱段的不同组合方式对不同生长期优势树种识别影响存在显著差异(P<0.05),其中VNIR+B5+B6为生长盛期的最佳组合方式,能够在VNIR基础上将生长盛期的识别精度均值提升约7.71％;叶全变色期是进行优势树种识别的最佳时期(P<0.05),该时期基于VNIR波段的识别精度均值达71.28％,在叠加红边波段B5+B6后提升至75.41％.此外,采用SVM-RFE算法构建适用于不同生长期的最佳REVI组合,其平均识别精度能够在全年5个生长期达到72.00％～84.31％,相比同时期基于RE+VNIR组合的最优识别结果平均提升了10.77％;在此基础上,构建适用于全生长期的优选植被指数PSRI+mSAVI+CIred-edge时间序列,可实现89.03％的平均识别精度,比单时相最佳REVI组合提升了4.72％～17.03％.研究证明Sentinel-2影像红边谱段及其衍生指数特征在区域森林优势树种识别中具有较高的应用价值,可为快速、准确地提取不同生长期森林植被信息提供技术方法参考. 相似文献
3.
高分四号静止卫星辐射性能模拟与信噪比分析——以香港近海岸水体为例 总被引：1，自引：1，他引：0
随着高分四号(GF-4号)地球同步卫星的发射与初步应用,其兼顾高空间与高时间分辨率的优势在同类型卫星中独具特色,中国对地静止卫星影像的研究也越来越受到重视。为了对GF-4号卫星在轨探测能力进行评估,掌握日内可用影像数据时段以合理安排成像时间提高卫星使用效率与延长寿命,有必要对以暗像元为代表的典型地物(如水体)进行辐射能模拟与信噪比研究。基于MODTRAN辐射传输模型,将香港沿岸水体作为暗目标,对GF-4号静止卫星多光谱遥感全色谱段以及蓝、绿、红、近红外4个多光谱谱段进行标准大气条件下入瞳处辐亮度的模拟,并利用在轨影像进行验证。在此基础上去除大气背景辐射干扰计算有效信噪比,并分别选取一年中春分、夏至、秋分、冬至,4个典型日的模拟数据进行质量分析,探讨一天连续观测中卫星能够获取高质量水体影像的有效时段,尤其是对晨昏时段临界微弱信号的敏感性进行分析。结果表明,夏至、冬至日内表观辐亮度峰值依次为59.26 W/(m~2·sr·μm)、56.20 W/(m~2·sr·μm),均出现在蓝光谱段;夏至、冬至最高地表有效辐亮度分别为17.52 W/(m~2·sr·μm)、12.13 W/(m~2·sr·μm),出现在蓝光谱段,但差距有所缩小。这是由于入瞳处辐射主要受到大气背景辐射的影响,以夏至正午为例,各谱段受背景辐射影响程度达到49.7%—75.5%。为规避背景辐射噪声,提出适用于陆表观测的有效辐射百分比的概念,推导出传统信噪比、有效信噪比以及有效辐射百分比之间的转换关系式,揭示了背景辐射对成像信噪比干扰的定量形式,提出有效信噪比计算方法,并以此为依据,以香港海岸带水体为目标,建立了相应有效信噪比对应时刻表。经计算香港海岸带水体一年中卫星全天有效信噪比均低于50 dB,夏至、冬至最高地表有效信噪比分别为41.0 dB、38.2 dB,其中蓝光谱段模拟效果最差,近红外、全色谱段结果较好。为保障影像质量,以香港海岸带水体有效信噪比35 dB为阈值确定影像获取时段,分别为夏至日北京时间7:49—17:01,冬至日北京时间9:28—15:07。 相似文献
4.
遥感土地覆被分类的空间尺度响应研究 总被引：2，自引：0，他引：2
不同空间分辨率遥感影像对区域土地覆被类型识别精度的影响是目前土地资源遥感研究中的热点议题。本文基于准同步的卫星传感器影像,以福建省长汀县河田盆地为研究区,结合野外调查的实验样本,依次采用最大似然法（MLC）、支持向量机（SVM）和人工神经网络（ANN）3种分类器,分析土地覆被分类结果在中高空间尺度序列（1~50 m）下的变化响应特征。结果表明：不同空间尺度下的地物分类结果存在显著差异（P<0.05）,其中总分类精度和Kappa系数均随影像分辨率的降低而先升高后降低,并于4 m分辨率处达到峰值,该结果与各类地物光谱反射率的空间尺度变化特征密切相关;而不同分类器对各空间尺度影像分类结果的影响程度差异较大（P<0.05）,其中SVM的分类精度最优,MLC次之,ANN的结果较差。此外,伴随影像空间分辨率的降低,不同土地覆被类型面积提取结果的变化规律不同,导致同类地物在不同空间尺度下的提取结果出现较大差异,表明在使用多源分辨率遥感数据进行土地监测等相关研究时,其伴随的结果误差不容忽视。 相似文献
5.
针对尺度上推转换在不同空间分辨率遥感影像的应用结果中所产生的光谱扭曲和失真现象未受到普遍重视这一现象。以福建省河田盆地马尾松林样区为研究对象,采用同时相的1～16m卫星多尺度观测影像,基于最邻近法、双线性内插法、三次卷积内插法以及像元聚合法4种方法,将原始影像转换生成一系列低分辨率影像,并分别与同尺度真实卫星影像的光谱反射率、植被指数、光谱空间结构和影像产品数值进行对比分析,以定量评估升尺度转换对影像光谱信息的影响。结果表明:伴随升尺度倍数的增加,升尺度转换影像的光谱均值、NDVI以及变化趋势与真实观测尺度影像相比呈显著差异;经不同倍数尺度上推后的影像空间信息量和清晰度逐渐下降,其幅度明显低于真实影像的变化结果。建议通过构建经验统计方程对不同传感器数据进行光谱转换,以充分利用多尺度遥感观测优势并保证结果的准确性。 相似文献
6.
植物生长季的变化反映了全球气候变化对生态环境的影响。本研究以2000-2006年间MODIS-NDVI影像数据集,使用TIMESAT软件从归一化植被指数（NDVI）时间序列中,分别提取福建省不同森林植被的生长季开始日期（Start of Season,SOS）、生长季结束日期（End of Season,EOS）和生长季长度（Length of season,LOS）等物候参数,并与全省尺度的气温与降水量进行相关分析。结果表明：不同森林类型NDVI与当月月均气温之间具有较显著的相关性（R2为0.72-0.79,p<0.01）,同期温度变化对植被生长的影响相对于降水量更重要;而植被生长对降水量的响应存在大约2个月的时滞效应（R2为0.54-0.75,p<0.01）,说明前期的降水累积对于后续植被生长有较显著影响。福建省森林植被生长季持续时间约213~223 d,开始于每年4月初到4月中旬（第98~103 d）,结束于11月中旬前后（第316~321 d）。其中,南亚热带森林生长季长于中亚热带森林,相同气候条件下的阔叶林生长季时间略长于针叶林。另外,春季（2-4月）气温变化是导致福建省内2个气候带森林生长季开始时间、生长季结束时间及生长季长度变化的关键因素,而伴随春季温度升高,植被生长季开始时间提前（R2为0.83,p<0.01）,同时生长季长度延长（R2为0.80,p<0.01）。7 a间,生长季持续时间呈现微弱延长趋势,总体延长幅度为2.4~3.1 d。 相似文献
7.
多光谱遥感分类与影像空间分辨率有着密切的关系,在适宜空间分辨率影像上进行地物分类能够获得更高的精度。随着遥感影像空间分辨率的提高,纹理特征被广泛用于遥感分类,但由于不同地类空间尺度不同,纹理对不同地物分类的影响程度也有所差异。本文基于高分一号2 m全色和8 m多光谱影像融合后的高空间分辨率多光谱数据构建反射率空间序列,选用3种分类方法对序列分类,并分别计算2 m融合数据及8 m多光谱影像的纹理特征,选择特征波段与相应多光谱波段组合用以分类研究,最后计算混淆矩阵评价分类精度。研究结果表明,通过回归分析得到多光谱分类的最佳空间分辨率为5 m,与其他研究中利用全色波段分类的结论一致,这说明最佳空间分辨率的选择不受光谱信息影响;对多光谱分类精度随空间分辨率变化的变化趋势分析发现,分类精度在20~30 m分辨率范围区间内快速降低,这为多光谱遥感分类数据空间分辨率的选择提供了重要参考;此外,对光谱与纹理特征结合后不同地类分类精度的变化分析显示,加入纹理特征后,冬小麦、人工建筑、有林地和水体的分类精度在2 m分辨率下分别提高了1.49%、1.51%、4.94%、1.54%,8 m分辨率下分别提高了2.95%、10.95%、5.91%、5.14%,说明引入纹理特征有利于提高分类精度,但其对不同地物类型、不同分辨率影像的影响程度不同。 相似文献
1