排序方式： 共有5条查询结果，搜索用时 15 毫秒
1
1.
长时间序列多源遥感数据的森林干扰监测算法研究进展 总被引：2，自引：2，他引：2
时空意义明确的森林干扰和恢复信息是评价森林生态系统碳动态的关键因素之一。然而由于诸多的现实困难,多尺度的森林干扰定量化时空信息相对缺乏。Landsat数据具备光谱、时间和空间分辨率上的优势,以及可以免费获取的特点,使其成为主要的长时间序列动态监测的遥感数据源之一,为长时间周期内提供具有合适的空间细节和时间频率的森林干扰信息成为可能。特别是基于Landsat时间序列堆栈(LTSS)的森林干扰自动分析算法的出现,更为森林生态系统的近实时监测提供强有力的工具。本文全面评述了长时间序列遥感数据准备和预处理技术以及国内外基于遥感数据源的多时相森林干扰监测方法,重点分析了基于Landsat的多种指数监测和自动化方法的优缺点,并总结了其与多源数据结合的扩展应用,最后就现有方法与国内外新的数据、技术手段的关联进行了展望,以期为推广中国本土卫星影像应用于森林干扰监测提供理论借鉴。 相似文献
2.
基于ASTER数据的决策树自动构建及分类研究 总被引：6，自引：3，他引：6
在对ASTER原始9个波段数据进行各种变换处理的基础上，采用数量化指标平均可分性方法确定参与分类的最佳特征组合； 结合研究区8种主要地物类型训练数据集，分别采用最大似然法、BP神经网络法和基于See 5.0数据挖掘的决策树分类法进行分类，提取主要地物的空间分布专题信息。经过379个野外样点的验证，结果表明： 决策树算法分类性能最优，神经网络算法次之，最大似然法效果最差； 与ENVI 4.1、ERDAS 8.7提供的传统决策树建立及分类方法比较，基于数据挖掘工具See 5.0和Cart的决策树生成和分类方法具有客观、高效率、分类性能可靠和精度高等优点。 相似文献
3.
国家公园的土地覆盖分类对于掌握自然资源现状、查明存在的生态安全威胁并快速应对具有基础性数据支撑作用。基于谷歌地球引擎（Google Earth Engine,GEE）平台,结合哨兵（Sentinel）主被动遥感数据及其导出的光谱指数、纹理特征和地形特征,分别采用基于像元的随机森林（random forest,RF）算法和面向对象的简单非迭代聚类（simple non-iterative clustering,SNIC）+RF算法实现了钱江源国家公园异质性景观的土地覆盖（耕地、森林、草地、水体、人造地表和裸地）分类。地面实验表明,在多种输入数据组合中,基于像元和面向对象方法分类获得的最高总体精度分别为92.37%和93.98%。合成孔径雷达（synthetic aperture radar,SAR）数据的纳入能够提高基于像元方法的分类精度,但在面向对象方法中未能体现精度提升效果。通过SNIC+RF算法生成的土地覆盖分类图完整性更好,所需特征数量较少,并且算法能够在GEE环境下快速执行,适用于国家公园管理实践。 相似文献
4.
Landsat长时间序列数据格式统一与反射率转换方法实现 总被引：1，自引：0，他引：1
介绍了一种长时间序列遥感影像预处理程序,即陆地卫星生态系统干扰自适应处理系统(landsat ecosystem disturbance adaptive processing system,LEDAPS)。该程序通过使用MODTRAN太阳能输出模型,校正太阳方位、日地距离、TM或ETM+带通以及太阳辐照度,将定标影像转换为表观(top-of-atmosphere,TOA)反射率影像,并将通过浓密植被(dark dense vegetation,DDV)算法插值生成的气溶胶光学厚度(aerosol optical thickness,AOT)以及通过相关资料获得的臭氧(O3)浓度、大气压及水汽值等用于6S辐射传输模型,生成地表反射率产品。以LEDAPS可处理的标准数据Landsat7 ETM+和统一格式后的非标准数据Landsat5 TM影像为例,介绍了长时间(1987—2011年)序列数据的选择、格式统一以及算法的实现过程,同时给出了校正后影像效果评价的方法。结果表明,标准数据和非标准数据经过LEDAPS处理后生成的地表反射率产品能有效降低大气中O3、水汽及气溶胶等对影像真实反射率的影响,为土地覆盖变化和干扰因素等的长时间序列监测和生物物理参数的遥感反演提供科学产品,有助于在国内形成处理长时间序列影像数据的准则。 相似文献
5.
利用综合变化检测方法进行土地覆盖变化制图 总被引：1，自引：0，他引：1
在全球环境变化研究中,对土地利用和土地覆盖的描述、量化和监测尤为重要。为此,基于综合变化检测算法(comprehensive change detection method,CCDM),计算2011—2016年Landsat影像(P033/R033)的土地类型变化。CCDM整合了2种基于光谱的变化检测方法,即多指标综合变化分析(multi-index integrated change analysis,MⅡCA)模型和分区(Zone)变化检测模型。通过计算变化向量(change vector,CV)、最大相对变化向量(relative change vector maximum,RCVMAX)、差分归一化燃烧率(differenced normalized burn ratio,d NBR)和差分归一化植被指数(differenced normalized difference vegetation index,d NDVI)等4个光谱指标和时间(t)提取2期Landsat影像的变化。此外,根据前期和当前土地覆盖的变化趋势和MⅡCA与Zone结果的变化,对CCDM结果的准确性进行了评价。评价结果表明:非变化类的准确率为96%,变化类的准确率为40%,总体精度为68%。CCDM方法简单、容易实现、应用广泛,能捕捉不同景观中各种自然和人为干扰引起的潜在土地覆盖变化,可为国家土地覆盖更新和土地变化检测提供技术支持。 相似文献
1