排序方式： 共有5条查询结果，搜索用时 15 毫秒
1
1.
山地叶面积指数反演理论、方法与研究进展 总被引：2，自引：0，他引：2
叶面积指数LAI（Leaf Area Index）是表征叶片疏密程度和冠层结构特征的重要植被参数，在气候变化、作物生长模型以及碳、水循环研究中发挥着重要作用。遥感是获取区域及全球尺度LAI的一个重要手段，当前LAI产品主要基于遥感数据反演得到，但是多数LAI产品算法并未考虑地形特征的影响，导致山地LAI遥感反演精度不确定性大。提高山地LAI遥感反演精度亟需考虑地形因子对冠层反射率的影响，其中山地冠层反射率模型和遥感数据地形校正是提升山地LAI遥感反演精度的关键。本文围绕山地LAI遥感反演理论与方法，综合分析了国内外山地冠层反射率模型和地形校正模型的研究进展，总结了目前山地LAI遥感反演存在的问题，并讨论了未来研究的发展趋势。 相似文献
2.
中国北方地区植被覆盖度遥感估算及其变化分析 总被引：6，自引：0，他引：6
为了分析中国北方地区2000年之后植被覆盖度的时空分布及其变化,利用MODIS光谱反射率数据计算归一化植被指数,采用像元二分模型对中国北方地区2000—2012年植被覆盖度进行定量估算,分析研究区13 a间植被覆盖度的时空变化特征。研究结果表明:植被覆盖度年内变化特征体现在最大植被覆盖度一般出现在7和8月份,与中国北方地区植被的生长季相一致;整个中国北方地区年最大植被覆盖度呈现缓慢增长的趋势,其增长速率为每年0.2%;年最大植被覆盖度变化的空间分布具有较大差异,其中东北、华北和黄土高原等三北防护林工程建设区的年最大植被覆盖度有较明显的增长。 相似文献
3.
精准农田识别是农作物估产和粮食安全评估的基础。遥感数据作为农田识别的重要数据源,可提供动态、快速的监测结果。高光谱数据在农田识别分类方面具有巨大的应用潜力,但其中的冗余波段影响了分类效率和分类精度。因此,本研究提出了一种适用于高光谱数据农田分类的混合式特征选择算法。首先,基于变量的重要性排序或约束程度,按步长逐步进行降维;其次,寻找分类精度骤减的转折点,并将其对应的变量作为特征子集;最后,利用序列后向选择SBS（Sequential Backward Selection）方法搜索最优分类特征子集。本研究利用GF-5高光谱数据,共研究了3种降维方法（随机森林RF（Random Forest）、互信息MI（Multi-Information）和L1正则化（L1 regularization））和3种分类算法（随机森林、支持向量机SVM（Support Vector Machine）和K近邻KNN（K-Nearest Neighbor））的组合在农田分类中的表现。结果表明,基于L1正则化法得到的特征子集自相关性较低,并且包含的红边和近红外波段有效提高了农田、森林和裸土的区分度。在不同分类模型比较中发现,SVM在高维空间中表现出非常好的抗噪能力,分类精度高于RF和KNN。而RF在低维空间中的泛化能力要高于SVM和KNN。相比于第一步降维得到的特征子集,使用SBS搜索得到的最优特征子集均提高了分类精度。最终,具有23维输入的L1-SVM-SBS分类模型得到了最高的总体分类精度（94.64%）和农田召回率（95.83%）。本研究为高光谱数据特征优选提供了一种新思路,筛选出了更具代表性的特征波段,提高了农田分类精度,对高光谱遥感分类研究具有参考价值。 相似文献
4.
顾行发 余涛 田国良 周上益 魏成阶 李娟 余琦 刘东晖 卫征 孟庆岩 徐辉 郭红 周翔 王春梅 臧文乾 黄祥志 高海亮 郑逢杰 刘苗 王栋 赵亚萌 魏香琴 孙源 李斌 廖戬 任芯雨 《遥感学报》2016,20(5):781-793
20世纪70年代末到80年代,中国多家单位大联合、大团结、大协作,开展了腾冲航空遥感试验、天津-渤海湾环境遥感试验和二滩水能开发遥感试验三项遥感科学试验,通过多学科交叉融合,提升了中国对遥感技术应用的认识,培养出一大批遥感科学技术人才和专家,取得了丰硕的科技成果和显著的社会经济效益。这3项试验成功地将遥感综合应用系统性地引入中国,标志着中国多领域遥感应用的起步,被称为中国遥感的"三大战役"。经过40年快速发展、积累酝酿、大胆创新、快速迭代,中国航天遥感应用迈过了几个重要阶段,正向战略性新兴产业方向发展。为顺应科技、经济、社会以及全球化发展战略的需求,中国适时实施了高分辨率对地观测系统重大专项、国家民用空间基础设施中长期发展规划和2030中国综合地球观测系统,进一步推进中国航天遥感应用从追赶国外先进技术到强化自主创新的转变,进入规模化、产业化和商业化发展阶段,可谓之为新"三大战役"。结合中国"一带一路"战略的大背景,通过新三大战役的实施,必将深化"走出去"战略,拓展全球服务能力,提升国际竞争力,向新的历史发展高度迈进。 相似文献
5.
植被覆盖度遥感估算研究进展 总被引：24，自引：0，他引：24
植被覆盖度是刻画地表植被覆盖的重要参数,在全球变化研究、地表过程模拟和水文生态模型中发挥着重要作用.遥感能够反映不同空间尺度的植被覆盖信息及其变化趋势,是获取区域及全球植被覆盖度参数的一个重要手段.综合分析了用于植被覆盖度估算的遥感数据源,包括高光谱数据、多光谱数据、微波数据和激光雷达数据.而且分析了各种常用的植被覆盖度遥感估算方法及其优缺点,并评价了现有基于遥感数据的植被覆盖度产品及存在问题.最后,针对目前研究中存在的问题,讨论了植被覆盖度遥感估算研究的发展趋势,指出高时空分辨率长时间序列的全球植被覆盖度数据集、多源遥感数据融合和同化技术是未来植被覆盖度遥感估算研究的主要方向. 相似文献
1