首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   4篇
  免费   0篇
  国内免费   2篇
测绘学   2篇
大气科学   2篇
自然地理   2篇
  2022年   1篇
  2021年   1篇
  2020年   1篇
  2011年   1篇
  2009年   1篇
  2007年   1篇
排序方式: 共有6条查询结果,搜索用时 31 毫秒
1
1.
青海湖地区植被覆盖及其与气温降水变化的关系   总被引:9,自引:2,他引:7  
使用1981年到2003年月NDVI(归一化植被指数)资料,计算了青海湖地区植被覆盖度,分析了该地区植被覆盖度的历史演变,发现其值在增大,尤其是从1996到2003年,青海湖地区的植被覆盖度都为正距平,NDVI年平均增长率为1.07×10-3。四季的植被覆盖度均为增加趋势,夏季增加最多。月平均温度与月植被覆盖度、春夏季降水与夏秋季植被覆盖度显著正相关。因此,热量条件和春夏季降水是影响青海湖地区植被生长的关键性因素。  相似文献   
2.
基于MODIS资料的宁夏LST反演方法新探索   总被引:1,自引:0,他引:1  
为快速、宏观、全面地获取陆面生态重要参数陆面温度(LST),避免分裂窗算法中诸多参数的估计和参数的适用范围限制,加快计算速度,更好地利用中国气象局"三站四网"的建设成果,利用宁夏2005-2007年13个时次过境晴空地表MODIS资料及对应过境时17个自动气象站观测数据,筛选、优化引入对LST影响较大的水汽通道、NDVI和EVI参数,建立基于MODIS遥感和地面自动气象站观测数据反演陆面温度(LST)的统计模式.研究结果表明:引入相关参数后,宁夏各季及全年模式的相关性和精度有较大提高,且水汽通道和EVI的参数组合最优.与分裂窗算法相比,省去了对大气透过率的估算以及对地表比辐射率估计的繁琐计算,与地面自动站观测真实值误差70.1%能够控制在4.0℃以内,计算速度快,能够满足一般业务的需求,易于推广使用.  相似文献   
3.
为实现水灾发生后淹没区域的快速监测,为受灾地区的灾情评估、调查及水资源管理提供依据,借助Sentinel-2 MSI卫星对乌海湖、黄河宁夏石嘴山河段、沙湖3个研究区域2018年7—10月强降水前后水位、水体面积进行了动态监测。结果表明,乌海湖10月中旬之前水体面积持续增大,之后出现下降;黄河石嘴山部分河段在7月强降水之后河道变宽,10月中旬宽度达到最大;沙湖面积在丰水期趋于稳定,平水期部分缩减。基于Sentinel-2 MSI改进归一化差异水体指数(MNDWI),结合Otsu算法可以快速准确提取水体信息。  相似文献   
4.
基于GIS的宁夏干旱监测预警系统设计与应用   总被引:1,自引:0,他引:1  
宁夏下旱监测预警系统考虑了孕灾环境、致灾因子、承载体特征3个方面影响因素,以地理信息、遥感资料、作物特性、土壤特征等作为输入数据,通过综合模型进行监测预警.从系统框架模型、系统体系结构、数据处理流程、数据访问、系统功能5个方面对系统进行了设计,吸收了多个项目研究成果,建立了干旱监测预警模型,实现集气象数据收集、处理、输...  相似文献   
5.
高分二号遥感影像提取冬小麦空间分布   总被引:1,自引:0,他引:1  
精细的农作物空间分布数据对于资源、环境、生态、气候变化和粮食安全问题均具有重要的意义,卷积神经网络已经成为从遥感影像中提取农作物空间分布数据的主要方法,但提取结果中的种植区域边缘往往比较粗糙。本文以高分二号遥感影像为数据源,选择冬小麦为提取目标,利用RefineNet模型和最大后验概率模型构建冬小麦遥感提取模型WWRSE(Winter Wheat Remote Sensing Extraction),获取精细的冬小麦空间分布数据。WWRSE模型利用RefineNet网络提取像素的语义特征,使用改进的SoftMax模型生成像素的类别概率向量;以类别概率向量的最大分量与次大分量的差值作为置信度,根据置信度将类别概率向量分为可信和不可信两组,可信组直接使用最大分量对应的类别标签作为相应像素的分类结果;结合最大后验概率模型确定不可信组像素的分类结果。利用随机梯度法对WWRSE模型进行训练。选择SegNet、DeepLab、RefineNet作为对比模型进行实验,WWRSE提取结果的精度为92.9%,比SegNet提高了13.8%,比DeepLab提高了10.9%,比RefineNet提高了8.6%。实验结果表明WWRSE模型在提取冬小麦空间分布数据方面具有一定的优势。WWRSE模型提取的结果能够为大范围冬小麦种植面积统计提供依据。  相似文献   
6.
利用卷积神经网络从遥感影像中提取水体时,水体对象边缘像素的特征与内部像素的特征之间往往存在较大差异,导致提取结果中边界模糊、内部像素与边缘像素的提取精度差异较大,影响了整体精度的提高。针对如何从高分辨率遥感影像中进行水体高精度、自动化提取的问题,文章首先以高分辨率遥感图像为基础,利用边缘提取算法生成边缘图像,然后以高分辨率遥感图像和边缘图像作为输入,建立了语义特征和边缘特征融合的高分辨率遥感图像水体提取模型(Semantic Feature and Edge Feature Fusion Network, SEF-Net),用于从高分辨率遥感图像中提取水体对象。实验结果表明,SEF-Net模型在3个数据集中的召回率(91.97%、92.07%、93.97%),精确率(91.12%、98.37%、97.88%),准确率(89.56%、95.07%、94.06%)和F1分数(91.54%、95.12%、95.88%)均优于对比模型,说明SEF-Net模型从高分辨率遥感图像中提取水体时,具有更高的精度和泛化能力。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号