排序方式： 共有24条查询结果，搜索用时 109 毫秒
1.
遥感蒸散模型的时间重建方法研究 总被引：13，自引：1，他引：12
本文提出的遥感蒸散模型的时间重建方法考虑了逐日蒸散可能的变化情况， 在阻抗- 彭曼单层模型的基础 上， 将图像去云处理与时间重建结合在一起， 先使用SEBS 能量平衡余项模型获得晴好日的地表阻抗信息， 选择了 叶面积指数LAI 作为反映植被表面阻抗的参量， 通过时间序列谐波分析(HANTS)获得逐日逐像元的LAI 信息， 将晴 好日的阻抗信息扩展至待定日， 并使用因子函数表达了极端温湿条件对植被叶面阻抗的限制作用。使用中科院禹 城站2003 年作物季的大型蒸渗仪数据对模型所得逐日蒸散结果进行了验证。在作物生长季， 模型结果相对于实测 结果表现出了良好的相关性(R2≈0.7)， 远优于作为对比的蒸发比不变法。受单层模型假设局限， 方法在裸地及稀疏 植被上的结果还存在着较大的误差。 相似文献
2.
"全球农情遥感速报系统(CropWatch)"新进展 总被引：5，自引：0，他引：5
目前由中国科学院遥感应用研究所建设和运行的"全球农情遥感速报系统",是世界上开展全球尺度农情遥感业务监测的主要运行系统之一,可以在中国和全球尺度提供作物长势、单产、种植面积、产量和旱情等农情信息.自1998年建设至今,已经发展成为一个独立运行、监测内容全面、技术先进、监测结果可靠,并具有快速响应能力的系统.2004年,<遥感学报>(第8卷第6期)对该系统的主要技术方法进行了系统介绍.2005-2009年,通过对CropWatch的不断完善,提高了系统的独立性和运行效率,并在2008年春季雪灾、汶川地震、2009年冬小麦种植区春季干旱、2010年西南大旱等关键时期发挥了重要作用.详细介绍了2005-2009年间在系统化建设、监测的独立性和系统的应用推广等方面的进展,并对系统在"十二五"期间的发展重点进行了展望. 相似文献
3.
河川径流遥感监测研究进展 总被引：5，自引：0，他引：5
河川径流参数是用于地表水资源评估、全球变化监测和生态环境保护的基础数据.现有的河川径流监测数据基于水文监测站点获取.近年来,受经济和政治原因的影响,全球水文监测站点在逐渐减少.随着全球变化研究对区域乃至全球水文监测数据需求的增加,监测站点有限及监测数据格式多样等问题逐渐凸显.过去15年,卫星遥感技术在河川径流监测领域的研究和应用实践,使上述问题的解决成为了可能.总结了河川径流遥感监测方法和技术研究进展,包括地基高低频雷达、航空航天雷达和多光谱卫星遥感监测3个方面;介绍了全球大型河川径流与湖泊水体动态监测重大应用成果及未来研究计划.指出在未来具有全天时、全天候,高时空分辨率,以及多水文要素探测能力遥感卫星发射之前,应充分利用遥感野外观测实验,完善河川径流监测技术方法,并综合应用已有高时空分辨率的多光谱和微波遥感数据,开展径流监测应用研究. 相似文献
4.
大数据时代的农情监测与预警 总被引：4，自引：0，他引：4
农情信息是世界粮农组织、各国政府、粮食贸易企业以及农场管理迫切需要掌握的信息。大数据时代的农情监测与预警正在由模型驱动向数据驱动转变,大数据正逐渐成为监测与预警的核心驱动力。伴随着农情监测与预警大数据的爆炸式增长,大数据与云计算技术的发展为农情监测与预警提供了全新的技术手段。2013年以来,全球农情遥感速报系统(CropWatch)已逐步引入聚类分析、时间序列分析、关联分析、时空变化异常诊断等大数据分析方法,并应用于业务化运行的农情监测与预警中。大数据技术提升了CropWatch的数据挖掘能力,对CropWatch农情监测与预警时空尺度的拓展以及农情监测内容的精细化起到推动作用,促进了面向需求的CropWatch农情信息与预警精准云服务的发展,促成了大数据时代CropWatch农情监测与预警技术体系的升级。未来,大数据时代的农情监测与预警将逐渐向全自动化监测、实时化精准农业管理与智能化信息服务方向发展;通过众源采集技术高效低廉的获取农情观测大数据将成为未来的发展趋势;大数据技术跨领域数据挖掘的能力,使得丰富多元化的跨界信息服务将成为大数据时代农情监测与预警的主流发展方向。大数据时代的CropWatch正在向基于大数据的农情监测与预警系统全速迈进。 相似文献
5.
ETWatch中的参数标定方法 总被引：3，自引：2，他引：1
使用遥感手段估算区域范围的蒸散量一直是热红外定量遥感的研究热点。ETWatch是用于流域蒸散遥感监测、针对遥感应用而设计的集成框架。方法集成了具有不同应用优势的遥感蒸散模型,并以Penman-Monteith方法为基础建立时间扩展方法,利用气象数据与晴好日的通量遥感估算结果,获得逐日连续的蒸散分布图。所生成的从流域级到地块级的数据产品能动态反映区域蒸散发的时空变化规律。为深入了解遥感蒸散量估算中的不确定因素,本文将其通量计算过程分为地表参数获取(以地表温度为主)、日净辐射、蒸发比等环节与地面数据进行对比和逐项的标定。并分别采用地表阻抗扩展法和蒸发比不变法进行了时间插补的对比研究。利用站点地面观测资料对蒸散遥感监测产品的验证表明,在全年内模型蒸发比结果与实测的时段平均蒸发比的相关系数可达到0.7左右,在更长的时间尺度上(月、季、年)平均百分比误差可以减小到10％以下。 相似文献
6.
7.
灌溉区与雨养区作物长势差异比较分析——以美国内布拉斯加为例 总被引：2，自引：0，他引：2
以美国内布拉斯加为例,按照耕地灌溉比例0%—30%,30%—60%,60%—100%将农业区分为雨养农业区、混合农业区与灌溉农业区,同时筛选丰水年(2008年)、平水年(2005年)、枯水年(2012年),比较相同年份雨养农业区、混合农业区与灌溉农业区的作物长势的峰值特征差异,以及相同农业区在丰水年、平水年、枯水年的长势过程线的相似性,并定量分析作物长势随灌溉百分比的变化规律与趋势。研究表明:(1)相同年份,灌溉农业区作物长势好于混合农业区,混合农业区的作物长势好于雨养农业区,耕地灌溉比例越高,作物长势越好;(2)不同年份的灌溉农业区作物长势差异最小,混合农业区次之,雨养农业区长势差异最大,即耕地灌溉比例越高,作物长势越稳定;(3)枯水年雨养农业区的作物长势过程线与降水过程线同增同减,受灌溉与降水的双重影响,灌溉农业区的作物长势过程线的峰值滞后于降水峰值;丰水年,作物水分胁迫减弱,灌溉农业区、混合农业区与雨养农业区作物长势过程线与降水过程线变化趋势基本一致;(4)作物长势增幅与灌溉百分比之间呈现显著的分段二次函数变化关系,当灌溉百分比增幅小于60%时,作物长势增长幅度逐步加快,当灌溉百分比大于60%时,作物长势增速逐步放缓,在枯水年时,长势随灌溉百分比增加而增长的幅度高于丰水年与枯水年。鉴于不同农业区作物长势差异,作物长势的定量监测需要进一步区分灌溉与雨养农业。 相似文献
8.
及时、准确地获取农作物种植信息,对于农业生产管理和国家粮食安全有重要意义。目前越来越多的免费卫星数据可以用于作物分类及生理参数反演。Sentinel-2卫星于2015年6月发射,提供了13个光谱波段,具有较高的时间分辨率、空间分辨率和光谱分辨率,为不同作物特征区分以及大范围作物种植面积快速提取业务化运行的精度与效率提高带来了契机。随着Sentinel-2数据的免费下载,这就为大面积生产下一代区域或者国家尺度的高分辨率（10~30 m）农情遥感产品提供了可能。物候信息包含了作物随着季节不断变化的特征,利用如NDVI等时间序列植被指数找出不同作物的特征进而开展作物分类得到了广泛应用。本文以油菜为主要研究对象,以长江中下游地区的江汉平原为实验区,基于作物物候差异与面向对象决策树的方法,对Sentinel-2卫星影像用于油菜种植区提取的效果进行了评估与分析。首先利用作物不同生长时期各波段光谱信息以及归一化植被指数等信息的差异分析并找出油菜种植区提取的最佳时相,然后对影像进行多尺度分割,根据对象特征建立决策树逐一去除非植被、林地等干扰类型,进而提取出油菜种植区域。通过分析发现,基于Sentinel-2影像的图像分割可以有效生成不同作物类型的对象;油菜开花期的特征是其区分于其他作物的关键因素,利用该特征可以有效消除分类时其他地物类型对油菜的影响,提高作物分类信息提取的精度和效率。研究表明：在区分油菜的决策树分类特征信息中,贡献最大的是归一化植被指数（NDVI）,近红外波段（NIR）和亮度（Brightness）信息。用162个油菜验证样本点计算混淆矩阵,油菜种植面积提取的总体分类精度为98%以上,Kappa系数为0.95。说明结合物候信息利用Sentinel-2数据进行大范围作物种植面积提取具有巨大潜力,可以提高大范围油菜种植区域快速提取的精度和效率。 相似文献
9.
近40年来白洋淀湿地土地覆被变化分析 总被引：4，自引：0，他引：4
白洋淀是华北平原上现存最大的天然湖泊,是典型的内陆湿地。最近40年,白洋淀湿地出现了水面萎缩、生态功能急剧退化、生物多样性减小和水体污染严重等生态环境问题。本文利用1964年CORONA侦察卫星影像、1974年和1983年Landsat MSS影像和2002年ETM+影像,对白洋淀湿地的土地覆被变化及其驱动力做了详细分析。结果表明,湿地面积呈减少趋势:1964年为407.3km2,2002年缩减到274.63km2。湿地水面起伏变化大,1964年水面较宽,为346.75km2;到1974的10年间,减少到94.65km2,1983年和2002年水面继续变窄,水面面积分别为67.27km2和46.86km2。引起湿地土地覆被变化的原因包括降雨量的减少、蒸发量的增大、城市发展用水增大、不合理土地利用开发和上游水库、引水工程修筑等。 相似文献
10.
ETWatch是用于区域蒸散遥感监测的业务化运行系统,集成了具有不同应用优势的遥感蒸散模型,并以Pen-man-Monteith公式为基础建立下垫面表面阻抗估算方法,利用逐日气象数据与遥感反演参数,获得逐日连续的蒸散分布图。所生成的从流域级到地块级的数据产品能动态反映区域蒸散发的时空变化规律。基于ETWatch方法,对2002-2005年海河流域和河北省馆陶县的蒸散状况进行了连续监测。利用地面观测资料对蒸散遥感监测产品的验证表明,涡度相关观测数据能量闭合率在0.9以上时,1 km级的日蒸散结果的平均偏差约10%;对于地块级(30 m)的ET,受混合像元的影响,相对于土壤水分消耗法测量的作物蒸散发,遥感监测作物蒸散发的平均误差在12.7%左右。 相似文献