排序方式： 共有4条查询结果，搜索用时 109 毫秒
1
1.
土地覆盖精度验证是定量刻画土地覆盖遥感解译数据质量的必要手段。传统的土地覆盖验证主要是以"GPS定点"+"野外景观照片"的平面验证方式,其获取的验证点数量受制于野外采样效率,且主观性强。本研究提出一种车载三维摄像仪的土地覆盖验证方法,解决了三维视频资料中GPS验证点信息的输出和提取、验证点分类识别与管理,打分的精度评价等技术问题。以蒙古国东部7省(市)采集的2013年野外视频为例,从264 GB的影像资料中,分别以1、5、10、60、300 s为采样间隔,分离和辨识出123 396、24 679、12 339、2056、411个验证数据,并以验证打分的方法获得本区域的验证精度。分析表明,车载三维摄像仪具有自动化程度较高、能够连续记录可观的三维实地信息的优点,适用于信息化和大数据时代的土地覆盖验证。实地分间隔抽样结果表明,60 s间隔的采样频率在验证效率上最优,变长间隔采样技术将成为未来需要深入研究的关键问题。 相似文献
2.
作为蒙古高原的重要组成单元,蒙古国的土地覆盖格局与变化对于东北亚的资源、环境、生态及可持续发展具有重要意义。针对本区域缺乏高精度、现势性的土地覆盖数据产品的问题,本研究利用Landsat TM影像,采用面向对象的分类方法开展蒙古国土地覆盖遥感数据产品研制与分析。首先针对蒙古国景观格局特征,自主研究了适宜于蒙古国的土地覆盖分类体系,基于面向对象的遥感解译技术方法研究了蒙古国自然地物和人工地物要素的提取算法规则与阈值,建立了一套完整的面向蒙古国的土地覆盖遥感解译技术方案,在分景解译基础上获取了蒙古国2010年土地覆盖分类产品。经验证,数据集一级类分类精度为92.34%,二级类分类精度为80.24%。蒙古国土地覆盖类型以裸地、草地、森林为主,其中裸地的面积最大,占总面积的48.64%,其分布比较集中连片,主要分布在蒙古国南部和西部;草地面积次之,占总面积的42.85%,其分布具有明显的地域性,主要集中在蒙古国北部湿润地区和河流附近;林地最少,占总面积的6.63%,以蒙古国北部及西北部高山地区为主要生长区域。整体上蒙古国土地覆盖空间格局呈现明显的区域差异与地类过渡性,从南向北依次为裸地、荒漠草地、典型草地、森林类型,其中荒漠草地在中部形成一条明显的分界条带。 相似文献
3.
蒙古高原包括蒙古全部、俄罗斯南部和中国北部部分地区。蒙古高原的土地利用/覆盖格局与变化,对揭示该区域乃至整个东北亚地区的资源、环境和生态特征,促进该区域可持续发展具有重要的现实和科学意义。本文以在蒙古国中央省及其所含首都乌兰巴托市为研究区,利用空间分辨率为30 m的TM影像,采取QUEST(Quick Unbiased and Efficient Statistical Tree)决策树方法,通过图像目视解译,获取了研究区2010年土地覆盖分类数据。结果显示,草地占据研究区总面积的70.88%,其次是森林占14.83%、裸地占10.73%、农田占2.98%、水体占0.31%、建筑用地占0.27%、湿地占0.02%。通过野外实地采集的139个GPS验证点进行精度评价发现,一级土地覆盖类型的总体精度可达72.66%。针对草地的二级分类的总体精度有较明显下降,其主要是由于中蒙科学家对于草地类型分类体系的差异所造成的典型草地和荒漠草地的混分。 相似文献
4.
半方差函数可探测空间过程的影响范围,常用于分析遥感信息提取的适宜尺度,然而在进行大样本数据处理时,会受到计算机运算、存储等方面性能的制约。传统的做法往往直接采用随机抽样来减少数据量,其虽然降低了分析过程对计算机性能的要求,但同时也会降低分析结果的精度。因此,本文提出一种Monte Carlo模拟影像空间结构估算方法,其以小的样本量对大样本进行大量随机重复采样,在降低单次模拟数据量、运算量的同时,以充分的模拟量保证分析结果的精度。在此基础上,为了减少模拟所需时间,本研究引入并行计算,采用多核单计算机平台,进行多种地物适宜尺度提取分析的并行处理。实验与分析表明,该方法能较好地估算目标区域常见地物的适宜表达尺度（估计误差较小）。 相似文献
1