共查询到20条相似文献,搜索用时 578 毫秒
1.
[目的]为通过植被指数方法进行土壤水分估算和旱情监测提供依据。[方法]以新疆渭干河-库车河三角洲绿洲为研究区,雷达数据和光学遥感数据相结合,对干旱区绿洲进行土壤和植被水分信息的提取。[结果]在同期光学遥感影像数据提取叶面积指数基础上,利用简化的“MIMIcs模型”从雷达数据总的后向散射中去除植被的影响,建立土壤后向散射系数与土壤含水量之间的关系。[结论]主被动遥感数据结合在干旱区土壤水分反演时去除植被影响有较好的效果。 相似文献
2.
C波段多极化SAR反演土壤水分研究 总被引:3,自引:0,他引:3
[目的]研究不同极化方式下雷达后向散射系数与地表土壤含水量之间的关系.[方法]在分析不同地表微波散射模型基础上,选用合适的植被散射模型结合多极化雷达数据从雷达总的后向散射中去除植被影响,建立土壤后向散射系数与土壤含水量的关系.[结果]拟合HH极化、HV极化雷达观测数据与土壤水分数据,相关系数为HH极化R2=0.552 3,HV极化R2=0.357 9.[结论]微波具有全天候、穿透性以及不受云层影响的独特物理机制,使其在研究大尺度土壤水分反演时效果较好,相比较HV极化,HH极化雷达影像数据更适合干旱区作物植被覆盖地区土壤水分监测. 相似文献
3.
土壤水分是农作物生长的基本条件,本研究基于高分三号卫星C波段合成孔径雷达数据,提出新的土壤水分反演算法,并获取区域尺度8 m空间分辨率的农田区土壤水分。首先,通过PROSAIL模型、实测植被冠层含水量、Landsat-8光学数据优选光学植被水分指数,计算水云模型参数并获得土壤直接后向散射系数;其次,利用高级积分方程模型模拟雷达后向散射影响机制,采用雷达影像高低入射角特性计算地表组合粗糙度;最后,利用高分三号卫星同极化雷达数据反演农田区土壤水分,并基于实测数据开展精度验证。结果表明:土壤水分反演值与野外实测值具有良好一致性,垂直极化下反演精度更高,其决定系数为0.595 6,均方根误差为0.041 5 m3/m3。本研究成果可为我国自主研发的高分三号卫星获取高分辨率土壤水分信息提供算法参考。 相似文献
4.
温度植被干旱指数(Temperature-Vegetation Dryness Index,TVDI)是一种基于光学与热红外遥感通道数据进行植被覆盖区域表层土壤含水量反演的方法。针对传统的TVDI模型未考虑地表能量平衡因素对地表温度(Ts)的影响和大气及土壤背景对植被指数影响的问题,首先利用数字高程模型(Digital Elevation Model,DEM)影像对研究区做地形校正,消除地形起伏和覆盖类型差对地表温度的影响;其次分析地表温度(Ts)与比值植被指数(RVI)、归一化植被指数(NDVI)、增强型植被指数(EVI)、修正土壤调整植被指数(MSAVI)等植被指数模型和实测土壤含水量的相关性,选择相关性最高的Ts/MSAVI反演土壤含水量。结果表明,Ts/MSAVI能够有效对东辽河地区土壤含水量进行估算。 相似文献
5.
土壤水分在农业、气象、水文和地质领域起着重要的作用,遥感反演土壤水分一直是国内外研究的热点.TerraSAR-X是德国新一代的高分辨率雷达卫星,也是世界上首颗分辨率达1 m的商业雷达卫星,其多角度、多极化方式、高分辨率以及对同一地区短周期重复成像的特性,在监测小尺度土壤水分变化上表现出了良好的发展前景.针对TerraSAR-X,总结了雷达后向散射系数对地表参数的敏感性,并从地表粗糙度和植被影响去除两方面介绍了基于TerraSAR-X平台的土壤水分研究现状,指出了存在的问题及其今后发展方向. 相似文献
6.
快速获取大范围地表土壤水分空间分布是一个迫切需要解决的科学问题,而主动微波遥感能够弥补传统光学遥感与被动微波遥感监测土壤水分的不足。以河套灌区沙壕渠试验站土壤水分雷达监测为案例,利用BP神经网络技术,建立雷达后向散射系数反演土壤水分的人工智能模型,经实测数据检验能够满足工程需要,可促进微波遥感在土壤水分监测中的应用与开拓。 相似文献
7.
8.
9.
土壤含水量是土壤的一项重要指标,如何通过遥感反演获取高精度的土壤含水量一直是研究者关注的问题。本文针对利用微波反演裸露地表土壤含水量和植被覆盖地表土壤含水量的问题,比较了相关研究在反演模型、反演技术流程方面的改进和不足,分析了反演问题的关键环节,结合微波和光学联合反演地表土壤含水量的研究进展,指出了微波遥感反演土壤水分研究的发展趋势。 相似文献
10.
11.
土壤水分是制约黄土高原地区植被恢复与生态环境重建的决定性因子. 在这一地区开展土壤水分动态变化研究对生态恢复的重要性是不言而喻的.土壤水分有其时空变化规律,一方面土壤水分随季节变化而变化,另一方面土壤水分随土壤深度和水平位置的变化发生相应变化.降水是影响坡地土壤水分含量的最重要的因素,其他气象因子对土壤含水量也有一定影响.此外,坡向、坡度、坡位等地形因子以及土壤特性、地表植被、土地利用情况等对土壤含水量的空间分布也有重要影响.总之土壤含水量的时空变化是各种环境因子综合作用的结果.目前土壤水分动态变化的研究重点是对其影响因子的研究. 相似文献
12.
基于MODIS 影像的多种特征信息,以吉林省汪清林业局为例,结合该地区的地形分布,在空间维上分析影像的纹理特征信息和地形指标信息,时间维上分析植被的生长规律和地表温度信息,统计分析植被的特征信息差异,利用决策树方法对该林区的森林类型进行分类,并对分类结果进行精度评价。结果表明,总体分类精度为87.80%,卡帕系数为0.851 0,其中,针叶林、阔叶林、混交林、和其他用地的分类精度均达到80%以上。在分类决策中,时间和空间上的多种数据特征信息的加入,可有效地提高植被类型的分类精度。该结果有助于更好的了解植被在时间和空间上的分布情况,为大区域尺度的森林动态信息监测提供更好的依据。 相似文献
13.
黄土高原坡地土壤水分动态特征及影响因素 总被引:8,自引:0,他引:8
土壤水分是制约黄土高原地区植被恢复与生态环境重建的决定性因子.在这一地区开展土壤水分动态变化研究对生态恢复的重要性是不言而喻的.土壤水分有其时空变化规律,一方面土壤水分随季节变化而变化.另一方面土壤水分随土壤深度和水平位置的变化发生相应变化.降水是影响坡地土壤水分含量的最重要的因素,其他气象因子对土壤含水量也有一定影响.此外,坡向、坡度、坡位等地形因子以及土壤特性、地表植被、土地利用情况等对土壤含水量的空问分布也有重要影响.总之土壤含水量的时空变化是各种环境因子综合作用的结果.目前土壤水分动态变化的研究重点是对其影响因子的研究. 相似文献
14.
15.
为准确获取水稻种植面积,以浙江省为研究区,利用8 d合成MODIS陆地表面反射率数据的特点和水稻典型物候特征,选取水稻种植前的休耕期、秧苗移栽期、生长期和成熟期等多时像MODIS地表反射率影像数据,通过归一化植被指数、增强植被指数及利用对土壤湿度和植被水分含量较为敏感的短波红外波段计算得到的陆地表面水指数进行水稻种植面积信息获取,将提取结果同现状水田与MODIS影像共同提取的数据以及浙江省统计年鉴数据进行对比分析.结果表明,利用MODIS影像的8 d合成地表反射率数据进行平原区域水稻种植面积提取,精度可达90%以上.因此,采用MODIS影像数据进行平原区域水稻遥感监测可以为政府决策部门提供信息服务. 相似文献
16.
[目的]利用具有L波段的双极化PALSAR雷达数据在福建寿宁地区开展水体信息提取的研究。[方法]对双极化PALSAR雷达数据进行了极化差、滤波、彩色合成等图像处理手段,增强地物信息,分析了典型地物在雷达影像上的特点,利用地形建模消除山区阴影影响,基于SVM分类方法对研究区进行了水体信息提取,最后结合目视解译结果进行了精度评价。[结果]PALSAR雷达数据可准确地在我国南方地区进行水体信息的提取应用。[结论]该研究为解决在我国南方地区受云雨天气影响,光学遥感数据无法准确地提取地表水体信息的问题提供了理论依据。 相似文献
17.
应用辅助信息提高森林分类和森林区划能力的研究 总被引:2,自引:0,他引:2
由于同物异谱、异物同谱现象的大量存在 ,以及地形地势、土壤水分等影响 ,使应用遥感数据的森林分类能力受限 .为此许多学者研究应用专家系统、神经网络、反演模型来提高分类精度 ,但在复杂地形、森林植被较破碎时其分类效果仍不理想 .因此不少学者将目光转向辅助信息 .所谓辅助信息就是借助直接和间接能影响森林植被分类能力的一些因子 ,如海拔、坡向、土壤厚度、坡度等 ,此外一些专题图件如林相图也是很好的辅助信息 .电子林相图除有图形信息外 ,同时也具有属性信息 ,属性信息中又包含了大量地形地势、土壤、树种及树种组成等信息 ,这些对森林植被分类具有很大的参考价值 .而地形图和在此基础上形成的DEM图除对森林植被分类具有参考价值外 ,同时对区划小班、林班也具有重要的应用价值 相似文献
18.
19.
20.
基于多源遥感数据的TVDI方法在荒漠草原旱情监测的应用 总被引:2,自引:0,他引:2
为探讨近年来广泛使用的低空间分辨率的MODIS数据以及高空间分辨率的Landast 8数据对同一地区的旱情状况,选择内蒙古自治区干旱频发的乌审旗荒漠草原为研究区,借助分裂窗算法反演地表温度(Ts),获取归一化植被指数(NDVI),建立温度植被干旱指数(TVDI)的干旱监测模型,分别反演MODIS-TVDI和Landast8-TVDI,并与同期野外实测的不同深度土壤含水量进行回归分析。结果发现,基于MODIS和Landast8 2种遥感数据计算得到的TVDI与各层的土壤水分线性相关显著,两者都能表征地表的干旱分布,且Landast8-TVDI与各层土壤含水量的相关性大于MODIS-TVDI与各层土壤含水量的相关性,其中0~10 cm表层土壤含水量的相关性要好于0~20 cm、0~30 cm的相关性。因此Landast8-TVDI能够更好地反映乌审旗荒漠草原的土壤水分状况,更适宜于旱情监测。 相似文献