共查询到17条相似文献,搜索用时 109 毫秒
1.
中巴资源卫星的CCD数据作为我国自主卫星数据源,在遥感应用方面发挥着重要作用。但由于CCD数据所获取的可见光-近红外波段信息易受大气因素干扰,因此寻求一种适合于中巴资源卫星CCD数据快速、有效的大气校正方法,以提高影像的利用率。介绍FLAASH大气校正的主要算法原理,并利用其进行CBERS-02B星CCD影像的大气纠正试验。通过分析校正前后的影像目视效果、典型地物光谱特征和NDVI值,表明FLAASH方法能够快速、有效地纠正大气因素对CBERS-02B星CCD影像的影响,对于植被覆盖地区纠正效果尤为明显。因此,FLAASH大气校正方法能够为大数据量的CBERS系列卫星CCD数据的大气校正提供了快速、可行及有效的方法。 相似文献
2.
3.
随着遥感技术的发展,植被指数作为用来表征地表植被覆盖和生长状况的度量参数,已经在环境、生态、农业等领域有了广泛的应用。本文利用中巴资源卫星CBERS-02星CCD1-5波段遥感图像,比较了海岛棉与陆地棉5种植被指数(比值植被指数RVI,归一化差异植被指数NDVI,红色植被指数R I,转换型植被指数TVI,归一化差异绿度指数NDG I)的差异。结果表明:海岛棉与陆地棉的5种植被指数差异均未达到显著性水平(P>0.05);海岛棉与陆地棉之间比值植被指数RVI差异最大,而转换型植被指数TVI差异最小;在阿拉尔垦区利用7月份CBERS-02卫星遥感图像植被指数的差异很难区分出海岛棉与陆地棉。 相似文献
4.
基于遥感的乡镇级棉花面积提取与长势监测研究 总被引:2,自引:0,他引:2
棉花面积及长势信息是棉花生产管理的重要依据.本文以山东广饶县丁庄镇为研究区,以CBERS01和HJ1B卫星图像为信息源,选取棉花信息较为突出的时相,经几何校正、腌膜、图像增强等预处理,在分析研究区典型地物光谱特征的基础上,采用决策树分类方法提取棉花种植面积.利用2009年棉花生长期4个不同时相的遥感图像,分析棉花生长过... 相似文献
5.
[目的]用红外热图像提取棉花水分胁迫指数(CWSI),并用高光谱遥感植被指数对棉花的CWSI进行遥感估算,为红外热图像和高光谱遥感监测作物水分状况提供科学依据.[方法]通过Fluke热像仪和ASD非成像高光谱仪,分别获取棉花2品种4水平水分处理5个关键生育时期冠层的红外热图像和高光谱数据;对红外热图像进行技术处理,基于Jones定义的作物水分胁迫指数CWSI公式,计算CWSI;与高光谱数据转换得到的4种高光谱植被指数进行回归分析.[结果]CWSI与4种高光谱植被指数均达到了1;极显著的线性相关关系;其中红边归一化植被指数RENDVI与CWSI呈最高的线性负相关关系,利用它们的相关模型方程,估算CWSI,实测值与估算值之间呈极显著的线性相关(r=0.8399**,n=30,α=l;).[结论]红外热图像与高光谱遥感技术的结合,可以精确地对棉花水分胁迫指数CWSI进行遥感估算,更好的诊断棉花水分状况. 相似文献
6.
《西南农业学报》2019,(12)
【目的】应用多光谱影像和光谱指数法准确估算作物叶绿素含量。【方法】使用4个生长期玉米冠层高光谱反射率及叶绿素含量建立单红边波段叶绿素指数(SRCI)的叶绿素含量估算模型:首先由高光谱反射率和光谱响应函数计算得到等效的Worldview-2多光谱反射率,以等效反射率计算SRCI;然后根据SRCI与叶片叶绿素含量(LCC)、冠层叶绿素密度(CCD)的线性关系,分别建立LCC和CCD的一元线性回归模型。使用2012年9月14日获取的Worldview-2多光谱遥感影像计算得到的SRCI作为输入,估算LCC和CCD。【结果】Worldview-2 SRCI估算叶片叶绿素含量的偏差均方根为4.70μg/cm~2,相对误差平均为7.0%;估算冠层叶绿素密度的偏差均方根为1.63 g/m~2,相对误差平均为6.4%。【结论】多光谱卫星遥感的红边光谱指数能准确估算玉米叶绿素含量。 相似文献
7.
8.
以云南省滇中地区为研究区,以2007年云南松样地一类清查结果为基础数据,获取样地测树因子信息。以Landsat、MODIS卫星遥感图像为光谱信息提取数据源,获得多光谱遥感图像的光谱值,并分不同坡向、郁闭度等级和不同分辨率等级绘制成滇中云南松的反射光谱曲线。结果表明,滇中地区的云南松主要分布影像在红外波段部分,曲线变化特征及反射率值比TM像反射率值阴坡大于阳坡;不同郁闭度等级提取的云南松反射率值,TM和MODIS的结果均为:密中疏,郁闭度相对坡向而言,对云南松反射率值的影响更大。 相似文献
9.
通过星地同步地面试验,建立起洞庭湖水体的叶绿素a浓度遥感反演模型,运用2011年4月~2012年4月的多期环境一号卫星CCD数据,对洞庭湖叶绿素a浓度进行动态监测和分析。结果表明:环境一号卫星CCD数据第三通道(HJ3)反射率与第二通道(HJ2)和第四通道(HJ4)反射率之和的比值与洞庭湖水体叶绿素浓度具有较高的相关性,从而构建基于环境一号卫星多光谱数据的洞庭湖叶绿素a浓度反演模型;采用多期环境一号卫星CCD数据对洞庭湖的叶绿素a浓度进行了连续监测,较好地反映了洞庭湖叶绿素a的时空分布变化。 相似文献
10.
以研究区2012年的HJ卫星CCD影像为数据源,通过物候历和主要农作物的光谱特征分析,确定棉花识别最佳时相。采用分类回归树分析(CART)的决策树方法提取棉花种植面积信息,并以农田实地调查样点和统计数据为参考对提取的棉花种植面积结果进行评价。结果表明,基于HJ-CCD数据,使用CART算法的决策树可以较好地提取棉花覆盖信息,最终提取的棉花种植面积总量精度为94.29%,位置精度为88.57%;本研究采用的决策树方法,操作方便、容易实
现,分类结果较为实际,基本满足棉花种植面积遥感监测的需求,可对棉花种植面积估算和种植结构分析提供一定的参考。 相似文献
11.
12.
针对遥感图像的选择、解译范围在遥感图像上的定位及生态旅游资源各景观要素信息的RS采集技术进行了概述,研究表明:(1)遥感图像的选择除要考虑具体判读的景观因子外,还要因地而异,选择具体的摄影平台、分辨率、比例尺、拍摄时间、光谱波段等;(2)利用Erdas Imagine软件定位使用方便、操作简单、精度较高,是未来的主要发展方向;(3)在各种景观要素的遥感图像解译中,应综合利用多时相和多源遥感数据,并在GIS支持下,充分发挥人工智能优势,提高解译的精度,为生态旅游资源的科学规划和管理提供可靠的基础资料。 相似文献
13.
14.
15.
16.
[目的]探究不同高度下地物的光谱特征变化以及不同时期、不同高度下地物的有效快速识别方法。[方法]以2016年8月7日200 m高空高光谱影像和2016年9月25日100、200、300 m高空高光谱影像共4景影像为研究对象,研究不同高度下地物的高光谱特征变化以及不同时期、不同高度下地物的分类精度。[结果]不同高度下,植被的光谱反射率差异显著,随着高度的升高,植被特有的特征如"绿峰"降低、"红谷"升高、"红边位置"出现"红移",在近红外范围内,光谱反射率降低;综合考虑人工参与程度、处理时间和分类精度等方面,基于ISODATA法可实现不同时期、不同高度下地物的快速识别研究。[结论]该研究结果为利用无人机高光谱遥感在其他领域的应用奠定了基础。 相似文献
17.
水体遥感影像提取污染物信息普遍存在着尺度效应问题,选择合适的空间分辨率影像能够准确地表征水域污染的空间分布状况.充分利用水体空间尺度信息,研究水色遥感的尺度问题,有利于提升湖泊水体遥感反演模型的应用能力.以巢湖水域HJ-lA卫星HSI高光谱和CCD多光谱遥感数据为例,以Matlab为平台,采用基于离散小波多尺度变换分析方法,生成多光谱尺度和空间尺度影像,然后利用水体污染物的定量遥感反演方法,获取湖面水体叶绿素多尺度空间分布浓度,并利用水面同步实测数据对反演结果进行验证.通过结果比较,确定100 m分辨率的HSI高光谱数据为较优分析空间尺度. 相似文献