排序方式: 共有82条查询结果,搜索用时 15 毫秒
71.
72.
受稀疏植被与明亮土壤背景影响,干旱地区植被覆盖精确遥感估测难度较大。以Hyperion影像为数据源,选取甘肃省民勤绿洲-荒漠过渡带为研究区,系统比较了利用不同类型高光谱及多光谱植被指数估测干旱地区稀疏植被覆盖度的能力,以期确定干旱地区稀疏植被覆盖度估测的最佳植被指数。不同植被指数估测稀疏植被覆盖度的能力利用线性回归R2及留一交叉验证的均方根误差进行比较,结果表明:高光谱植被指数估测稀疏植被覆盖度的能力显著优于相应的多光谱植被指数,抗大气植被指数(ARVI)及抗土壤和大气植被指数(SARVI)表现明显优于归一化植被指数(NDVI)与土壤调节植被指数(SAVI),其中以基于833.3nm/640.5nm波段组合的ARVI表现最佳,R2可达0.7294,均方根误差(RMSE)仅为5.5488。 相似文献
73.
基于对象的CHRIS遥感图像森林类型分类方法研究 总被引:1,自引:0,他引:1
高光谱遥感森林类型分类中采用传统基于像素分类方法精度较低,本文通过高光谱遥感影像的特征,采用面向对象的最近邻监督分类方法对高光谱CHRIS影像进行分类实验,首先对影像进行多尺度分割,然后将分割对象信息、形状特征及上下文联系等特征构成特征空间进行最近邻监督分类,并与传统的基于像素的最大似然分类方法进行比较分析,结果表明,面向对象的最近邻法能够较好的识别森林类型,总精度为89.06%,kappa系数为0.82,而最大似然法分类精度为85.75%,kappa系数为0.79.其分类精度明显高于最大似然法,这表明该方法适合高光谱遥感影像分类,为今后的高光谱遥感森林类型分类能够起到技术参考和理论依据. 相似文献
74.
75.
通过对滇中高原云南松林分的调查以及树干解析,分析了目标树优势群体的树高、直径生长过程.结果表明:云南松生长发育过程可划分为苗木生长初期,树高速生期,直径速生期,速生后期和成熟期5个生长阶段;云南松材积生长的重要年龄阶段为15~45年,此期间应加强抚育措施,促进其快速生长;50年生云南松开始进人数量成熟阶段,可以采伐利用.云南松速生期较长,可作长轮伐期经营,是培育中大径材的理想树种.林分中云南松优势木材积生长量是平均木的3~4倍,建议引入德国近自然经营技术,将全林改造为目标树经营,大幅提高其生产效率. 相似文献
76.
黑河综合遥感联合试验是针对地球表层系统科学中存在的科学问题而开展的大型观测试验,其中森林水文试验区位于祁连山水源涵养林大野口生态站,森林类型为青海云杉天然次生林。为了对同步获取的航空—卫星遥感观测数据与地面观测数据进行位置匹配,采用DGPS和全站仪分别进行独立观测,以全站仪观测结果作为参考数据,对DGPS在林地内的定位精度进行分析与评价。结果表明,单频和双频差分处理精度类似,观测时卫星数和PDOP不能反映定位精度,影响定位精度的主要因素是林分郁闭情况,定位精度从亚米级变化到米级。 相似文献
77.
本文用样线法对北京山区的灌草丛草地进行了测定。用并行指示种分析法、多元聚类法及传统分类法对其进行了分类,并对这三种方法对该类草地的分类结果进行了比较分析,结果说明并行指示种分析法较其余两种方法为好。 相似文献
78.
79.
甘肃黑河流域上游森林地上生物量的多光谱遥感估测 总被引:4,自引:0,他引:4
[目的]以黑河流域上游祁连山森林保护区为研究区,利用133个森林样地调查数据、Landsat-5 TM影像和ASTER GDEM产品为数据源,探讨地形对该流域森林地上生物量(above-ground biomass,AGB)估测的影响,以及选择合适的遥感估测方法反演该流域的森林AGB.[方法]首先利用青海云杉特殊的生境范围和绿色植被对比值植被指数(ratio vegetation index,RVI)的灵敏程度,及不同地物对纹理特征的不同响应,制定相应的决策树分类器,将研究区的土地覆盖类型分为两大类:森林(青海云杉)-非森林,并利用133个森林样地调查数据和Google Earth 高分辨率影像的12 722个采样点对分类结果进行验证(总体分类精度达到90.39%,Kappa系数为0.81);然后运用多元线性逐步回归估测法,以及结合随机森林算法(random forest,RF)优化后的k最近邻分类法(k-nearest neighbors,k-NN)进行森林AGB的遥感估测,对比SCS+C地形校正前后青海云杉森林AGB的估测结果,同时比较2种不同估测方法的反演效果;最后利用得到的最优估测方法反演整个研究区的森林AGB,生成黑河流域上游祁连山森林保护区的森林AGB的等级分布图.[结果]SCS+C地形校正前多元线性逐步回归的估测精度为R2=0.31,RMSE =34.41 t·hm-2,地形校正后多元线性逐步回归的估测精度为R2 =0.46,RMSE =30.51 t·hm-2;而基于SCS+C地形校正后的k-NN的交叉验证精度不仅明显高于地形校正前的精度,且显著优于多元线性逐步回归的估测结果,达到R2=0.54,RMSE=26.62 t·hm-2;另外基于最优的k-NN估测模型(窗口为7×7,采用马氏距离,k=3)反演的该流域青海云杉在2009年总的森林地上生物量为8.4×107t,平均森林地上生物量为96.20 t·hm-2.[结论]在地形复杂地区,运用SCS+C模型对地形进行适当校正,能够有效地消除太阳入射角变化引起的地表反射亮度的差异,使影像能够更准确地反映地表信息,提高森林AGB的遥感估测精度;在样本有限的情况下,相对于以大数定律作为理论基础的多元线性逐步回归估测法,k-NN能够避免发生过学习现象和样本不平衡问题,更适于该研究区青海云杉的森林AGB的估测. 相似文献
80.
基于邻近相关图像和决策树分类的森林景观变化检测 总被引:1,自引:0,他引:1
提出一种基于邻近相关图像和决策树分类的景观变化检测方法,并将其应用于地震干扰引起的森林景观变化检测。以5·12汶川地震中遭受严重破坏的龙溪-虹口国家级自然保护区作为研究区,利用地震前后的Landsat5TM影像创建不同邻近窗口大小的邻近相关图像,结合决策树技术生成变化检测分类图。结果表明:使用邻近相关图像的变化检测精度有所提高,其中以5×5窗口创建的邻近相关图像变化检测效果最佳,总体分类精度和Kappa系数分别达到82.33%和0.8085。 相似文献