排序方式: 共有108条查询结果,搜索用时 296 毫秒
51.
52.
选取1987~2009年4期遥感影像数据,获取洞庭湖区地面覆盖类型,对比4期数据并根据水文与地理位置等因素对湖区进行对比分析,结果表明:洞庭湖湖区湿地总体呈退化趋势,林地面积增加24 481 hm2;东洞庭湖、西洞庭湖、南洞庭湖三者在湿地退化上表现出不同的趋势,其中西洞庭湿地总体面积减少最多为9 434.3 hm2,南洞庭湖次之,东洞庭湖最小。 相似文献
53.
湿地遥感影像分类是遥感研究的一大难题。利用洞庭湖TM数据,并辅助地面GIS信息,通过专家分类知识库建立决策树分类方法,结合研究区的DEM进行洞庭湖湿地的影像分类,通过决策树层次实现了包括水体、泥沙滩地、防护林滩地、湖草、芦苇滩地和苔草滩地以及其他水体7种湿地类型的分类。其中,决策树分类总体精度80.29%,总体Kappa系数为0.883 9,分类精度相对于传统手段要高,证明基于该方法得到的数据准确度能够满足实际工作的需要;另外,基于知识分类的影像分类结果能够较好地解决一些错分的现象,针对湿地而言,混分现象最严重的泥滩地,在传统分类中大量地被分为了建筑用地或者裸地,同时草滩地与林地的混分在基于知识分类的影像中边界也较明显。相比传统分类方法,决策树分类以规则为基础,可以同时利用多个条件进行分类,减少了数据处理时间,同时还提高了分类精度,最终得到试验区较为可靠的遥感分类图像。 相似文献
54.
55.
[目的]以湖南省黄丰桥国有林场杉木纯林为研究对象,进行树木竞争指数的研究,基于Hegyi简单竞争指数的形式,提出包含反映树冠特征因子的树冠竞争指数。[方法]将树冠竞争指数和Hegyi简单竞争指数分别与胸径增长量进行相关分析。[结果]Kendall's tau-b系数、Spearman's rho系数和相关系数R2均显示树冠竞争指数与林木生长量的相关性高于Hegyi简单竞争指数。[结论]该结果表明树冠竞争指数与林木生长量有更强的相关性,可以更好地体现树冠在树木生长中的作用,能作为模拟林分生长量的依据。 相似文献
56.
57.
机载激光雷达和航空数码影像单木树高提取 总被引:6,自引:0,他引:6
用激光雷达(LiDAR)数据和航空数码影像相结合进行单木水平树高反演.对研究区的LiDAR点云数据进行滤波和分类,根据地形特点、地表植被状况以及其他地类的分布,采用Tin Filter滤波算法提取地面回波点和植被回波点.用面向对象的方法对高空间分辨率(25 cm)的航空数码影像进行单株木检测.通过多尺度、树冠模式的分割创建影像对象和类层次,用最邻近距离和成员函数法进行影像对象的分类,并基于分类结果进行再分割.对分割后的树冠多边形进行边缘优化,以准确识别单株木.将植被回波点和影像分割后得到的树冠多边形进行叠加,计算多边形内的LiDAR数据最大高程差值,与实测树高进行相关分析,建立单木树高估测回归方程,平均估测精度为74.89%. 相似文献
58.
基于支持向量机的北京市湿地变化预测研究 总被引:1,自引:1,他引:0
为了实现北京市湿地的可持续发展与科学管理,利用遥感和GIS技术对北京区域遥感数据进行分析,进而获取湿地不同类型数据,由于湿地面积是典型的小样本数据,将支持向量机引入到时间序列模型定阶的方法中,然后采用K交叉验证方法寻找最优参数,建立北京湿地变化预测模型。通过对北京湿地历年数据进行模拟,并与RBF神经网络的预测模型作比较来验证SVM预测模型的有效性,运用此模型预测北京湿地未来的变化。结果表明:时间序列模型预测湿地变化有较高的预测精度和较强的泛化能力。预测结果显示:北京湿地在未来几年内,水库、河流,运河,沟渠面积将逐年减少,水稻田面积将持续下降,养殖面积将增大。其预测结果符合现实北京湿地变化趋势,研究结果为北京湿地的可持续发展和科学管理提供了依据。 相似文献
59.
偏最小二乘回归在Hyperion影像叶面积指数繁衍中的应用 总被引:2,自引:1,他引:1
叶面积指数(Leaf Area Index,LAI)是一个重要的森林结构参数指标,遥感技术被认为是区域LAI反演的有效手段。现有遥感反演模型多以单变量的曲线估计及线性回归模型为主,模型的通用性、建模精度以及植被指数的选择上需要更进一步的探讨。论文以攸县黄丰桥林场为研究区,Hyperion影像为数据源,提取归一化植被指数(NDVI)、比值植被指数(RVI)等13个因子,利用LAI-2000冠层分析仪开展130个样地(60 m×60 m)的叶面积指数测量,选用变量投影重要性(VIP)指标、变量解释能力及变量权重作为变量筛选的依据,采用偏最小二乘回归分析方法建立植被指数与实测样地的回归模型,开展叶面积指数反演并制图。研究结果表明:偏最小二乘回归分析在LAI反演中取得了较好的预测效果,其中以6个植被因子建立的回归模型预测精度最高,预测值与实测值的决定系数R2为0.91;LAI与植被指数之间具有良好的线性关系,其中RVI与LAI的相关性最大;残差分析表明,反演模型的自变量个数选取以4~6个为宜。 相似文献
60.