排序方式: 共有55条查询结果,搜索用时 359 毫秒
1.
利用遥感数据可以对地球资源环境进行大面积连续监测,得到更为精确的研究结果,MODIS LST数据因其优化的时空分辨率成为较理想和常用的数据源。同时,遥感数据由于受到云、气溶胶以及传感器角度等影响均存在不同程度的噪声污染、数据缺失等问题。针对该现象,以河南省为研究区域,以MODIS LST数据为研究对象,利用谐波分析方法对河南省2011年全年每天四个时刻的MODIS LST时间序列数据进行重构。结果表明,利用该方法重构的数据可对MODIS缺值70%以上的影像进行弥补,并且60%以上影像误差可控制在3℃以内,能得到较好的重构结果;同时重构LST数据与相应气温数据相关性大部分在0.8左右,能够较好拟合LST的变化趋势。 相似文献
2.
基于时间序列MODIS的农作物类型空间制图方法 总被引:2,自引:0,他引:2
为快速获取大范围种植结构复杂区域的作物种植面积,以MODIS数据为数据源,选择归一化植被指数(Normalized difference vegetation index,NDVI)、增强植被指数(Enhanced vegetation index,EVI)、宽动态植被指数(Wide dynamic range vegetation index,WDRVI)、地表水分指数(Land surface water index,LSWI)、归一化雪被指数(Normalized difference snow index,NDSI)5种特征,结合同步的实地调查样本点,采用支持向量机算法(Support vector machines,SVM)提取黑龙江省主要农作物的种植面积。研究表明,在待选特征中NDVI、EVI与LSWI指数组合取得了最高的分类精度,总体分类精度为74.18%,Kappa系数为0.60;支持向量机算法与最大似然算法、随机森林算法相比,分类精度更优。该方法为在大区域中提取农作物种植面积提供了参考价值。 相似文献
3.
基于GF-1 WFV数据的玉米与大豆种植面积提取方法 总被引:8,自引:4,他引:4
准确掌握农作物的空间种植分布情况,对于国家宏观指导农业生产、制定农业政策有重要意义。针对黑龙江省玉米与大豆生育期接近、光谱特征相似,较难区分的问题,以多时相16 m空间分辨率高分一号(GF-1)卫星宽覆盖(wide field of view,WFV)影像为数据源,选择归一化植被指数(normalized difference vegetation index,NDVI)、增强植被指数(enhanced vegetation index,EVI)、宽动态植被指数(wide dynamic range vegetation index,WDRVI)、归一化水指数(normalized difference water index,NDWI)4个特征,结合实地调查样本点,采用随机森林分类算法,提取黑龙江省黑河市嫩江县玉米与大豆种植面积。研究表明,区分玉米与大豆的最佳时段为9月下旬至10月上旬,即大豆已收获而玉米未收获的时段,在4个待选特征中,NDVI、NDWI与WDRVI指数组合表现最佳;随机森林算法与最大似然算法、支持向量机算法相比,分类精度更高,其总体分类精度为84.82%,Kappa系数为77.42%。玉米制图精度为91.49%,用户精度为93.48%;大豆制图精度为91.14%,用户精度为82.76%。该方法为大区域农作物的分类提供重要参考和借鉴价值。 相似文献
4.
冬小麦关键物候空间分布遥感监测方法研究 总被引:3,自引:0,他引:3
物候信息对农作物生长的动态监测、田间管理具有重要意义。归一化植被指数(normalized difference vegetation index, NDVI)能够在大范围覆盖区域内准确地反映农作物物候信息。以河北省为研究区域,选用2000至2009年的SPOT/VEGETATION NDVI旬合成产品数据集,尝试结合气象站点的气温,利用Savitzky-Golay(S-G)滤波重构NDVI时序曲线,以动态阈值法监测研究区冬小麦的返青期开始和抽穗期开始,并对监测结果进行了分析。空间分布上,河北省冬小麦物候期总体上呈现由南到北逐渐推迟的空间分布规律,从各具体年份来看,冬小麦遥感监测结果符合实际的物候地面观测结果,并在因异常气候变化物候期发生变化的年份也有较好的反应,结果表明,通过NDVI时序曲线结合气温的方法可以准确监测河北省冬小麦关键物候期。 相似文献
5.
利用一维多层水热耦合SHAW(Simultaneous heat and water)模型,在2015年商丘田间实验基础上,模拟冬小麦拔节后晚霜冻敏感期幼穗层气温,并结合拔节后天数对晚霜冻害的发生及其程度进行监测,以研究SHAW模型在冬小麦晚霜冻害监测中的适用性。结果表明,模型能准确模拟晚霜冻敏感期幼穗层20~60 cm高度垂直方向上的每小时气温变化,模拟值与实测值间的绝对误差低于1℃的占44.7%,低于2℃的占72.5%,且夜晚的模拟效果优于白天,相较于气象站日最低气温,SHAW模型模拟的幼穗层日最低气温和低温持续时间更能反映实际冻害发生时的低温环境。由于农田小气候的影响,气象站、农田上方2 m高度和幼穗层气温具有较大差异性,当SHAW模型所需的农田上方2 m高度气象数据缺乏时,将气象站数据转换为农田2 m高度气象数据代入模型的模拟方法优于直接将气象站气象数据代入模型的模拟方法,前者模拟的幼穗层日最低气温与实测值更为接近,所确定的晚霜冻等级与实际情况更加符合。因此,利用SHAW模型对冬小麦晚霜冻害进行监测是可行且适用的,相较于传统的气象站日最低气温监测指标,可提高监测晚霜冻害发生情况和冻害程度的准确率。 相似文献
6.
在Oracle 10g的GeoRaster模块支持下,提出对影像的物理存贮和影像数据库组织管理的可行方案,并针对在Oracle中建立影像的金字塔、实现影像的压缩、影像索引等方面说明了具体的实现办法.在影像数据库组织方面,提出2种组织模式:无缝影像层模式和分幅影像层模式;在数据访问效率方面,通过建立影像数据金字塔和基于影像块建立R树空间索引来提高数据访问效率;在数据压缩方面,在遵循Oracle GeoRaster架构的基础上,通过扩充GeoRaster的影像元数据来支持数据压缩存贮能力.基于该设计方案,成功实现了一个原型系统. 相似文献
7.
8.
利用一维多层水热耦合SHAW(The simultaneous heat and water)模型,在田间实验的基础上,模拟河南省商丘地区2015年冬小麦拔节后近地面层0~40 cm垂直方向上的每小时气温变化特征。结果表明,冬小麦近地面层气温模拟整体效果较好,其中48%模拟的绝对误差低于1℃,75%模拟的绝对误差低于2℃,不同高度上模型效率ME均大于0.94;夜晚气温的模拟效果优于白天的模拟效果,白天11:00—14:00气温被过低估计,并随着近地面层高度的增加,模拟值误差越大;近地面层内3种气温特征值模拟效果的优劣依次为:日平均气温、日最低气温、日最高气温,其中,日平均气温模拟值与实测值基本吻合,日最低气温被略微高估,日最高气温被过低估计。此外,SHAW模型在冬小麦拔节后6个生育期的模拟效果均存在差异,拔节期、灌浆期和乳熟期模拟效果较好,孕穗期和开花期次之,抽穗期模拟效果相对较差。 相似文献
9.
以陕西省关中平原为研究区域,应用点扩散函数、混合像素面积权重法和中值像素变异权重法将基于Landsat卫星遥感数据反演的分辨率为30 m的条件植被温度指数(VTCI)干旱监测结果上推至930 m的干旱监测结果,并与Aqua MODIS数据反演的分辨率为930 m的VTCI干旱监测结果进行对比分析,以期为两种空间尺度的干旱监测结果的综合应用提供技术支持。以MODIS数据反演的VTCI为参考,应用相关系数、均方根误差、半变异函数的估计值和图像纹理特征等对尺度上推的VTCI进行评价。结果表明,点扩散函数和混合像素面积权重法的尺度上推效果均较好,而中值像素变异权重法的尺度上推效果较差,说明点扩散函数和混合像素面积权重法均适用于研究区域VTCI干旱监测结果的尺度转换,且点扩散函数的数据处理过程更为简单。典型样点VTCI的尺度上推结果表明,空间异质性越小,尺度上推的结果越好。 相似文献
10.
为了通过数据同化方法提高冬小麦的估产精度,以陕西省关中平原为研究区域,采用标定的CERES-Wheat模型模拟8个典型样点冬小麦整个生育期的叶面积指数(LAI),通过四维变分(4DVAR)和集合卡尔曼滤波(En KF)2种同化算法同化CERES-Wheat模型模拟的LAI和遥感数据反演的LAI,获得单点尺度的LAI同化数据,将单点尺度的LAI同化值扩展到区域尺度,对两种同化方法的单点尺度和区域尺度的同化结果进行对比与分析。结果表明,两种同化方法均能综合遥感反演LAI和模型模拟LAI的优势,使LAI同化值更符合冬小麦LAI的实际变化规律;在单点尺度和区域尺度上,En KF-LAI均更能反映关中平原冬小麦的实际生长状况。采用En KF-LAI构建关中平原冬小麦估产模型估测2008年和2014年的冬小麦单产,通过实测单产对估产模型进行验证,结果表明,2008年样点估测单产与实测单产的相对误差均小于15%,部分县估测单产与实测单产的相对误差均小于10%;与2014年模拟单产与实测单产间的相对误差相比,估测单产与实测单产间的相对误差降低0.57%~9.30%,RMSE降低217 kg/hm2,其中,8个样点的估产精度达到94%以上,表明组合估产模型的估产精度较高。 相似文献