排序方式: 共有50条查询结果,搜索用时 78 毫秒
1.
该文以黑龙江、吉林、辽宁、山西、河南、安徽、湖南、湖北、江西中部九省为研究区域,以农用地省级汇总成果为主要数据来源,首次将标准样地国家级汇总成果与耕地质量动态监测相结合,对基于标准样地国家级汇总的耕地质量监测点的选取进行初步探讨,完成中部九省标准样地国家级汇总数据库建设,并分析九省国家级标准样地在不同等别及二级区上的分布情况,在此基础上,进行基于标准样地的耕地质量动态监测点的选取,最后,对标准样地体系提出参考性建议。 相似文献
2.
干旱是影响社会发展和农业生产的重要因素之一,利用MODIS数据和气象资料,结合福建省的地形、气候和植被覆盖条件,分别反演出2004年和2006年的归一化植被指数(NDVI),借助分裂窗法成功反演了两个时相的地表实际温度(Ts),并建立了基于植被供水指数算法(VSWI)的干旱监测模型。结果表明,对于植被覆盖率高的福建省,利用VSWI进行遥感干旱监测是可行的,MODIS数据可很好地满足大范围的实时动态监测。福建省地表干旱存在着较明显的南北区域差异,东南沿海比中西部严重,从两个时相的对比来看,干旱有加重的发展趋势,而经济发展和城市化进程是引起干旱程度加剧的重要因素。 相似文献
3.
4.
中巴资源卫星(CBERS-02)遥感图像在生态环境动态监测中的应用研究 总被引:5,自引:1,他引:4
在实践的基础上,探讨利用CBERS-02星遥感图像,结合GIS技术实施快速、准确、经济的大范围生态环境调查,尤其是土地利用/覆盖状况调查。通过对遥感图像处理和信息提取,查明了研究区2000~2004年期间土地利用/覆盖状况及其动态变化,建立了研究区生态环境本底数据库。在综合分析研究区生态环境状况及其动态变化基础上,探讨了林地、耕地、草地等土地利用/覆盖发生变化的原因。论文认为,应用3S技术,尤其是应用多时相遥感技术进行生态环境本底调查,可达到快速、高精度动态监测的目的,为四川省生态环境建设提供科学的依据,同时也证实CBERS-02图像在生态遥感动态监测与评价中的实用性。 相似文献
5.
以江西省兴国县为研究区域,应用遥感和GIS技术,借助6个不同时段的黑白航片、MSS影像和TM数据为信息源,在建立土壤侵蚀解译标志的基础上,对全县3 215 km2范围内的土壤侵蚀进行了监测研究。结果表明,该县从1958—2000年42 a期间,土壤侵蚀的变化分2个阶段。第一阶段是1982年前,全县的侵蚀面积在2 000 km2左右;第二阶段是从80年代初到2000年,该县被列为全国水土流失综合治理重点区,侵蚀面积在18 a间共减少了739 km2,平均每年减少41 km2。将1992与2000年的土壤侵蚀图叠置分析可以看出,该县5个侵蚀等级的面积都有不同程度的降低;在侵蚀等级的转变方面,大约有34%的侵蚀面积,其侵蚀等级发生了改变,其中以改变一个等级的面积为主,大约有66%的侵蚀面积其侵蚀等级未发生变化,说明兴国县的土壤侵蚀已呈现出明显的减弱趋势。 相似文献
6.
根据区域水环境监测与评价的要求,采用人工智能计算技术的BP神经网络模型进行二维区域性土壤水盐环境动态监测,仿真计算了河套灌区内两个实验区的区域土壤水盐动态值,绘制出水盐等值线图与三维透视图,将两年的预测成果对比分析。结果表明:隆胜实验区2002、2004两年春季耕作层土壤水分平均值稳定为21.0%,电导率平均值分别为0.35 ms/cm、0.42 ms/cm,有少量积盐。沙壕渠实验区两年春季耕作层土壤水分平均值分别为25.8%、21.8%,水分减少4%,而电导率明显增加,从0.44 ms/cm增至0.66 ms/cm,土壤耕层积盐明显,值得引起重视。由于BP神经网络技术对原始数据无参数及分布要求,不涉及特异值处理问题,可消除普通克立格法的平滑效应,具有较强的非线性拟合智能,对采样系统布置无严格要求,计算程序简单实用,是对常用地质统计学Kriging传统预测方法的改进,有独特的优点,可应用于大面积土壤水盐动态监测工作。 相似文献
7.
[目的]水土流失动态监测与评价是一项基础性工作,研究动态监测的方法、技术与组织模式,是为了提高动态监测评价的科学性.[方法]基于现状分析,研究科学推进水土流失动态监测工作的对策.[结果]应从构建完善的动态监测空间尺度体系、合理的工作体系、科学快捷的动态监测评价体系和统一的动态监测技术体系等方面,完善水土流失动态监测评价工作.[结论]进一步提高中国水土流失动态监测与评价技术水平,是国家水土保持与生态文明建设和宏观决策的要求,可进一步提高水土保持监测服务政府决策、经济社会发展和公众的能力. 相似文献
8.
为提高自然成像条件下的酿酒葡萄图像中病害识别的可靠性,对时序叶片图像作连续病害检测并监测病斑变化情况。首先,在每一天利用Faster R-CNN算法对摄像机视场中葡萄叶片进行检测,对检测到的叶片采用改进卡尔曼滤波法进行跟踪,以获得叶片正面图像。为了实现多叶片跟踪和解决由遮挡而造成的跟踪失败问题,该文在卡尔曼滤波和匈牙利算法基础上,结合运动测度和深度外观信息对跟踪目标进行匹配,运动匹配时采用马氏距离,外观匹配方面采用最小余弦距离。其次,将不同日期的叶片正面图像做SIFT(scale-invariant feature transform)匹配,找到同一叶片按日期排列的一组序列图像,并在序列图像中通过深度学习技术进行病害识别。最后,通过监测叶片序列图像上病斑相对面积变化或病斑数量是否增加来确认病害的存在。该文对提出的跟踪算法、叶片匹配算法和序列图像上病害识别的精度进行了测试,试验表明:跟踪算法平均多目标跟踪准确度为73.6%,多目标跟踪精度为74.6%,基于判别模型颜色特征的传统跟踪算法两指标分别为14.3%和61.3%;基于SIFT特征的叶片匹配在识别同一叶片时的精度达到了90.9%;病害监测方面,虚警综合排除率(马修斯相关系数)达到了84.3%。该文的方法可以排除一些虚假病害,病害监测的可靠性有所提高,可适用于自然条件下葡萄病害的连续在线监测。 相似文献
9.
10.