排序方式: 共有4条查询结果,搜索用时 31 毫秒
1
1.
[目的]探究青藏高原草地物候时空变化规律,对于理解高寒生态系统与区域气候之间的相互作用和生态安全屏障保护与建设具有重要的科学意义。[方法]基于2001—2020年MODIS归一化植被指数(NDVI)时序产品,采用非对称高斯函数拟合法和动态阈值法,提取了青藏高原草地NDVI峰值、NDVI峰值期、返青期(SOS)、枯黄期(EOS)和生长季长度(LOS)参数。[结果](1)研究区草地物候的空间分布规律明显,自西向东,草地NDVI峰值增加、峰值期提前、SOS提前、EOS推迟、LOS延长。(2) 20年间,青藏高原草地物候年际变化主要表现为SOS呈提前趋势(12.11%的区域显著提前),EOS呈推迟趋势(18.49%的区域显著推迟),LOS呈延长趋势(18.87%的区域显著延长)。(3)青藏高原气温、降水对SOS有1~2个月的滞后效应;气温对EOS有1~2个月的滞后效应,而降水对EOS的滞后效应不明显。考虑滞后效应的条件下,气温是影响草地SOS,EOS年际变化的主导因子。[结论]青藏高原草地物候具有空间异质性,且气温是影响草地物候时空变化的主要因素。 相似文献
2.
针对积雪遥感监测中常用的二值分类算法误差较大的问题,根据青藏高原的地理环境特征,并在考虑地表覆盖的情况下,以MODIS数据作为数据源、TM/ETM+数据作为"真值"影像,选用7个不同雪盖子区建立了青藏高原MODIS像元雪盖率与雪盖指数之间的线性关系模型,并用其它4个雪盖子区对模型的稳定性和精度进行分析。结果表明:该方法能有效的提取青藏高原MODIS亚像元尺度的积雪信息,反演结果与MO-DIS/NASA雪产品数据相比,精度得到明显改善。 相似文献
3.
4.
准确获取大范围的水稻种植空间分布信息对调整农业生产结构和保障粮食安全至关重要。本文以湖南省为研究区,基于谷歌地球引擎(Google Earth Engine, GEE)云平台,协同Sentinel-1 SAR和Sentinel-2 MSI数据,根据水稻物候期极化(vertical transmit/horizontal receive, VH)后向散射系数、增强型植被指数(enhanced vegetation index, EVI)的变化特征构建水稻提取决策树模型,开展高分辨率水稻种植范围遥感提取,并进行精度验证。结果表明:本模型能够准确实现多云多雨地区的水稻种植范围遥感制图;基于混淆矩阵计算水稻总体分类精度为93.97%,Kappa系数为0.908,单、双季稻F1-score均超过91%,可为亚热带多云雨且稻田破碎分布区的水稻种植范围遥感提取提供参考。湖南省水稻分布受地形和气温的影响明显,主要分布在海拔200 m以下,坡度小于6°,年均气温大于17℃的区域;双季稻集中分布在岳阳、常德和益阳市,而单季稻种植分布相对零散。 相似文献
1