排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
基于多源数据融合的盐分遥感反演与季节差异性研究 总被引：7，自引：0，他引：7
为提高多光谱盐分遥感反演的精度,利用实测高光谱与多光谱进行数据融合,并分析了不同季节盐分遥感的差异性。以河套灌区永济灌域为研究区域,以实测光谱仪测定的土壤高光谱数据和Landsat-8 OLI多光谱数据为基础,通过光谱变换和多元逐步回归方法筛选特征波段和特征光谱指数,构建了春、秋两季土壤盐分多光谱、高光谱反演模型,并利用特征光谱指数的线性回归构建了高-多光谱数据融合反演模型。结果表明:高光谱的反射率总体比多光谱高36. 83%,春季反射率比秋季平均高23. 78%。利用模型中最优变量-特征光谱指数对多光谱模型与高光谱模型进行融合,高-多光谱融合反演模型训练集和验证集R2平均值分别为0. 651和0. 635,RMSE平均值分别为2. 44 g/kg和2. 49 g/kg,精度明显高于对应的多光谱反演模型,其中训练集、验证集的R2平均值分别提高了36. 19%和35. 64%,RMSE平均值分别降低了34. 28%和41. 72%。春季多光谱、高光谱和融合反演模型的精度均高于秋季,其中训练集R2平均值比秋季模型分别提高了6. 03%、6. 05%和4. 40%,验证集R2平均值分别提高了19. 07%、12. 21%和1. 75%。构建的高-多光谱融合模型反演灌域春秋两季平均盐分含量分别为6. 05、5. 97 g/kg,平均相对误差分别为9. 65%和10. 68%,总体上该区域春季土壤主要为重盐化土,秋季土壤主要为中盐化土。 相似文献
2.
为探究河流动态水环境容量变化规律,有效控制污染物输入量并提高河流水环境质量,满足功能区划要求.以松花江哈尔滨段为研究区域,构建基于二维水质模型的分段求和模型(SSM),核算COD、TN和TP动态水环境容量;采用Monte Carlo模拟方法,分析模型各输入参数敏感性.结果表明,松花江哈尔滨段COD、TN和TP实际水环境容量分别为219723.26、8040.78和2161.34 t;COD和TP实际水环境容量与降水量呈正相关(COD:r=0.766,P=0.004;TP:r=0.63,P=0.028).因此,丰水期是降解污染物、提高水环境容量关键时期;气温、流量是影响动态水环境容量主控因子.研究结果可为河流环境综合治理及流域经济高质量协同发展提供理论基础与科学依据. 相似文献
1