排序方式: 共有4条查询结果,搜索用时 62 毫秒
1
1.
【目的】 蝗灾突发性强,传统地面调查及生物学模型方法在时间、空间上不能满足精准防控的需求,且对历史数据依赖度高,利用高分辨率遥感数据监测蝗虫栖息生境的变化,从而实现蝗灾及时、快速监测,对治蝗防蝗具有重要意义。【方法】 文章以埃及南部蝗灾常发区为研究区,基于Sentinel-2卫星数据和地面气象数据、土地利用数据、行政区划数据等,监测植被生长季植被指数及植被覆盖度变化,实现埃及地区蝗虫发生地、发生程度的快速评估。【结果】 2019年6—7月,埃及南部植被覆盖区蝗灾受灾面积比例约为12%,中度及重度以上面积不超6%,整体受灾不严重。【结论】 不依赖于历史数据,从短期植被覆盖度变化入手,可以动态监测蝗灾变化,总体时效性较强、效果较好。 相似文献
2.
3.
4.
【目的】 基于遥感数据,研究快速提取华北粮食主产区近20年(2001—2020年)冬小麦种植面积的方法,生成准确的长时间序列冬小麦面积遥感产品,为政府决策机构和科研单位的工作提供数据支持。【方法】 文章基于经过滤波重构的MODIS植被指数产品,分析了研究区不同纬度下冬小麦在整个生长季中的时序特征,考虑到不同区域冬小麦物候差异,提出了一种关键生长季时序NDVI曲线匹配的方法,在无样本的条件下,快速提取冬小麦面积。通过使用统计年鉴进行面积验证,并结合目视解译的样本和高分辨率数据哨兵2号提取的结果,计算混淆矩阵并进行精度评价。【结果】 与2001—2018年的统计年鉴数据对比,平均相对误差为16.1%;与目视解译和哨兵2号分类结果中的6 459个采样点的精度评价相比,总体精度达到87.4%,kappa系数为0.61。【结论】 根据冬小麦的物候特征,通过提取NDVI的时序特征并采用时序NDVI曲线匹配算法,可以快速准确地提取华北粮食主产区冬小麦的种植面积和分布情况。 相似文献
1