排序方式: 共有23条查询结果,搜索用时 15 毫秒
11.
12.
13.
14.
15.
利用RADARSAT-2雷达数据与改进的水云模型反演冬小麦叶面积指数 总被引:1,自引:0,他引:1
利用微波遥感反演植被参数往往受到植被分布不均、稀疏植被覆盖、地表裸土等因素影响,导致微波遥感用于农业参数估计的效果不佳。为解决微波遥感反演地表植被参数的问题,本研究在原有的水云模型基础上引入植被覆盖度以及裸土对于雷达后向散射系数的直接作用信息,提出一种改进的水云模型,并充分考虑地表植被的覆盖分布情况,结合地面实测数据及RADARSAT-2雷达数据对改进模型进行验证,然后根据改进模型通过查找表法反演出植被含水量,最后利用叶面积指数与植被含水量的经验关系间接得到叶面积指数的估测值。结果表明,改进的水云模型对后向散射系数的模拟精度比原有的水云模型精度高,模拟的决定系数在HH和VV极化时分别为0.850和0.739,均方根误差分别为0.918dB和1.475dB。由此可见,改进的模型对研究区植被条件更为敏感,能够较好地分离出植被与土壤信息对雷达后向散射系数的影响,同时利用其反演得到的叶面积指数精度较高,决定系数达到0.841,均方根误差为0.233。 相似文献
16.
项目化实训教学是一种以实践为导向,将理论与实际相结合的教学模式,具有实践性、发展性和开放性特征。在模具设计与制造专业实训中引入项目化教学理念,并把握好教学设计、实施、评价等关键环节的要点,有利于全面提升学生的专业技能水平,提高学生的综合素质和项目实践能力,保证专业实训效果。 相似文献
17.
18.
19.
本文提出一种改进作物散射模型反演麦田土壤水分,该模型根据冬小麦等低矮植被的散射特性,在原模型的基础上保留植被层直接散射部分以及植被与地表相互耦合作用的信息,同时加入裸土地表的直接散射部分,并根据经验权重将两部分信息分离开,构建出适用于冬小麦等低矮植被的后向散射模型,并结合RADARSAT-2雷达数据以及陕西杨凌农田试验区的地面实测数据,计算得到改进模型的经验参数,进而对模型进行验证分析。研究结果表明:改进作物散射模型的模拟精度相对于未改进的作物散射模型有显著的提高,R2在HH和VV极化下都达到80%以上。为了验证改进的作物散射模型算法及土壤水分反演的有效性,本研究将改进作物散射模型与TVDI光学指数模型、简化的MIMICS模型的土壤水分反演结果进行对比分析,改进的作物散射模型反演精度比TVDI和简化的MIMICS模型要好,R2达到84.3%,均方根误差为0.028 cm3/cm3,简化的MIMICS模型反演结果比TVDI要好,但是精度不高,R2为66.9%,均方根误差为0.043 cm3/cm3。改进的作物散射模型对地表植被比较敏感,可以有效的将冬小麦对雷达信号散射影响和裸土层散射贡献区分开,为植被覆盖下地表土壤水分的反演创造条件,给大面积大范围的地表土壤水分反演提供强有力的技术支撑。 相似文献
20.
基于理论干湿边与改进TVDI的麦田土壤水分估算研究 总被引:1,自引:0,他引:1
针对旱情监测及农田灌溉中传统的基于地表温度-植被指数特征空间的温度植被干旱指数(Temperaturevegetation drought index,TVDI)构建方法无法准确反映真实地表的水热能量交换,给土壤含水率估算带来极大不确定性的问题,根据地表能量平衡方程,并引入改进植被覆盖度参数,构建一种理论干湿边端点选取方法及基于地表温度-改进植被覆盖度特征空间的TVDI模型,结合两期MODIS遥感影像数据(DOY088和DOY112)及地面观测数据,对陕西杨凌区的麦田土壤含水率进行估算。结果表明,由理论干湿边计算得到的TVDI与实测土壤含水率相关系数在-0.700左右,均方根误差不大于0.060 cm3/cm3。DOY088和DOY112的土壤含水率估算结果均与土壤含水率实测值有较好的拟合关系,尤其是DOY088的反演结果更接近于实际地表干湿状况,相关系数为-0.715,均方根误差为0.029 cm3/cm3,DOY112的散点分布比DOY088分散。该方法可以避免传统特征空间在干湿边估算中必须包含裸土、部分植被覆盖以及全植被覆盖地表覆盖类型的限制,从而实现真实土壤水分的遥感反演和实际地表干湿状况的监测。 相似文献