排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
农区MODIS植被指数时间序列数据重建 总被引:3,自引:1,他引:2
MODIS植被指数时间序列数据能够连续反映植被的覆盖情况,是农作物遥感测量的重要数据源。但现有MOD13产品中存在由云、气溶胶,传感器角度等干扰因素导致的噪声指数。因此,必须对MOD13时间序列中的噪声指数进行恢复。根据农作物种植区物候与熟制信息,将待重建像元时间序列划分为符合作物生长周期的时段。对各时段内指数按非对称高斯模型重建,优化相邻时段之间重叠期内指数。多次迭代重建和优化过程后恢复时间序列中噪声指数。对覆盖北京市通州区以南和河北省保定市以北农区2005年MOD13数据进行重建,与两阶段S-G滤波重建结果对比。结果表明:噪声指数被准确判断并恢复。农区多熟制导致的低值指数被有效保留。重建时间序列可以正确反映植被的覆盖情况。 相似文献
2.
3.
中国东北样带植被净初级生产力时空动态及其对气候变化的响应 总被引:10,自引:0,他引:10
根据净初级生产力(NPP)遥感估算模型,重建了中国东北样带(NECT)1982–2000 年间每月的 NPP 时空序列,分析了研究时段内 NPP 的时空格局特征及其与气候因子的关系。结果表明:(1)NECT 样带植被 NPP 的空间变化趋势同降水量的空间变化十分相似,由东到西逐渐降低,二者在空间上的相关性达到了 0.84(P<0.01),说明 NECT 样带的植被 NPP在空间分布上主要受水分趋动;(2)NECT 样带植被 NPP 的年际变化主要是由各年份夏季 NPP 的变化造成的,夏季对NECT 样带植被 NPP 的年际增长贡献率最大(67.6%),二者之间的相关性达到了 0.95(P<0.01);(3)NECT 样带的植被NPP 积累期主要发生在 5–9 月份,这 5 个月的 NPP 占了全年NPP 总量的 89.8%,整个夏季(6–8 月份)的 NPP 占了全年的 65.9%,冬季(12–2 月份)的 NPP 最低,基本为 0;(4)近 19 年来的气候变化促进了 NECT 样带的植被生长,从 1980年代到 1990 年代,NPP 显著增加,年代际相对增长率为 14.3%,平均年际绝对增长趋势为 4.6 gC m-2 a-1,相对增长趋势为 1.17%,这主要是由温度升高引起的。图 6 表 1 参 36。 相似文献
4.
基于信息扩散和关键期遥感数据的冬小麦估产模型 总被引:5,自引:3,他引:2
农作物估产对于国家制定粮食进出口政策和保障粮食安全具有重要意义。为构建高精度的作物估产模型,探讨了一种将信息扩散原理和关键期遥感数据相结合的农作物遥感估产方法。首先利用信息扩散原理将关键期遥感数据生成的NDVI和实割实测产量数据扩散到多维监控空间,采用模糊合成的方法建立关键期遥感数据和实割实测产量之间的离散关系模型。然后针对模型的稳定性和精度进行交叉验证,并与多元线性回归模型和BP神经网络模型进行对比。结果表明,利用信息扩散方法构建的遥感估产模型稳定性和精度都明显提高,与多元回归方法和BP神经网络方法相比,决定系数分别提高0.180、0.491,均方根误差分别降低173.10、487.79 kg/hm2。该方法能较好地模拟冬小麦遥感估产中归一化植被指数和产量之间的非线性关系,且泛化推广能力优异,为应用关键期遥感数据进行冬小麦估产提供了一种有效方法。 相似文献
5.
为了解决独立成分分析中端元丰度校正结果同实际丰度相差较大的问题,该文提出了一种基于回归分析的独立成分端元丰度校正方法。具体是:首先应用ICA对遥感时序数据进行分解,获取目标地物的ICA分解结果;再抽选一定量的样本,将样本目标地物的真实丰度与ICA分解结果进行回归;最后根据回归关系推算每个像元的目标地物丰度。基于MODIS时序数据,将该文方法和线性拉伸方法应用于江苏兴化地区的水稻面积提取,并将2种方法的提取结果同水稻准真值图像进行对比。分析结果表明,该文方法得到的水稻丰度图像的均方根误差、偏差在不同的空间尺度下均小于线性拉伸方法,而不同空间尺度下的决定系数(R2)均高于线性拉伸方法。与线性拉伸方法相比,该文方法能获得更接近实际情况的端元丰度校正结果,增强了ICA在农作物面积提取中的应用能力,为大尺度农作物识别和面积提取提供了依据。 相似文献
6.
耕地变化空间抽样调查方案的精度与效率分析 总被引:7,自引:4,他引:3
已有研究表明,利用遥感空间抽样方法来监测耕地变化是可行的,如何选择最佳空间抽样方案以提高效率、节省费用则是其需解决的核心问题。采用3种抽样方法(简单随机抽样、分层抽样、系统抽样)与2种抽样框(规则抽样框、不规则抽样框),设计了6种不同组合的遥感空间抽样方案进行试验;根据不同抽样框与平均每样本调查费用大小的关系,分析了不同耕地变化遥感空间抽样调查方案的精度与效率,并以北京市顺义区为例进行了试验验证,结果表明:采用分层-不规则框进行耕地变化遥感空间抽样调查具有较高的精度和效率。进一步的敏感性分析表明,分层-不 相似文献
7.
种子活力是决定种子在萌芽和出苗期间的活性强度,以及幼苗性状一些种子特性的综合表现。表现良好的种子称为高活力种子,表现差的称低活力种子。应用种子活力这一指标评价种子的优劣已被世界诸多国家所重视,并已开展了广泛地研究和推广。当前测定种子活力的方法较多,但总的分为2类:即直接性指标测定 相似文献
8.
已有研究表明,利用遥感空间抽样方法来监测耕地变化是可行的,如何选择最佳空间抽样方案以提高效率、节省费用则是其需解决的核心问题。采用3种抽样方法(简单随机抽样、分层抽样、系统抽样)与2种抽样框(规则抽样框、不规则抽样框),设计了6种不同组合的遥感空间抽样方案进行试验;根据不同抽样框与平均每样本调查费用大小的关系,分析了不同耕地变化遥感空间抽样调查方案的精度与效率,并以北京市顺义区为例进行了试验验证,结果表明:采用分层-不规则框进行耕地变化遥感空间抽样调查具有较高的精度和效率。进一步的敏感性分析表明,分层-不 相似文献
1