排序方式: 共有15条查询结果,搜索用时 0 毫秒
1.
2.
3.
遥感图像尤其是高分辨率(1~4 m)遥感图像在树种分类方面有着广阔的应用前景。利用主成分分析法对遥感数据去相关分析,然后通过对纹理提取过程的分析,探讨不同移动窗口大小对纹理特征的影响,以期为中山陵园风景区的森林调查提供依据,分类方法为经典的最大似然分类器。根据不同移动窗口大小的纹理因子相关性和对保持纹理信息丰富度的影响,来选择合适的窗口大小及纹理因子组合,以对树种分类精度的提高程度为评价标准。研究结果表明,利用窗口大小为19 19下的纹理信息可有效提高分类精度,总精度达到66%,Kappa系数达到0.59,比单纯的光谱信息最大似然法图像分类精度高,其中均值与均匀性、对比度、偏斜度纹理因子组合为最佳纹理组合,能有效减少数据冗余。高分辨率遥感数据纹理信息的运用为树种分类识别时的特征选择提供了有利技术参考。图4表3参19 相似文献
4.
以南京市主城区为例,以10期(1986至2011年)TM/ETM+遥感数据为信息源,遵从V-I-S(Vegeta-tion-Imperviousness-Soil)模型,采用性光谱混合模型提取植被覆盖度,并利用高空间分辨率Quickbird和IKONOS影像对提取结果进行精度验证,在此基础上对研究区植被覆盖时空动态模式特征进行评价。结果表明:利用线性混合像元分解技术,对中等分辨率的TM/ETM+遥感影像进行城市绿地的丰度信息提取是有效且可靠的。从时间角度看,南京主城区植被覆盖度逐年递减,其中主要变化表现为高植被覆盖区域向低植被覆盖度区域转化;空间上,低植被覆盖区域由中心城区向四周不断扩大,而城郊结合部由于快速城市化致使植被覆盖区逐渐被非植被区取代。在南京,影响植被覆盖度变化的因素主要有快速城市化进程、变动的绿化政策与措施以及其它自然因素。 相似文献
5.
以钱江源国家公园试点区及其周围10 km缓冲区为研究区域,基于GEE云平台、Landsat卫星影像以及卫星林火监测数据,结合目视解译与光谱指数法快速提取过火区域,并统计火灾发生时间、频率和过火面积的变化规律,使用景观指数描述过火区域的空间模式。结果表明:1999—2019年,研究区共发生19起森林火灾,其中春季和冬季森林火灾高发,分别占火灾总数的47.37%和42.11%;2013年平均单次森林火灾覆盖范围最广(83.54 hm2),2011年发生森林火灾次数最多(6次),过火区域的面积差异较大,而2014年和2019年仅各发生1次火灾;研究区过火区域面积共计约为766.55 hm2,在研究期间呈现先增加后减少的趋势。钱江源国家公园范围内过火面积仅为9.05 hm2(2011年和2014年分别为9.04 hm2和0.01 hm2)。本研究方法适用于借助免费历史Landsat数据快速获取30 m分辨率尺度的火灾信息,建立空间明确的灾情历史数据档案,及时、客观地评估国家公园灾害管理成效。 相似文献
7.
8.
9.
森林破碎化的社会经济驱动力分析——以美国阿拉巴马州为例 总被引:4,自引:0,他引:4
以基于植被变化追踪遥感模型所生成的1999年森林干扰产品为基础,采用森林破碎化分析模型在5×5窗口分析尺度下将美国阿拉巴马州森林归并为内部、孔洞、边界、斑块、过渡及未确定6种破碎化成分。同时,以行政县为单位采集森林像元的平均高程、森林像元的平均坡度、居民受教育程度、人口密度及人均收入等与破碎化成分建立统计关联。结果表明:除平均坡度外,其余4因子均与森林破碎化成分显著相关,人口密度、人均收入及受教育程度是阿拉巴马州森林破碎化重要的社会经济驱动力;所识别的驱动因子对不同的破碎化成分空间变动的解释能力不一,其中对于孔洞森林变异的解释能力最强,达65.8%。统计检验表明所建立的破碎化驱动力模型对于归纳阿拉巴马州森林破碎化成因是有效和可靠的。 相似文献
10.
多时相遥感影像的辐射归一化操作是进行土地覆盖变化检测和图像拼接之前不可缺少的步骤,本研究基于2013年7月10日和2016年3月28日覆盖南京的Landsat 8 OLI数据,以2016年影像作为参考影像,采用基于分布的直方图匹配法和顺序转换法,与基于像元的多元变化检测法和随机森林法对影像实施相对辐射归一化操作。采用信息熵、边缘强度、空间频率、峰值信噪比、交互信息量5个客观评价指标对不同相对辐射归一化方法的性能进行了评价。结果表明:4种归一化方法处理后通过目视能看出影像空间信息保留很完整,没有破坏地物的光谱特征,再结合5个评价分析比较得出顺序转化法的归一化效果最优。研究结论可为多时相遥感影像的协同利用提供参考。 相似文献