排序方式: 共有83条查询结果,搜索用时 15 毫秒
1.
2.
基于高分2号遥感数据估测中亚热带天然林木本植物物种多样性 总被引:2,自引:0,他引:2
【目的】探索高分2号遥感数据与中亚热带天然林木本植物物种Shannon-Wiener多样性指数、Simpson多样性指数和Pielou均匀性指数之间的关系,为森林经营管理和保护策略提供参考。【方法】提取高分2号多光谱数据的原始波段、植被指数、纹理特征和全色波段纹理特征,使用随机森林算法筛选变量并对3种多样性指数进行建模,设置不同纹理提取窗口来寻找最优窗口。【结果】基于随机森林算法的RFE冗余变量去除方法可从众多遥感变量中快速选择对模型精度具有显著贡献的少量变量。多光谱数据3×3窗口纹理特征、全色数据7×7窗口纹理特征和植被指数结合的特征集对3种多样性指数具有较好估测结果,其决定系数(R~2)和均方根误差(RMSE)分别为0.47和0.300(Shannon-Wiener多样性指数)、0.53和0.042 (Simpson多样性指数)、0.61和0.051 (Pielou均匀性指数)。植被指数中类胡萝卜素反射率指数与3种多样性指数具有显著相关关系。【结论】高分2号遥感数据中的植被指数和纹理特征可有效估测研究区森林木本植物物种多样性。类胡萝卜素反射率指数可体现森林中类胡萝卜素相对于叶绿素的含量,在秋冬季节作为反映常绿树种和落叶树种分布的指数,对森林木本植物物种多样性估测具有最大贡献。使用星载遥感数据预测的多样性和均匀性指数分布可有效监测森林木本植物物种多样性变化。 相似文献
3.
【目的】探究将简单非迭代聚类超像素分割算法(SNIC)融合到基于多时相数据的树种分类问题中,并对比分析不同时相数据组合对分类结果的影响,实现更高效、更精准的优势树种识别。【方法】以内蒙古旺业甸林场为研究区,在Google Earth Engine(GEE)云计算平台上利用多时相Sentinel-2多光谱数据提取波段反射率特征和光谱指数特征,采用SNIC和支持向量机(SVM)机器学习分类方法,实现面向对象的优势树种识别,并分析不同时相数据组合对优势树种识别精度的影响。【结果】多时相数据组合的分类精度明显高于各季节单时相数据。对比不同多时相数据组合分类结果,春、秋2个季节时间序列组合数据的分类精度与多季节组合数据结果相近,总体精度分别为94.5%、95.0%和95.8%。【结论】基于多时相Sentinel-2影像和SNIC分割算法的面向对象分类方法能够快速、准确识别优势树种,多季节组合数据的分类结果最优,春、秋2个季节时间序列数据也能获得较好分类结果,总体精度与最优结果差距较小。 相似文献
4.
小麦倒伏的雷达极化特征及其遥感监测 总被引:3,自引:6,他引:3
研究探索了雷达遥感大面积监测小麦倒伏状况的潜力。利用覆盖整个小麦生育期的5景时间序列Radarsat-2全极化影像数据,对比分析了倒伏小麦与正常小麦在不同时间、不同极化的雷达后向散射动态响应规律,发现雷达极化特征对小麦倒伏十分敏感,基于此提出利用雷达极化指数监测小麦倒伏的方法。并利用内蒙古额尔古纳市上库力农场春小麦抽穗灌浆期的实地调查数据,对提出方法进行验证,结果表明该方法能有效辨识和监测小麦倒伏。为大面积监测小麦倒伏提供了一种简单、快速、有效的手段。 相似文献
5.
单时相双极化ENVISAT ASAR数据水稻识别 总被引:5,自引:4,他引:5
许多研究已表明合成孔径雷达(SAR)对水稻识别及作物长势监测很有潜力。但是,以往的研究多是采用单极化多时相SAR数据进行水稻监测的。该文本着探讨多极化方式的优势以及降低数据购买成本和减少数据处理量的目的,对单时相双极化的ENVISAT ASAR APP数据的水稻识别能力进行了评价。在水稻生长季节,获取了覆盖江苏洪泽县的ASAR APP时间序列数据。首先,分析比较不同地物的后向散射系数,选择出最能区分水稻与非水稻的单时相数据;然后,采用决策阈值法将水稻信息从图像中提取出来;最后,利用DGPS实测的样地数据对水稻识别进行精度验证。结果表明,利用水稻齐穗期至近成熟期的HH和VV极化的ENVISAT ASAR APP图像能较好区分水稻与非水稻, 水稻识别精度可达86%以上。 相似文献
6.
7.
8.
干涉测量土地利用影像分类决策树法森林识别研究 总被引:3,自引:0,他引:3
利用ERS-1和ERS-2 SAR串行轨道数据经干涉测量处理生成的干涉测量土地利用影像对森林识别方法进行初步研究。内容包括基于目标识别选择合成干涉测量土地利用影像处理方法、应用斜分类器(OCI)生成分类决策树以及在自主开发的软件中调整分类决策树、对分类结果进行像元级别上的精度检验和误差分析等。结果表明:ERS-1和ERS-2 SAR串行轨道数据经干涉测量处理,利用其强度影像和相干影像可以合成多种干涉测量土地利用影像;其中最小值影像和 标准差影像较之于其它强度影像和变化影像更有利于区分水体和森林;由于OCI生成决策树的算法决定了在分类处理中没有不可分类别的存在,所以在初期选择分类类别时,要尽可能多的覆盖原始影像的数值区间;选择的各类别样本数据要尽可能的“纯”,以减少类别间数值区间的重叠,从而减少误分类情况。 相似文献
9.
10.
荒漠化土地土壤有机质含量的实测光谱估测 总被引:6,自引:0,他引:6
在对2个荒漠化典型区土壤采样、化验分析和光谱测量的基础上,分析荒漠化土地土壤的反射光谱特征及土壤有机质的光谱敏感范围,构建多种土壤有机质含量高光谱估测模型。结果表明:荒漠化土地土壤具独特的波浪型光谱曲线,其主要特点是在可见光和近红外的500~900nm光谱范围存在一个明显的弓形突起区,其对提取土壤有机质信息有实际意义;相关分析发现,在中心波长分别为600和830nm的可见光和近红外光光谱范围分别存在1个有机质光谱敏感区;土壤有机质含量高光谱估测模型验证结果表明,利用波长588nm处的反射光谱对数lgR588和反射光谱倒数1/R588以及波长835nm处的反射光谱倒数的导数(1/R835)'和反射光谱对数的导数(lgR835)'分别建立的模型,可以较好地估测荒漠化土地土壤有机质含量。 相似文献