排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
基于Hyperion的东洞庭湖水质参数空间分异规律 总被引:1,自引:1,他引:1
为了研究成像高光谱对水质参数监测的影响,以东洞庭湖为研究区,Hyperion影像为信息源,对其进行大气校正,通过水体光谱特征分析,分别构建叶绿素a和悬浮物浓度遥感估算模型,利用ENVI4.7和ArcGIS软件获得东洞庭湖目标叶绿素a和悬浮物浓度的空间分布图。结果表明,Hyperion影像大气校正效果理想,适合反演区域叶绿素a和悬浮物浓度;研究区叶绿素a空间分异规律不明显,随着距湖岸距离的增加呈上升趋势;悬浮物浓度在空间上分异规律明显,湖岸到湖心方向随距离的增加,整体呈先缓慢下降后逐渐上升趋势;洞庭湖湖心悬浮物含量较高,且南部湖区悬浮物含量总体高于北部。研究展示了Hyperion监测内陆水体的潜力,为今后水质参数的精确估算提供参考。 相似文献
2.
高光谱识别是采用大量比较窄的波段对目标物进行同时观测,以实现对目标物更好的观测效果。以东洞庭湖为研究对象,对典型湿地植被苔草、芦苇、芦蒿、辣蓼和旱柳开展野外高光谱观测的基础上,开展数据变换和分类识别。在对数据进行剔除、滤波和重采样后,对高光谱数据进行导数运算、对数运算、对数的导数运算、归一化运算和归一化后导数运算,以突出植被的光谱特征差异。采用主成分分析方法,对高光谱数据进行降维。并运用BP(Back Propagation)神经网络、马氏距离(Mahalanobis)分类法、贝叶斯(Bayes)分类法、费希尔(Fisher)分类法、光谱角度制图法(Spectral Angle Mapper,SAM)、支持向量机(Support Vector Machine,SVM)等6种方法开展湿地植被识别。结果表明:在多种数据变换方法中,LOG(N(R))变换效果最好,而湿地植被识别方法中,光谱角度制图法的精度最高。 相似文献
3.
为了研究高分二号(GF-2)影像生物量估测的模型效果,以攸县黄丰桥林场为研究区,在研究区内采用随机抽样的方法,结合国家森林资源连续清查样地,获取了共47个样地的生物量数据。对GF-2影像进行预处理,结合相关研究,提取8个单波段信息、24个多波段组合信息、4个植被指数以及海拔、坡度、坡向等39个因子作为建模的自变量,采用主成分分析、偏最小二乘和BP神经网络3种方法建立生物量估测模型。结果表明:主成分回归模型的实测值和预测值的决定系数R~2为0.44,模型的估测精度为65.83%;偏最小二乘回归模型的R~2为0.50,模型的估测精度为67.66%;BP神经网络模型的R~2为0.79,模型的估测精度为78.62%。比较可知,BP神经网络模型效果最好。 相似文献
4.
快速准确的产量估算对油茶经营管理和可持续发展具有重要意义。该研究针对油茶快速估产的应用现状,提出一种基于无人机影像自动检测冠层果的方法用于油茶快速估产。首先借助无人机航拍影像,通过随机抽样选取120株油茶树进行无人机近景摄影和人工采摘称量;然后利用Mask RCNN(Mask Region Convolutional Neural Networks) 网络开展基于近景影像的油茶冠层果自动检测与计数;采用线性回归和K最邻近建立冠层果数与单株果数之间的关系,同时结合研究区典型样木株数和平均单果质量,构建基于冠层果自动检测的估产模型。结果表明:1)无人机超低空近景影像结合Mask RCNN网络能够有效检测不同光照条件油茶果,平均F1值达89.91%;2)同传统卫星遥感相比,基于无人机近景摄影的冠层果自动检测在作物产量估测方面显示出明显优势,Mask RCNN网络预测的冠层果数与油茶样木单株果数之间具有良好的一致性,拟合决定系数R2达0.871;3)结合线性回归和K最邻近构建的模型估产精度均较高,拟合决定系数R2和标准均方根误差NRMSE(Normalized Root Mean Square Error)分别在0.892~0.913和28.01%~31.00%之间,表明基于无人机影像自动检测冠层果的油茶快速估产是一种切实可行的方法。研究结果可为油茶快速估产和智能监测提供参考。 相似文献
5.
基于CIWI模型的洪湖市水体识别及动态监测 总被引:2,自引:0,他引:2
以湖北省洪湖市为例,监测其水面面积的变化,以实现当地水资源的优化配置与管理.在分析研究区典型地物光谱特征的基础上,分别应用单波段阈值法、多波段谱间关系法和4种水体指数法对研究区水体进行识别提取,结果表明混合水体指数法(CIWI)区分度最高,提取效果最好,可以有效减弱城镇等噪音信息的干扰.并基于该方法利用TM影像提取了洪湖市近30年的水面积动态变化,2000年时水面面积最小(302.314 km2),近十年来水面面积逐渐回升,2010年达387.548 km2. 相似文献
6.
杉木人工林叶面积指数估测及影响因子分析 总被引:1,自引:0,他引:1
叶面积指数是植被长势监测中最常用的参数之一,开展叶面积指数定量估测可为LAI信息的大区域监测提供参考.以湖南攸县黄丰桥林场的SPOT 5影像为数据源,结合地面实测数据,通过MCARI、SAVI、MSAVI、NDVI间的相关性和回归分析构建16种叶面积指数估测模型,探索适合杉木LAI的估测模型及影响因子.四种植被指数均与杉木叶面积指数具有较高的相关性,依次为MCARI、SAVI、MSAVI、NDVI,以MCARI为自变量的指数回归模型y=1.031exp(3.379x)估测精度最高,达87.69%;杉木LAI随龄组的增大呈上升趋势,最大值出现在成熟林,比LAI最小的幼龄林高0.30;不同坡向杉木LAI两两之间差异显著,半阳坡LAI明显大于其他坡向.研究表明,龄组和坡向是影响杉木LAI的重要因子,限制其生长和分布的首要因素是水湿条件,其次是温度. 相似文献
7.
8.
1987-2004年洞庭湖典型湿地类型动态分析 总被引:1,自引:0,他引:1
洞庭湖湿地是我国重要的湖泊湿地,先后经历了大范围围湖造田和退田还湖。选取1987年12月、1995年12月和2004年12月3期TM遥感影像,通过决策树分类方法对其进行分类,计算土地利用类型转移矩阵,对洞庭湖典型湿地类型面积动态变化进行分析,以了解1987-2004年退田还湖前后自然湿地与人工湿地相互转化状况,为今后洞庭湖湿地保护提供数据支撑。结果表明,1987-2004年,人工湿地减少,自然湿地增长,增长主要集中在草滩地和芦苇滩地,草滩地增长速率为23.85km2/a,芦苇滩地增长速率为1.97km2/a。1987-1995年,尽管湿地总体上呈现增长,但自然湿地退化严重;1995-2004年,人工湿地呈现下降趋势,在自然湿地中,水域与泥沙滩地总体变化不明显,芦苇滩地与草滩地呈现增长。退田还湖对湿地保护起到了主要作用,但仍存在一些围湖造田现象,退田还湖工程实施没有得到完全落实。 相似文献
9.
采用最大似然法、马氏距离法、光谱角填图法、支持向量机法、神经网络法和最小距离法6种分类方法,对辽宁省2010年3—12月MODISNDVI数据,用该数据做主成分分析的前3个主成分数据、前5个主成分数据和2010年6—10月MODISNDVI数据等4类数据进行土地利用分类研究。结果表明:6种分类方法中最大似然法、马氏距离法和最小距离法3种方法较适合对MODISNDVI数据进行信息提取,其总体分类精度分别达82.63%、80.29%、79.17%,乔木林类型信息提取精度分别达81.91%、78.54%、80.02%;3种对原始数据进行变换的方法中6—10月数据效果较好,其总体分类精度最高达82.63%,乔木林信息提取的最高精度达78.54%。 相似文献
10.
杉木人工林平均树高遥感反演模型研究 总被引:1,自引:0,他引:1
以湖南攸县黄丰桥国有林场杉木人工林为研究对象,以高分辨率SPOT5影像及1∶10 000地形图为数据源,提取海拔、坡度、坡向、郁闭度,B1(反射率)、B2(反射率)、B3(反射率)、B4(反射率),B1/B4、B2/B4、B3/B1,EVI、NDVI、RVI等14个因子,运用主成分分析法以及岭迹估计法剔除与平均树高相关性小的变量因子,确定影响平均树高估测的主要因子为:B2(反射率)、B4(反射率)、坡向、郁闭度、NDVI。基于最小二乘法建立遥感反演关系模型,用实地调查数据进行模型检验,平均树高估测回归模型的相关系数、决定系数、调整相关系数以及标准估计的误差分别为0.891 0、0.793 0、0.774 0、0.842 2,树高估测模型达到较好的拟合效果,得到杉木人工林的平均树高模型。 相似文献