排序方式: 共有14条查询结果,搜索用时 31 毫秒
1.
微波数据具有全天候、穿透性强及不受云层影响等优势,使其在遥感研究领域得到越来越多的应用。利用2012年7月至2016年12月AMSR_2双极化亮温数据,反演微波穿透指数MVI与不同频率的微波极化差异指数MPDI18与MPDI36.5,对比黄河流域各微波植被指数与光学植被指数NDVI的差异,分析了微波植被指数在黄河流域的适用性。结果表明:微波穿透指数MVI与光学植被指数NDVI呈现显著负相关关系;微波极化差异指数MPDI18,MPDI36.5与光学植被指数NDVI呈显著正相关关系;其中,微波极化差异指数MPDI36.5与光学植被指数NDVI的逐月变化趋势几乎同步,相关系数达到了0.999。微波植被指数与光学植被指数对降雨、气温的响应大致相同。整体来说,微波穿透指数与微波极化差异指数在黄河流域均具有较好的适用性。 相似文献
2.
为精准、高效、实时地实现区域冬小麦产量估算,以河南省鹤壁市淇县桥盟乡石桥村为研究区,基于分辨率10 m的Sentinel-2多时相光学遥感影像,利用集合卡尔曼滤波(Ensemble Kalman filter, EnKF)算法同化PROSAIL辐射传输模型反演的多期叶面积指数(Leaf area index, LAI)到PyWOFOST作物生长模型中实现一定数量不同长势单点产量的估测,最后利用建立的机器学习模型和面域数据反演区域冬小麦产量,实现作物生长模型与机器学习算法的应用耦合及一种新的区域冬小麦估产模式。研究基于Sobol参数敏感性分析法量化对贮藏器官总干重质量(Total dry weight of storage organs, TWSO)与LAImax的敏感性参数,并基于反演的多期LAI和粒子群优化(Particle swarm optimization, PSO)算法优化与LAImax相关的TDWI、TBASE、CVS、CVL敏感性参数,将其输入到PyWOFOST模型中,利用EnKF算法和时序LAI数据调整对TWSO相关的AMAX... 相似文献
3.
利用河西走廊1965-2017年21个气象站点逐日气象数据,基于Penman-Monteith蒸散模型计算不同时间尺度的SPEI,分析河西走廊气象干旱的变化趋势、发生频率和持续时间等时空变化特征。结果表明:(1)近53a来河西走廊月、季、年尺度SPEI均呈显著上升趋势,即干旱有显著减弱趋势,但个别站点干旱持续时间较长,其中武威站在2013年持续时长达到11个月;(2)河西走廊四季均存在变湿趋势,且冬季变湿显著,其中春、夏、秋季干旱呈不稳定变化,而冬季在1989年前后发生突变,由干旱向湿润突变;(3)河西走廊干旱的空间分布具有明显的区域特征,干旱区域主要集中在西北部,湿润区域主要集中在南部;(4)不同时间尺度各等级干旱发生频率的变化规律具有一致性,轻中旱发生频率远高于重特旱,且年、季尺度重特旱发生相对高频区空间分布特征与轻中旱正好相反。总之,近53a来河西走廊干旱呈减弱趋势,有利于当地的农业生产开展和生态环境改善,但该区域气候变化较复杂,需要注意局部干旱情况。 相似文献
4.
[目的]深入研究黄河流域不同时间尺度的气象干旱对植被的时空响应特征,为生态保护、水资源管理和气候变化适应性提供宝贵信息,能够减轻干旱引发的环境和经济问题。[方法]基于黄河流域1982—2020年的标准化降水蒸散指数SPEI和归一化植被指数NDVI,采用逐像元线性回归模型、Sen’s趋势分析和Mann-Kendall检验等方法研究黄河流域不同时间尺度气象干旱的时空分布特征及其对植被影响。[结果](1)1982—2020年黄河流域呈不显著的变干趋势,不同时间尺度SPEI变化趋势为负值的区域主要集中在黄河流域的西部龙羊峡至兰州区域、黄河流域的南部及河套平原周围区域。(2)黄河流域多年平均植被覆盖度的空间分布特征呈南高北低、由东南向西北递减的趋势,研究区内植被覆盖度呈显著增加的区域(61.94%)大于植被覆盖度呈显著减少的区域(5.43%)。(3)黄河流域大部分地区干旱状况与植被状态呈正相关,流域内呈显著正相关区域主要集中在黄河流域西北部和最北端区域,说明这些区域的植被受干旱的影响最为严重。(4)草地和耕地对6个月时间尺度的干旱响应最强,林地和未利用地较其他土地类型更易受长期干旱影响。4种地貌... 相似文献
5.
GPM(Global Precipitation Measurement)是继TRMM(Tropical Rainfall Measuring Mission)之后的新一代全球卫星降水测量计划。GPM扩展了TRMM传感载荷,提升了降水观测能力。以GPM和TRMM重合期(2014年3月—2015年4月)数据为对象,利用黄河流域内76个气象站点的降雨实测数据,探讨了两种卫星降水数据在黄河流域的适用性,并分析了流域内两种卫星降水数据误差的时空分布。结果表明:年尺度上,GPM与TRMM卫星数据与实测降水量的决定系数分别为0.78,0.86,总体一致性较好,但分别存在2.46%与2.19%的相对高估。季节尺度上,春、秋两季数据精度高,夏季卫星降水数据相对于实测降水量存在较大的绝对误差,冬季则相对误差较大。月尺度上,除7月、8月外卫星降水数据均大于实测降水量,相对误差最大值出现在12月,绝对误差最大值出现在9月。单站点验证结果表明GPM与TRMM卫星降水数据在流域北部的陶乐、惠农、临河等区域数据精度偏低,而在广大的流域中南部区域卫星降水数据与实测降水量有较高的一致性。 相似文献
6.
基于作物生长模型和遥感数据同化的区域玉米产量估算 总被引:11,自引:7,他引:4
为了将遥感观测到的玉米生长期间作物冠层方向反射波谱的时间序列变化信息用于区域玉米产量估算,该文将时间序列中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)数据和高空间分辨率LandsatTM遥感观测数据相结合,以叶面积指数(LAI)作为耦合作物生长模型(crop environment resource synthesis-Maize,CERES-Maize)和植被冠层反射率模型(scattering by arbitrarily inclined leaves,SAIL)的关键参数,提出了将耦合模型与时间序列遥感观测数据同化进行区域玉米产量估算的方案。该文选择吉林省榆树市为研究区,采用MODIS和LandsatTM2种尺度数据集,利用SCE-UA(shuffled complex evolution method developed at the University of Arizona)算法分别进行玉米产量同化估产研究,得到玉米单产空间分布的估计结果,结合遥感估算的种植面积求算榆树市玉米总产量。结果表明,与玉米统计总产量相比,2007、2008和2009年遥感数据同化估算的总产量误差分别为9.15%、14.99%和8.97%;与仅利用CERES-Maize模型模拟得到的产量误差相比,3a间遥感估算总产量的误差分别减小了7.49%、1.21%和5.23%,且采用MODIS和TM遥感数据估算的玉米产量表现了其空间差异性。利用榆树市3a间玉米产量的明显差异,分析了时序遥感数据对作物长势和产量变化信息的表达能力,同年份内时序归一化差值植被指数越大,对应的玉米产量越高;年际间遥感观测反射率的差异通过数据同化方法能够反映年际间玉米产量差的变化。该文提出的玉米估产方案为将来进一步结合多源遥感数据、植被冠层反射率模型与作物生长模型进行区域玉米估产研究提供了参考。 相似文献
7.
在不同空间尺度下分别建立TRMM 3B43降水数据与数字高程模型(DEM)和归一化植被指数(NDVI)的二次多项式回归模型,将2001—2013年黑河流域TRMM降水数据的空间分辨率从0.25°提高到1 km,并利用流域内9个气象站点实测数据对降尺度结果进行了检验。结果表明:降尺度方法不仅提高了TRMM数据的空间分辨率,数据的精确程度也有所提高;与传统线性回归模型降尺度方法相比,基于二次多项式回归模型获得的降尺度结果更接近于实测值,其结果更为准确;模型建立的尺度对最终降尺度结果精确性具有较大影响,0.50°是基于DEM和NDVI对黑河流域TRMM降水数据进行降尺度的相对最优尺度。 相似文献
8.
9.
GEE环境下融合主被动遥感数据的冬小麦识别技术 总被引:2,自引:0,他引:2
遥感技术已成为大宗作物种植面积提取的有效手段。为避免冬小麦提取中受光学数据缺乏的影响,基于随机森林算法(RF)和Google Earth Engine(GEE)云平台,探索时间序列Sentinel-1合成孔径雷达(SAR)数据后向散射系数对冬小麦提取效果,并融合Sentinel-1、2主被动遥感数据,研究后向散射系数、光谱特征、植被指数特征与纹理特征的不同组合对冬小麦识别精度的改善情况。结果表明:仅融合多时相Sentinel-1 SAR数据时,分类总体精度为85.93%,Kappa系数为0.75,冬小麦识别精度达到95%以上。融合多时相SAR数据与单时相光学数据,在充分利用极化信息和光谱信息进行分类后,分类总体精度为95.78%,Kappa系数为0.92,比多时相SAR分类结果分别提高9.85个百分点和约22.67%,对冬小麦的识别精度提高约2个百分点。通过分析不同特征组合情况下纹理特征对分类的影响,发现纹理特征对冬小麦的识别精度影响程度较小。 相似文献
10.
基于谷歌地球引擎(Google Earth Engine,简称GEE)平台,以我国太湖水域为例,利用30年时间序列的Landsat系列卫星数据,结合光谱信息、多种遥感指数和纹理信息,利用分类与回归树的方法对1985—2019年之间的太湖围网养殖区域进行分类提取,并且探讨太湖围网养殖空间分布模式及时间序列上的面积变化情况.结果表明,分类与回归树方法可以用于提取围网养殖区域,同时提取精度较高,细节信息也较为丰富;在空间上,太湖围网养殖活动主要存在于东太湖水域,西太湖区域面积较小.在时间序列上,太湖围网养殖产业自1985年开始以来,围网养殖区面积逐年提高,至2007年达到峰值,然后逐年缩小,在近年保持稳定状态.养殖区最大面积达到136.57 km2,经过近年来的一系列的治理工作之后,太湖水产养殖区面积减少至15 km2以下.利用谷歌地球引擎遥感大数据平台提取围网养殖区对于太湖水资源保护具有极大的优势,主要表现在GE E平台降低了数据准备的时间,同时保证大数据量的高性能计算,在以后的水资源保护研究中有着极大的优势. 相似文献