排序方式: 共有105条查询结果,搜索用时 93 毫秒
101.
植被物候参数遥感提取研究进展评述 总被引:4,自引:2,他引:2
【目的】遥感方法提取植被物候具有宏观、高效、便捷的特点,利用遥感提取植被物候结果可以从较大尺度上研究整个植被生态系统的物候特征。【方法】文章以植被物候遥感提取的过程为线索,采用文献综述法,对植被物候参数遥感提取的各个方面进行阐述。【结果】系统描述了植被物候提取的遥感数据资源,包括遥感专题指数和遥感数据来源;归纳了植被物候遥感提取的技术方法,包括时序植被指数重构技术和植被物候参数提取方法;总结了植被物候遥感提取结果验证途径和误差来源,地面物候观测数据和模型模拟数据是直接验证的途径,他人研究成果和植物生理参量的地面观测数据提供间接验证的途径,误差来源于遥感数据的时间和空间分辨率以及植被物候提取技术方法。最后,针对当前植被物候遥感提取存在的主要问题及未来的发展趋势,从研究对象、数据来源、技术方法和结果验证这4个方面进行了探讨。【结论】尽管植被物候遥感提取的大量研究在理论、技术方法和应用方面都取得明显进展,但在研究对象、数据来源、技术方法和结果验证这些方面仍然存在着一些关键科学问题,需要进一步进行深入研究。 相似文献
102.
最大似然分类的训练样本敏感度研究 总被引:1,自引:0,他引:1
【目的】遥感影像监督分类能够快速获取土地利用和地表覆盖的信息,分类样本的选取对分类精度具有决定性的作用。以最大似然分类方法为例,研究样本数量、均值和标准差对分类精度的影响。【方法】基于地表覆盖产品GlobeLand30分层随机选取不同数量的训练样本,采用最大似然法对研究区域的Landsat8遥感影像进行分类。通过谷歌地球高分影像选取一定数量的检验样本,对影像分类结果进行精度评价,并研究样本数量、均值和标准差对分类结果的影响。【结果】不同数量的训练样本得到的分类精度不同,分类精度随着样本数量的增加先增加后下降,然后渐趋于稳定;在样本质量特征方面,当训练样本的均值和标准差越接近检验样本的均值和标准差时,分类结果的精度越高,反之则分类精度较低。【结论】在最大似然分类过程中,训练样本数量的选取存在临界值,当达到临界值时即可获得较高分类精度,随后即使增加样本的数量也无法显著提高分类结果的精度。在样本质量方面,要尽量选取能够反映地物真实特征的训练样本进行分类。 相似文献
103.
【目的】高光谱特征参数能够突出原始光谱的感兴趣信息,分析冬小麦的高光谱特征参数随受涝时间的变化特征,提出一种快速识别冬小麦受涝的方法,可为冬小麦涝害监测提供理论支撑。【方法】文章在冬小麦灌浆期设置持续淹水8天的处理,采集涝害处理当天、第3d、第5d、第7d的反射光谱特征,以高光谱位置参数、振幅参数、面积参数和反射率参数为研究指标,对比分析了健康和受涝冬小麦18个高光谱特征参数的变化特征,并根据高光谱特征参数的差异性指数随受涝时间的变化特征判断冬小麦的受涝程度。【结果】(1)受涝冬小麦的红边位置发生"蓝移",红谷、绿峰和黄边位置发生"红移";4个振幅参数值均减小;近红外面积和绿峰面积增大,红边、黄边和蓝边面积减小;绿峰反射率Rg和红谷反射率Ro增大,两者的比值Rg/Ro和归一化值(Rg-Ro)/(Rg+Ro)则减小;(2)根据不同高光谱特征参数差异性指数的大小及变化特征,提取出红边位置、最小振幅、近红外面积和红谷反射率为判断冬小麦受涝与否的最佳参数;高光谱反射率参数和面积参数可在受涝前期快速识别冬小麦受涝与否,高光谱振幅参数能够在受涝后期判断受涝程度。(3)不同高光谱特征参数识别冬小麦受涝的优劣能力从强到弱依次为:高光谱振幅参数高光谱面积参数高光谱反射率参数高光谱位置参数。【结论】高光谱特征参数的变化特征能够用来判断冬小麦受涝与否以及受涝程度,可为冬小麦涝害遥感监测提供理论支撑。 相似文献
104.
105.
环境约束下提升农业用水绿色效率对于缓解水资源供需矛盾和实现农业高质量发展具有重要意义。基于全局参比的非期望产出SBM(Slack-Based Measure)模型测度中国农业用水绿色效率(Green Efficiency of Agricultural Water, GEAW),采用Dagum基尼系数探究区域差异的来源,运用Markov矩阵分析GEAW的时空演变,通过回归模型检验其收敛性。研究结果显示,中国及各区域GEAW呈波动上升趋势,东部地区效率水平最高,西部地区效率水平最低;地区间差异的贡献逐渐上升至主要贡献;农业用水绿色效率存在“俱乐部趋同”和“马太效应”,受“邻居”用水效率和自身效率等级的影响;除中部地区外,全国及其他三大区域GEAW均存在σ收敛现象,除东北地区外,全国及其他三大区域GEAW均存在绝对β收敛和条件β收敛。据此提出推广农业节水技术、加大区域间协作、发挥市场作用提升整体农业用水绿色效率。 相似文献