排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
夜间灯光数据DMSP-OLS经常被用作区域范围监测城市区域,但是其低空间分辨率和"溢出"效应容易导致产生较差的结果。经过分辨率更高的Landsat数据能够得到更精确的结果,但所需的大量人力限制了其在大尺度下应用。本文利用非监督机器学习,提出了一种结合Landsat和DMSP-OLS的30 m分辨率城市提取方法。基于城市像元常常同时拥有两种特性(如更高的夜间灯光强度和位于不透水面区域),分类学习的训练样本被自动提取。然后,两种数据提供的4种互补的特征(光谱、纹理、不透水面指数和夜间灯光强度)被用作城市/非城市分类。实验结果表明:相对于仅仅使用单一数据源,结合两种数据能够得到更好的城市提取结果,因此,本文提出的方法能可靠且高效地提取大范围城市区域。 相似文献
2.
以湖北省东部的大悟—红安一带为研究区,选用资源三号立体测绘卫星(简称ZY-3)多光谱数据与MODIS L1B级数据实现气溶胶光学厚度(AOD)反演,从而对比分析两种影像反演结果的差异性。ZY-3数据的AOD反演是在Gilabert算法的基础上增加漫反射项,选择多个暗像元,应用空间插值的方法来实现;MODIS数据的AOD反演同样采用暗像元法实现。两种卫星影像数据的反演结果显示ZY-3数据反演结果比MODIS数据的反演结果更为精细,更适合小范围地区的研究。 相似文献
1
