排序方式: 共有26条查询结果,搜索用时 0 毫秒
11.
为了探讨藏北中部地区近20年来的草地退化状况及主要驱动力,基于1990、2000及2010年的Landsat影像,采用混合分类方法对研究区主要景观类型进行分类,并利用景观指数分析景观格局及草地退化特征。另外,基于气象数据,利用灰色关联度方法分析草地退化的主要驱动力。结果表明:草地退化面积在1990~2000年呈增加趋势,在2000~2010年呈减少趋势,2000年之后研究区草地退化状况趋于缓和。造成草地退化的主要气候因素为降水量、气温、日照时数、平均相对湿度和蒸发量等,其中,高寒草甸草地主要受平均相对湿度及降水量的影响,高寒草原草地受蒸发量、日照时数、平均最低气温、降水量、平均相对湿度和平均最高气温的影响均较大,高寒荒漠草地与平均最高气温、日照时数和蒸发量的关系最为密切。 相似文献
12.
C波段星载SAR系统在减灾应用中的工作模式选取 总被引:1,自引:0,他引:1
雷达遥感工作在微波波段,它能够穿透雨雪云雾的影响,受大气的影响较小,具有全天候、全天时的工作能力,为自然灾害的监测评估提供了强有力的技术手段。本文针对C波段星载SAR系统在洪涝、干旱、滑坡泥石流灾害方面的应用,综合分析了成像雷达遥感在地质灾害调查识别、监测、评估中具有的独特优势。为使C波段SAR系统获得较为有效的灾害监测结果,分析了不同灾种监测需要选择的不同工作模式和相关系统参数,得到了洪涝、干旱、滑坡泥石流灾害监测评估时所需的系统观测模式,为我国减灾防灾平台建设提供技术支持。 相似文献
13.
合成孔径雷达图像对于地表淹没状况的探测有一定的优势。以鄱阳湖湿地为例,基于多极化Envisat ASAR数据,将变化向量分析方法引入地表淹没状况的变化检测中,分析鄱阳湖湿地地表淹没状况的动态变化,然后利用决策树分类方法将变化区域提取出来,并探讨变化向量方法应用于SAR图像变化监测的潜力。 相似文献
14.
叶面积指数(LAI)是衡量湿地生态系统健康状况的重要指标.根据鄱阳湖湿地植被生长密集、LAI动态范围大的特点,针对雷达数据的复杂散射机制,利用Freeman-Durden极化分解技术,定义了一种雷达植被指数,并考虑光学植被指数的饱和性,尝试将光学植被指数和雷达植被指数相结合,构建融合植被指数来估算植被LAI.通过实测数据和理论模型模拟数据与LAI的相关性分析,表明融合植被指数能有效地提高与LAI的相关性.利用融合植被指数、光学植被指数、雷达植被指数与LAI构建最佳拟合模型得出:光学微波融合植被指数能更准确地估算鄱阳湖湿地植被LAI. 相似文献
15.
神经网络的特点是分布并行处理,适用于模拟复杂的非线性模型。在野外调查的基础上,利用多极化雷达数据,通过改进MIMICS模型模拟湿地植被参数(植被高度、含水量、生物量等)和雷达后向散射系数之间的关系,建立神经网络模型。通过模型的训练和仿真,与实测数据进行比较、验证,从而估算鄱阳湖湿地植被的生物量分布情况。研究表明基于改进的MIMICS模型训练数据的神经网络模型有较好的反演湿地植被生物量的能力,并据此反演了鄱阳湖湿地2007年4月、7月、11月的生物量动态变化情况。 相似文献
16.
基于多极化SAR图像的鄱阳湖湿地地表淹没状况动态变化分析 总被引:5,自引:0,他引:5
合成孔径雷达图像对于地表淹没状况的探测有一定的优势.以鄱阳湖湿地为例,基于多极化Envisat ASAR数据,将变化向量分析方法引入地表淹没状况的变化检测中,分析鄱阳湖湿地地表淹没状况的动态变化,然后利用决策树分类方法将变化区域提取出来,并探讨变化向量方法应用于SAR图像变化监测的潜力. 相似文献
17.
利用极化SAR数据探索同极化相关特征随地表粗糙度变化的研究 总被引:2,自引:0,他引:2
利用冲积扇区域SIR-C全极化SAR数据深入研究了同极化相关特征与粗糙度之间的关系,经分析得出:(1)以圆极化右旋.左旋为正交基的同极化相关系数在粗糙度ks(k是入射波的波数,s是表面高度标准离差)<0.5时,随ks的增大而减小;(2)仅考虑线性正交基,可以从同极化相关系数响应图中提取线性同极化相关系数曲线,该曲线的极值差或者标准差等代表该曲线平滑程度的参数可以在更大的范围内(ks<1.2)随粗糙度ks的增大而近似线性地减小,因此能够更有效地反映粗糙度的变化;(3)水平-垂直正交基对应的同极化相位差平均值在ks<1时,随粗糙度的增大而稳步减小. 相似文献
18.
湿生植被是鄱阳湖湿地生态系统的重要组成部分,生物量的大小是衡量湿地生态系统初级生产力的主要指标之一.本文利用ENVISAT ASAR交替极化(HH,VV)数据对鄱阳湖湿地地区的湿生植被进行生物量反演研究,并在密歇根微波冠层散射(MIMICS)模型模拟分析的基础上利用人工神经网络(ANN)方法来反演生物量.据此计算出鄱阳湖4月份湿生植被的总生物量干重约为1.065×109kg,并给出了生物量分布图.反演结果表明,ENVISAT ASAR数据可以很好地用于湿地植被生物量反演;神经网络生物量反演方法可以有效地表达生物量与后向散射系数之间复杂的非线性关系,从而大大提高反演精度;反演结果的误差主要来自于实地采样、图像配准、反演计算过程中带来的误差. 相似文献
19.
20.