排序方式: 共有30条查询结果,搜索用时 15 毫秒
1.
Landsat5图像的增益、偏置取值及其对行星反射率计算分析 总被引:12,自引:1,他引:11
在对比不同时相的数据或建立遥感反演模型时,往往需要将图像的灰度值转换为反射率。增益和偏置是计算反射率时使用的两个基本参数。如果这两个参数发生偏差,反射率的计算结果就有问题,大气校正和其他相关工作的结果也是不可靠的。根据USGS文档和1995年以来的Landsat5遥感图像,对图像头文件中的增益和偏置参数的取值进行了分析,并按照标准单位将增益和偏置进行了转换。为了分析不同增益和偏置取值对反射率计算结果的影响,对比计算了植被和水体的行星反射率值。对2004年7月26日的太湖地区的TM图像。取值分为4种方案: (1)使用遥感软件ENV14.0计算;(2)使用图像头文件中的参数;(3)使用USGS提供的同期参数;(4)使用USGS提供的2003年前的参数。结果表明,不同增益和偏置取值导致计算结果变化较大。如果以方案3的USGS参数计算的结果为标准,那么,其他方案的相对误差值可从0.2%到20%以上。从各个波段的误差分布看,以第3波段的相对误差最小。从工作成果的可比性角度出发,建议统一使用USGS的增益和偏置参数计算Landsat5图像的反射率。 相似文献
2.
基于高光谱遥感反射比的太湖水体叶绿素a含量估算模型 总被引:24,自引:1,他引:24
旨在寻找叶绿素a的高光谱遥感敏感波段并建立其定量估算模型。通过对太湖水体的连续监测,获得了从2004年6月到8月3个月的太湖水体高光谱数据和水质化学分析数据。利用实测的高光谱数据分析计算太湖水体的离水辐亮度和遥感反射比;然后,通过相关分析寻找反演叶绿素a浓度的高光谱敏感波段,进而建立反演太湖水体叶绿素a浓度的高光谱遥感定量估算模型,并用相关数据对模型进行精度分析。研究发现,水体的遥感反射比光谱在719nm和725nm存在两个峰,其中719nm处的峰更明显且稳定。通过模型的对比分析,发现用这两个峰值处的遥感反射比参与建模可以提高叶绿素a的估算精度;并且认为由反射比比值变量R719/R670所建立的线性模型对叶绿素a浓度的估算精度最理想。 相似文献
3.
4.
GIS支持下青海湖地区草地蝗虫发生的地形分析 总被引:7,自引:0,他引:7
草地蝗虫发生的地形分析是建立草地蝗虫发生预报模型的基础,以青海湖地区为实验区,在Arc/Info和ArcView地理信息系统的支持下,进行草地蝗虫发生与各地形变量(包括海拔高度、坡度与坡向)的叠置分析,提取草地蝗虫发生的地形信息数据库,然后,分别采用T-检验(对连续变量-海拔高度和坡度)和卡方(Chisquare)检验(对类变量-坡向类型)进行各地形变量对草地蝗虫发生的差异显著性检验,结果表明,海拔高度和坡度对草地蝗虫发生的影响极为显著(显著性水平p=0.000),而坡向地草地蝗虫发生的影响不是特别明显(显著性水平p=0.039)。 相似文献
5.
高空间分辨率影像与多光谱影像融合,为影像处理提供了更加丰富的资源,有利于进行影像的分析和制图。本文以庐山及其周边区域的2009年5月11日LandsatETM+与2009年5月6日SPOT5影像数据为例,对典型的融合方法进行了对比评价。融合方法包括加权融合法,HIS变换,改进的HIS变换,高频调制融合法(频域采用Butterworth滤波器.指数滤波器),HSV变换,Brovey变换,CN变换,PC变换,Gram—Schmidt变换11种方法。评价指标为相关系数、信息熵、标准差、平均梯度、相对偏差、标准偏差。结果表明,不同的融合结果突出的侧重点不同。加权融合法、Grain—Schmidt变换,PC变换方法突出了影像的信息量丰富度、清晰度,提高空间分辨率能力。CN波谱锐化,改进的HIS变换,BWO高频调制融合,指数高频调制融合方法光谱保真度较好。改进的HIS变换,BWO高频调制融合,CN波谱锐化,指数高频调制融合法在空间分辨率及光谱保真度、清晰度、信息丰富度方面的能力较均衡。 相似文献
6.
7.
分季节的太湖悬浮物遥感估测模型研究 总被引:6,自引:0,他引:6
根据1996-2002年无锡太湖监测站的水质资料分析,太湖悬浮物具有季节性特征,因而分季节的悬浮物估测模型比单一的模型可能更加适合用来估测太湖全年的悬浮物浓度.在分析太湖水体光谱特征的基础上,根据太湖悬浮物的季节性分布特征,使用春夏秋冬四季的Landsat TM/ETM图像和准同步的水质采样数据,建立了太湖分季节的悬浮物估算模型.结果表明:估测因子(B2 B3)/(B2/B3)在春、秋、冬三季都能很好地估测出悬浮物的浓度(R2>0.52).夏季由于叶绿素的干扰性较大,悬浮物的估测效果不理想.冬季的估测效果最好(R2=0.81),模型为lnSS=14.656×(B2 B3)/(B2/B3) 1.661,其中,ln SS表示悬浮物取自然对数后的值,B2、B3为TM/ETM图像经过6S大气校正、3×3低通滤波后第2、3波段的反射率值. 相似文献
8.
9.
以9期Landsat TM/ETM+影像为数据源,基于K-T变换和归一化植被指数(NDVI),建立了湖泊蓝藻水华信息提取的决策树模型.基于大气顶面反射率图像,选用2005年10月17日太湖图像进行了对比验证,表明决策树模型比单波段阈值法、多波段阈值法(RVI、DVI、NDVI)能够更有效地提取蓝藻水华信息,区分陆生植被、水生植物和水华,省去了水体掩膜的过程.使用太湖2002年10月25日和2011年7月22日图像、巢湖2005年8月12日的图像,验证决策树模型方法和工作流程的有效性.使用多期TM图像确定了阈值的取值范围,其中,亮度、绿度、NDVI的下限值依次为0.191、-0.007、-0.054,湿度下限范围为0.07~0.15;亮度阈值上限范围为0.3~0.7、绿度为0.2~0.5、湿度为0.1~0.3,这些结果可作为湖泊蓝藻水华遥感监测的参考. 相似文献
10.
基于TM影像的太湖悬浮物反演模型 总被引:1,自引:0,他引:1
1 Introduction Suspended sediment (SS) is the non-dissolved matter in water which reflects the physical and chemical property of water. Suspended sediment plays an important role in water quality management, which influences the total primary productivity… 相似文献