排序方式: 共有2条查询结果,搜索用时 62 毫秒
1
1.
利用高分辨率影像验证低分辨率遥感数据的分类精度研究 总被引:1,自引:0,他引:1
遥感分类的精度决定了遥感数据处理后的可信度,低分辨率的遥感数据连续性强、价格低廉,但在目视解译方面较为困难,进行野外验证时成本大、周期长、分类精度难以确定,所以低分辨率植被类型的分类结果的精度估测问题并没有很好地得到解决.本文提出了利用高分辨率的遥感数据验证低分辨率遥感数据的方法,在对低分辨率NOAA数据进行分类之后,寻找到同一地区同一时期的30 m分辨率的TM数据,利用目视解译方法对TM数据进行了同类型的植被分类.经过尺度变换后,利用TM分类结果对NOAA数据进行了精度验证,在一定程度上解决了研究区域的空间尺度较大时分类精度难以确定,精度检验效率低下的问题.同时指出,高分辨率的遥感数据不仅可以进行大尺度植被观测的精度检验,同时可以进行大尺度植被观测的分类校正. 相似文献
2.
长时间序列遥感数据回归分析支持下的植被变化分析 总被引:1,自引:0,他引:1
本文利用1982~2000年19年序列时间的FVC数据,以年单位作为自变量,将每个像元的FVC值作为因变量,利用线性回归理论来分析中国西部地区的植被变化状况,同时.讨论了对回归方程的F检验和t检验的结果和意义.通过以上工作认为:将具有时间序列的植被指数信息对时间进行回归分析后,所得到的结果比简单的差值分析的结果稳定,而且回归方程充分利用了所有的图像信息,并且具有延伸预测的理论基础. 相似文献
1