共查询到10条相似文献，搜索用时 46 毫秒
1.
基于混合像元分解的植被覆盖度模型比较研究 总被引：1，自引：0，他引：1
准确地估算植被覆盖度是生态学及全球植被覆盖变化研究的重要内容。应用遥感技术估测植被覆盖度成为近年来研究的热点之一,但影像混合像元的存在成为制约植被覆盖度提取精度的难题之一。以延庆区2014年的Landsat8OLI影像为数据源,结合二类调查及补充调查数据,采用像元二分模型法和线性光谱混合模型法对提取植被覆盖度,对比分析2种模型的适用性。结果表明,基于像元二分模型法的植被覆盖度提取精度达到85.31%,基于线性光谱混合模型的植被覆盖度提取精度达到88.76%,线性光谱混合模型的提取效果要好于像元二分模型法,最后生成了延庆区植被覆盖分布图,可为县域尺度应用Landsat8OLI影像估测植被覆盖度提供参考。 相似文献
2.
3.
《（《农业科学与技术》）编辑部》2015,(1)
植被在遥感影像上成像具有复杂性和不确定性,这使得利用遥感技术提取植被信息具有很大的难度。利用数据资源丰富的ETM+影像数据对新疆西天山矿化蚀变区的植被进行提取研究,目的是为进行下一步的矿化蚀变信息提取做准备。为保证在提取植被信息后能较好地保留矿化蚀变信息,在认真分析了植被和矿化蚀变的光谱特征后,提出采用"面向特征的主分量分析+最优密度分割"法,最后得出采用ETM+波段3和波段4组合的方式能够取得较好的效果,该方法具有一定的适用性。 相似文献
4.
农田防护林在西北多风沙地区发挥了重要防护作用,为农作物提供了良好的生长环境。为了解农田防护林的空间分布特征,需要对防护林进行有效提取,采用中低分辨率遥感数据进行农田防护林提取成为重要途径。以宁夏青铜峡市农田防护林为研究对象,在2019年影像中选取7期可以代表4个季度地物特征的Landsat8 OLI影像数据,在影像预处理基础上,融入水体指数、植被特征和植被指数,提取植被的物候特征,掩膜去除研究区内其他地物,从而实现农田防护林的提取。同时利用野外调查结果和土地利用数据对提取结果进行精度评价。结果表明,该方法防护林提取的总体精度为85.16%,野外调查的50个采样点中有44个点被准确提取,精度达到88.00%。青铜峡市农田防护林多以林带的形式呈现,林带主要沿排水沟分布。 相似文献
5.
6.
《浙江农业学报》2017,(10)
为了深入研究遥感数据及提取方法对估算水稻种植面积的可行性,以Landsat 8 OLI影像为数据源,运用ENVI5.1的软件平台,对沈阳市2015年6—9月水稻长势进行监测,并最终提取其种植面积。根据实地调查样本,通过分析各地物的光谱特性曲线、归一化植被指数均值特征及遥感影像成像特点,确定了以波段6、波段5、波段2对图像进行伪彩色合成。对合成后的图像,分时段设计了三组不同样本点数量的对比实验,样本数量分别为100、150、200个,采用混合像元的方式,确定了水稻的采集样本点,用变换分散度和J-M距离对各个样本间的可分离性进行检验,采用支持向量机的分类方法对各样本进行分类,最后以Majority/Minority分析方法对提取的结果进行分类后处理,建立了不同的水稻面积提取模型。结果显示,6月、7月、9月中200个样本点的实验提取结果均较为准确,提取面积分别为1 032.044 8、1 201.125 9和1 180.685 5 km2,参考《沈阳统计年鉴2015》对提取结果进行评价,精度分别为94.73%、89.75%和91.62%。试验表明,Landsat 8OLI遥感数据可准确提取沈阳市水稻种植面积,为综合多源数据对水稻进行种植监测奠定基础。 相似文献
7.
8.
县域尺度上基于GF-1PMS影像的冬小麦种植面积遥感监测 总被引：1，自引：0，他引：1
为探究县域尺度上基于高分一号卫星(GF-1)PMS影像进行冬小麦遥感监测的可行性及精准性,以河南省滑县为研究区,遴选2015年2月上旬GF-1 PMS影像6景,对影像进行辐射定标、FLAASH大气校正、NNDiffuse融合、几何精校正、地图投影转换等预处理后,在外业调查和样本分析的基础上构建一种新的冬小麦决策树分类模型,模型第1层决策方案中NDVI0.311的像元为冬小麦,得到冬小麦的粗分类结果;在此基础上进行第2层决策分类,以进一步提高冬小麦的分类精度,分类方案为第1波段地表反射率0.146、第2波段地表反射率0.148、第3波段地表反射率0.135、第4波段地表反射率0.250的像元为冬小麦。对分类结果进行形态学滤波处理,以消除或减少分类结果中孤立的像元。分别基于决策树分类模型与ENVI软件自带的IsoData非监督分类模型,对比分析GF-1PMS影像和同时期Landsat-8OLI影像在冬小麦面积提取上的精度。结果表明:基于新构建的决策树分类模型,2015年滑县冬小麦种植面积为115 715.81hm2,混淆矩阵检验总体精度为99.62%,Kappa系数为0.99;PMS影像提取冬小麦的混淆矩阵总体精度比OLI影像高出9个百分点。说明县域尺度上基于单时相GF-1PMS影像在冬小麦收获前提取冬小麦种植面积是可行的,提取精度较高。 相似文献
9.
10.
本文利用OIF因子选择乡镇尺度下Landsat8 OLI影像MS最优波段组合,在此基础上,研究OLI影像MS波段与PAN波段对6种融合算法：Brovey法、PCA法、Daubechies小波变换法、Coifet小波变换法、HIS与小波相结合的变换法、PCA与小波相结合的变换法融合的适应性,并对融合前后影像进行SVM分类,以验证融合结果在实际生产应用中的有效性。结果表明：B456为7波段35种组合方式中最佳波段组合,其OIF值为27.842;对融合前后影像进行定性和定量精度评价,OLI影像对PCA算法融合适应性最强,各精度指标均占优;Daubechies小波算法光谱扭曲度最小;HIS-wavelet算法清晰度最高;PCA-wavelet算法相关系数最高,融合结果信息含量最大;适应性最差为Brovey算法。土地利用分类精度验证结果表明：OLI影像经PCA算法融合后有助于提高分类精度。 相似文献