排序方式: 共有82条查询结果,搜索用时 15 毫秒
11.
单时相双极化ENVISAT ASAR数据水稻识别 总被引:5,自引:4,他引:5
许多研究已表明合成孔径雷达(SAR)对水稻识别及作物长势监测很有潜力。但是,以往的研究多是采用单极化多时相SAR数据进行水稻监测的。该文本着探讨多极化方式的优势以及降低数据购买成本和减少数据处理量的目的,对单时相双极化的ENVISAT ASAR APP数据的水稻识别能力进行了评价。在水稻生长季节,获取了覆盖江苏洪泽县的ASAR APP时间序列数据。首先,分析比较不同地物的后向散射系数,选择出最能区分水稻与非水稻的单时相数据;然后,采用决策阈值法将水稻信息从图像中提取出来;最后,利用DGPS实测的样地数据对水稻识别进行精度验证。结果表明,利用水稻齐穗期至近成熟期的HH和VV极化的ENVISAT ASAR APP图像能较好区分水稻与非水稻, 水稻识别精度可达86%以上。 相似文献
12.
为了满足城镇建立草坪的需要,鄂托克前旗园林绿化队于1987年从山西省果树科研所引进扁茎黄芪,作为草坪草和地被植物在该旗旗人大、政协机关院内种植试验。经过2年多的观察,该草种适应性强,种植简便,茎叶匍匐,分枝多,颜色嫩绿,覆盖率高,耐践踏,抗旱力强,是北方地区绿化美化环境的优良草种。扁茎黄芪,是豆科黄芪属的多年生草本植物。 相似文献
13.
基于时间序列MODIS EVI数据的森林生长异常监测 总被引:2,自引:0,他引:2
利用遥感技术,基于时间序列的MODIS数据对2004—2006年东北三省的林区进行森林生长异常监测。首先利用MODIS数据时间分辨率高的特点,采用Savitzky-Golay滤波函数平滑8天合成的EVI,计算生长季面积和年EVI曲线熵值,两指标联合得到3年间变化量大的像素点,定义为森林生长异常点;然后抽取异常点的时间序列曲线进行分析,并结合森林灾害事件进行比较验证。结果表明:异常点曲线的熵值明显大于正常年,生长季峰值低,并且在生长旺季会出现峰值突然持续下降或双峰等异常现象,这与该区域森林生长异常发生时的植被反射率表征一致,说明用该法对森林生长异常进行监测是基本可行的。 相似文献
14.
[目的]使用窄波段植被指数、纹理信息等特征对影像进行分类,探究植被指数和纹理信息对于云阴影下树种分类的潜力。[方法]使用经过大气校正后的高光谱影像进行窄波段植被指数的计算、纹理分析以及主成分分析,并对计算的结果进行波段组合。用于计算纹理信息的波段通过最佳指示因子进行选择,选取的波段数为31(0.67 nm),51(0.86 nm),55(0.89 nm) 3个波段。结合高分辨率的航空相片进行训练样本的选择,采用Support Vector Machine(SVM)方法对经过大气校正后的反射率影像和重组后的特征影像分别进行分类,使用样地实测的树种信息对分类结果进行验证,使用总体精度和Kappa系数作为分类精度的评价指标。[结果]相对于直接使用反射率影像进行分类,使用窄波段植被指数以及纹理信息可以显著地提高云阴影下地物的分类精度,其分类精度和Kappa系数分别为90.4%和0.88,比直接使用反射率影像的分类精度和Kappa系数分别提高了18%和0.2。[结论]使用重新组合后的影像进行树种分类比直接使用反射率影像进行分类,其分类精度更高,说明窄波段植被指数与纹理特征可以提高云阴影区树种分类的精度。使用波段重组后的影像对云阴影下地物分类,其对于单个地物的分类精度也有明显的提高。 相似文献
15.
机载AISA Eagle Ⅱ高光谱数据在温带 天然林树种分类中的应用 总被引:1,自引:0,他引:1
以内蒙古根河地区的温带天然林试验区为研究对象,采用支持向量机(SVM)方法,对经过大气校正后的机载AISA Eagle Ⅱ高光谱地表反射率影像分航带进行树种分类,将地面光谱测量与高光谱同平台的高分辨率航空相片结合,进行训练样本的选择,使用地面样地数据对分类结果进行验证。结果表明:利用AISA Eagle Ⅱ高光谱影像对温带天然林区分类的总体精度和kappa系数分别达到了96.71%和0.95;灌木分类精度最高,其制图精度和用户精度分别达到了98.07%和98.31%;落叶松和白桦的用户精度分别为98%和94%。 相似文献
16.
17.
18.
19.
基于ALOS PALSAR数据的森林蓄积量估测技术研究 总被引:4,自引:1,他引:3
以吉林省汪清林业局为研究区,基于ALOS PALSAR和森林资源二类清查固定样地数据,利用非线性回归方法建立了固定样地蓄积量与所对应的PALSAR像元后向散射系数之间的关系,结果表明,除杨树(Populus us-suriensis)等树种组外,PALSAR的HV后向散射系数与蓄积量呈良好的正相关关系,对多数树种而言,交叉极化方式(HV)后向散射系数与蓄积量的决定系数比同极化方式(HH)的略高。若以林场为单位统计,采用回归方法得到的估测结果与直接利用固定样地估测的结果相差很小。 相似文献
20.
分别利用1995—2000年的ERS-1/2串行数据和2005年的Envisat ASAR数据对我国东北林区进行森林制图研究。针对ERS-1/2数据相干模型,采用一种不依靠地面实况数据而是基于MODIS植被连续覆盖产品进行训练的方法,从而实现进行大区域森林蓄积量分级制图的目的。分级制图包括0~20、20~50、50~80和80 m3/hm2 4个蓄积量等级。基于Envisat ASAR数据,采用面向对象的分类方法,进行自动化森林和非森林分类处理。基于2005年Landsat TM-5分类结果的交叉验证表明:这2种传感器SAR数据均可用于大区域森林制图。2期森林制图结果为进一步的森林变化分析以及制图更新研究提供支持。 相似文献