排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
为了探讨"旱冻交加"的气候条件下遥感监测小麦苗情的可行性,以河南省冬小麦为例,利用多时相MODIS为遥感数据源,引入了广泛用于小麦苗情监测的距平植被指数(AVI),同时基于植被健康状态指数(VHI)和晚霜冻害综合指数(I),构建了旱冻双重胁迫条件下的小麦苗情综合指数(CI),以反映冬小麦拔节期的生长状况,并分别利用实测样点苗情分类和距平植被指数对结果进行验证。结果表明,CI的总体分类精度为85.00%,Kappa系数为0.74;冬小麦总茎数与CI呈线性正相关关系,拟合方程为y=8.732CI+1.256,决定系数为0.605 3;与实测样本对比,CI预测精度为73.30%,苗情分类分级更符合小麦生长实际情况。因此认为旱冻双重胁迫下可以利用CI对冬小麦苗情进行监测。 相似文献
2.
黑河流域ASTER与MODIS融合生成高分辨率地表温度的验证 总被引：2，自引：1，他引：2
融合多源遥感数据生成高时空分辨率数据具有重要的应用价值。为了解决高空间分辨率数据重访周期长及云雨天气带来的数据短缺问题,该文基于增强自适应的遥感图像时空融合方法(enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM),使用多时相MODIS数据提供地物时间变化信息,结合ASTER影像提供的空间细节信息,选择多波段数据(可见光近红外数据和地表温度数据)共同作为输入变量融合生成高时空地表温度。融合结果分别与地表红外辐射计观测温度和ASTER温度产品进行了验证。验证结果表明:基于ESTARFM方法降尺度地表温度影像清晰,融合结果与地表红外辐射计观测温度呈显著的线性正相关关系,相关系数均高于为0.71,预测得到的地表温度与真实测得的数据的平均绝对偏差均低于2.00 K,均方根误差均低于2.60 K。与ASTER地表温度产品的验证中,整体验证结果的R2均在0.95以上。此外,ESTARFM方法在各个地类中的融合效果较好,均表现出非植被区域的相关性高于植被和水体,尤其在2012年8月27日非植被的R2达到0.91。 相似文献
1