共查询到20条相似文献，搜索用时 640 毫秒
1.
基于MODIS数据关键物候特征参数的东北地区植被覆盖分类 总被引：1，自引：0，他引：1
MODIS以其时间分辨率、光谱分辨率的优势成为全球及区域土地覆盖研究的主要数据源,但如何快速准确的提取所需土地覆盖信息一直是科学界研究的焦点问题。对于NDVI时序数列分类方面的研究很多,其中影响分类精度的一个重要因素就是NDVI的数据质量问题。本文利用1年MODIS旬最大值合成数据经过Savizky-Golay滤波器平滑滤波处理,应用Logistic模型提取东北地区6个关键物候参数,利用特征参数的主成分影像实现研究区植被覆盖分类,结果显示关键物候指标能提取NDVI时间变化曲线中的有效信息,去除造成植被类型混分的噪声,利用关键物候参数分类可提高植被类型的分类精度,对区域土地覆盖分类精度的提高提出了新思路。 相似文献
2.
基于混合像元分解的MODIS积雪面积信息提取及其精度评价——以天山中段为例 总被引：6，自引：1，他引：5
MODIS(Moderate Resolution Imaging Spectroradiometer)是现阶段积雪遥感监测及积雪水文学研究中积
雪面积信息获取的重要平台，但其空间分辨率相对较低，影像中混合像元现象普遍存在。本文以MOD02 HKM数
据为基础，通过线性光谱混合模型(LSMM，Linear Spectral Mixing Model)对研究区MODIS影像进行像元分解，从中
提取积雪面积信息，并进行精度评价。将线性光谱混合模型得到的积雪面积信息与美国国家冰雪数据中心提供的
MOD10A1日积雪覆盖数据影像进行对比分析。结果表明：利用线性光谱混合模型可以较好的分解出像元中积雪
面积信息，其分类精度达0.88;相同位置上MOD10A1的积雪分类精度为0.80。说明，对MODIS影像上积雪信息提
取来说，线性光谱混合模型的分类精度较高，具有较强的适用性。 相似文献
3.
基于MODIS/NDVI时序数据的土地覆盖分类 总被引：6，自引：0，他引：6
以250m分辨率的MODIS/NDVI时间序列数据为主要数据源,通过Sacizkky-Golay滤波重建高质量NDVI时间序列数据;同时融合500m分辨率的MODIS多光谱反射率数据和90m分辨率的DEM数据.将非监督分类法和决策树法相结合,进行黑龙江流域土地覆盖分类研究.对分类结果采用已有的土地覆盖数据和高分辨率遥感影像进行精度评价,评价结果表明,利用MODIS/NDVI时间序列数据获得较高精度的土地覆盖分类结果是可行的. 相似文献
4.
《黑龙江科技信息》2020,(25)
选取汶川县作为研究区,应用GIS与RS技术,基于LANDSAT8 OLI数据和DEM数据,基于NDVI的像元二分模型对汶川县的植被覆盖度进行估算,并结合DEM数据提取的高程、坡向、坡度地形因子,分析汶川县植被覆盖度与地形因子的关系,为汶川县植被恢复与生态建设提取数据依据。结果:(1)汶川县2017年平均植被覆盖度为73.1726%,整体植被覆盖状况较好。(2)平均植被覆盖随高程增加呈先增加后减少趋势,在1800m～2400m高程带平均植被覆盖度最高,为88.3162%。(3)平均植被覆盖度随坡度增加呈先增加后减少趋势,在25°～35°坡度带平均植被覆盖度最高,为75.3274%。(4)平均植被覆盖和坡向无明显的相关性,在东南面平均植被覆盖度最高,为75.1506%。 相似文献
5.
《黑龙江科技信息》2020,(6)
简要分析了ArcGIS水文模块提取河网的原理和主要步骤;并以章江流域作为研究对象,基于ASTER GDEM、SRTM3和AW3D30三种DEM数据源利用ArcGIS水文分析模块提取其河网,与国家1:25万基础地理信息河网进行比较。结果表明:(1)DEM的垂直分辨率是决定河网提取准确度的关键因素。ASTER GDEM水平分辨率30米,提取河网的准确度却不如水平分辨率90米的SRTM。(2)在山地丘陵地带,SRTM3和AW3D30提取的河网准确度相当,且与真实河网相似度都高于ASTER GDEM提取的河网;但在地势平缓的地段AW3D30提取河网与真实河网更加接近,SRTM3和ASTER GDEM提取的河网都出现了较大的偏差。 相似文献
6.
7.
数字高程模型(DEM)的应用范围非常广泛,如地形特征的提取,地面侵蚀分析和坡度稳定性分析等等。这些研究都需要大量高精度的DEM,而DEM的精度又是通过空间分辨率和高程精度来评定的。 相似文献
8.
MODIS以其时间分辨率、光谱分辨率的优势成为全球及区域土地覆盖研究的主要数据源。但如何快速准确的提取所需土地覆盖信息一直是科学界研究的焦点问题。对于NDVI时序数列分类方面的研究很多，其中影响分类精度的一个重要因素就是NDVI的数据质量问题。本文通过试验发现经过SavizkyGolay滤波处理的NDVI时序数列能够反映植被季相变化特征，与传统的滤波效果相比有明显改善，更符合实际情况。通过分析数据的波谱曲线，滤波后的时序数列能较好的区分植被与非植被、草本（一年生）与木本（多年生）覆盖类型。但研究区内一年一熟的农作物与高盖度草地、落叶针叶林与落叶阔叶林具有相似的物候特征，仅通过NDVI序列很难区分。为解决这一问题，本研究利用MODIS地表温度（land surface temperature,LST）产品对NDVI时序数列修正，利用前5个主成分进行分类。所得分类结果用363个野外调查样区进行验证，总分类精度达到了69.15％，kappa系数为0.6499。结果表明添加LST的时序数列比单纯的NDVI夸大了覆盖类型的差异，提高了分类结果的精度。为充分发挥MODIS高时间分辨率的优势，下一步应对多源数据进行定量分析，结合植被的物候关键期识别土地覆盖类型，必将进一步提高分类精度。 相似文献
9.
多源遥感数据在植被识别和提取中的应用 总被引：4，自引：0，他引：4
不同类型的遥感数据有着自己独特的优势,如果综合应用,可以实现信息的互补,提高地物的识别精度。本文以福建省漳浦县为研究区域,利用SPOT5、ASTER和CBERS等多源遥感数据对植被的识别和提取方法进行研究,建立了基于多源遥感数据的专题信息提取流程。首先设计了基于不同植被专题信息自动提取的专家库,对单一遥感数据进行专题提取,然后基于专家知识进行决策级植被信息融合。多源遥感数据所提供的信息的优越性在于可以将不同传感器的光谱信息和时相特征进行互补,利用不同植被在不同遥感数据上的特征和专家知识,建立隶属度函数,判剐每个像元的归属,完成研究区不同植被类型的专题提取。结果表明,与单一传感器数据的结果相比,综合利用多源遥感数据能较大程度地提高植被的提取精度。 相似文献
10.
《青海科技》2021,(3)
以祁连山南坡为研究区,基于2000～2020年250m分辨率的MODIS NDVI数据,采用最大合成法分别获取6、7、8月NDVI值,然后对6、7、8月NDVI值采用均值法获得年平均NDVI值,利用像元二分法获得植被覆盖度,用退化率做出植被覆盖的变化,再结合DEM数据和气象数据进行植被覆盖驱动力分析。结果表明:2000～2020年祁连山南坡植被覆盖度空间分布趋势整体为西北低东南高,且多以高覆盖、中高覆盖和极高覆盖为主的植被覆盖面积近20年均有所增加,但是植被覆盖占比较少的中高覆盖、极高覆盖面积基本上成减少的趋势。所以,2000～2020年植被覆盖总体上呈增长趋势。在人类活动相对集中的祁连县和门源县,植被退化明显。海拔3870m时植被覆盖最高,3870m以上植被覆盖随海拔的升高逐渐减少,小于3870m的植被覆盖度随海拔高度逐渐减少;植被覆盖度随坡度的增加而逐渐减少。 相似文献
11.
基于MODIS数据的土地覆盖变化与气候因子敏感性分析研究 总被引：4，自引：0，他引：4
热量、降水和湿度决定着地表植被类型及其分布,而植被类型又决定着陆地生态系统。目前在GCTE和LUCC领域研究中应用最为广泛的植被指数数据源是NOAA/AVHRR,而且多用于研究大区域、长时间尺度的变化,该文运用具有36个波段的新一代中分辨率成像光谱仪（MODIS）数据,通过对影像资料的预处理、数据提取、校正和投影变换,在没有现成MODIS-NDVI产品库的情况下,主要采用月最大NDVI值合成法,对2002年～2004年和田绿洲3年生长季的MMVCNDVI进行分别计算、合成提取,同时将研究区MODIS影像的月MMVCNDVI图按植被活性强度分级描述,通过建立统一的分类标准,在对所有图像进行分类后,利用“3S”技术,并耦合气温、降水、湿度、两个月滑动平均值和5个月滑动平均值进行偏相关分析,分别讨论了研究区月平均NDVI和主要土地覆盖类型动态变化对气候效应的敏感性,并建立了温度＞湿度＞降水的敏感性程度排序表。 相似文献
12.
13.
基于2000-2014年中分辨率成像光谱仪MODIS的MOD17A3数据,分析了京津冀地区植被净初级生产力(net primary productivity,NPP)的时空分布,探讨高程和坡度因子对植被NPP的影响。结果表明,京津冀地区2000-2014年年均NPP主要集中在200～300 gC/(m~2·a)。2000-2014年植被NPP波动变化,并呈增长趋向。15年间植被NPP均值2004年最高,高达356 gC/(m~2·a),其次是2008年,为313 gC/(m~2·a),最低是2001年,为223 gC/(m~2·a)。京津冀北部地区年均NPP与经向地带分异规律一致,由东向西递减;京津冀西部地区年均NPP与纬向地带分异规律一致,由南至北递减。京津冀中部地区太行山东部存在一个高值区。高程和坡度是植被NPP变化重要因子,并且随着高程和坡度升高,植被NPP降低。 相似文献
14.
15.
MODIS和NOAA/AVHRR植被指数差异初步分析 总被引：19，自引：0，他引：19
本文基于中分辨率成像光谱仪(MODIS)和NOAA/AVHRR影像数据分析了植被指数(Ⅵ)的差异性。分别选取浙江省2002年9月2日MODIS和NOAA/AVHRR遥感影像,计算分析了浙江省全省和仙居县MODIS和NOAA/AVHRR的植被指数。结果表明,MODIS增强植被指数(EVI)同MODIS-NDVI相比,倾向于低值部分,呈现正态分布,不容易饱和,适宜于高生物量群体的监测:MODIS-VI及NOAA/AVHRR-NDVI相比不容易饱和。 相似文献
16.
基于MODIS的西藏高原土地覆盖分类研究 总被引：1，自引：0，他引：1
嵌的MODIS遥感图像,用最大似然估计分类器对西藏高原的土地覆盖类型进行了分类,并采用西藏高原数字高程模型(DEM)对MODIS分类结果进行了分析和改进,最后分别用混淆矩阵和图集中西藏高原植被分类汇总面积对MODIS土地覆盖分类结果进行了分类精度评价。结果表明:①MODIS遥感图像能够有效地分类出西藏高原的主要土地覆盖类型;②根据西藏高原植被的垂直带性分布特点,由DEM改进的MODIS土地覆盖分类精度明显提高,主要土地覆盖类型的面积绝对误差都小于2%,其中,河流与湖泊、森林、高寒荒漠、作物和山地草原的绝对误差都在1%以下;③混淆矩阵分析的平均分类精度为87.68%。 相似文献
17.
森林类型识别是森林资源遥感监测的基础工作,低分辨率遥感影像缺少纹理细节信息,高分辨率遥感影像不仅具有光谱信息,而且提供丰富的空间、纹理特征信息,因此基于高分辨率遥感影像的纹理特征进行森林内部信息的提取成为近年研究的热点及难点,传统基于单个象元纯光谱及面向对象建立规则集的方法难以有效区分天然林与人工林植被覆盖信息.本文利用面向对象多尺度分割算法、Sobel算子边缘检测及骨架线提取等方法,提取天然林与人工林的纹理线特征,构建了一种新的特征指数——纹理线条密度指数(TLDI).研究表明:与常用的NDVI、SAVI、EVI等植被特征及VAR、HOMO、CON等GLCM纹理特征指数相比,TLDI指数的离散度更好、分类效果更佳;当TLDI＞0.1时,为天然林植被覆盖区;当0＜TLDI＜0.1时,为人工林植被覆盖区.典型区域的实验表明,除极少数稀疏天然林对象斑块错分人工林,总体分类精度较高,人工林错分率小于0.83％,面向对象的TLDI指数可以有效地提取森林内部天然林与人工林植被覆盖信息. 相似文献
18.
随着科技的发展,遥感技术已经形成向高空间分辨率和高光谱分辨率发展的趋势,并且取得了很好的效果,如QUICKBIRD影像全色波段的分辨率已经达到0.6 1 m,WORLDVIEW影像全色波段的分辨率达到0.5m。因此,高分辨率遥感影像能很好的突出的地物细节信息和结构纹理信息,利用这一特点,可以采用面向对象技术,提取道路信息。而传统的道路提取方法只依据道路的光谱信息。利用面向对象技术对试验区进行提取。首先,对影像进行预处理,然后对影像进行分割;其次,利用道路的光谱、纹理、结构信息,构建道路对象的知识库,从而实现道路信息的提取。所以,面向对象技术是提取高分辨率影像信息的一个重要发展趋势。 相似文献
19.
航测无人机能够获取超高分辨率数字影像和高精度定位数据,生成地表三维模型(DSM)、三维正射影像图(DOM)、数字高程模型(DEM)和三维点云模型等数据。在实际工作中有许多处理无人机影像数据的软件,本文就以PIX4DMAPPER和PhotoScan1.2.5两款较成熟的软件,通过处理某测区影像数据,对其正射影像成果进行对比分析最后了解各软件的特点。 相似文献
20.
基于DEM的山区太阳散射辐射的空间分布模型 总被引：1，自引：0，他引：1
为了研究山区散射辐射的空间分布规律,以山区1：10000的数字高程模型(DEM)为主要数据源,通过它提取纬度、坡度、坡向等地形要素栅格数据,并结合多年平均的云量数据,利用GIS技术建立了山区太阳散射辐射的高空间分辨率栅格分布模型,实现了太阳散射辐射空间分布规律的可视化表达,分析了山区各月太阳散射辐射的空间分布特征。本方法对于山区农业、林业和生态环境等方面的研究具有一定的重要意义。 相似文献