共查询到10条相似文献,搜索用时 46 毫秒
1.
《地理与地理信息科学》2020,(1)
多源遥感影像时空信息融合产生的高时空分辨率影像是遥感地学应用的重要数据源,利用时空融合算法形成的高时空分辨率植被指数数据集对于植被动态监测具有重要意义。为了在草原植被监测中更好地应用时空融合算法,该文利用2013-2016年间内蒙古自治区呼伦贝尔和锡林郭勒地区多期Landsat8和MODIS影像进行高时空分辨率NDVI植被指数计算,定量评价了STARFM(Spatial and Temporal Adaptive Reflectance Fusion Model)、CDSTARFM(Combination of Downscaling Mixed Pixel Algorithm and Spatial and Temporal Adaptive Reflectance Fusion Model)和STDFM(Spatial and Temporal Data Fusion Model)3种常用时空融合算法在不同融合策略下的精度。研究结果表明,基于NDVI融合策略的STARFM算法更适合草原地区高时空分辨率NDVI数据的构建。 相似文献
2.
土壤盐渍化的遥感监测依赖于高时空分辨率影像,但受经费预算、卫星回访周期及天气的影响,高时空分辨率的遥感影像较难获取,这就限制了根据采样时间来获取对应时期遥感影像进行土壤盐渍化监测反演的应用。为此,提出融合MODIS和Landsat影像生成高时空分辨率影像来提取土壤盐渍化信息,为时空影像进行土壤盐渍化监测研究提供数据参考。以渭干河—库车河绿洲为研究区,利用增强型时空自适应融合率反射模型(Enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM)和灵活的时空融合模型(Flexible spatiotemporal data fusion,FSDAF),对MODIS和Landsat影像进行时空融合,并基于融合影像数据构建了关于土壤电导率(EC)的随机森林(RF)预测模型,对比分析时空融合影像应用于土壤盐渍化遥感监测的适用性。结果表明:ESTARFM融合影像的特征波段反射率与Landsat验证影像对应波段反射率一致性决定系数R2(Red)=0.8066、R2(SWIR2)=0.8444;FSDAF融合影像的特征波段与Landsat验证影像对应波段反射率一致性决定系数R2(Red)=0.6999、R2(SWIR2)=0.7493;基于ESTARFM融合影像构建的EC值预测模型精度最高,R2=0.9268,基于FSDAF融合影像构建的EC值预测模型精度良好,R2=0.8987,基于验证影像构建的EC值预测模型R2=0.9103; ESTARFM模型的融合精度高于FSDAF模型,并且基于融合影像构建的EC值预测模型效果良好。 相似文献
3.
遥感技术由于能够快速、宏观的获得研究区域的数据,已成为湖泊环境动态变化监测的重要技术手段。高分辨率的卫星遥感图像不仅可以为准确判读湖区地质地貌、自然与人为作用下的环境变化、盐湖矿产资源的分布等提供直观的影像,还能为湖泊水质监测、水深检测、水面温度反演以及盐湖卤水动态分析提供有价值的信息。遥感技术在湖泊环境变化研究中的应用正逐步从定性发展为定量研究,因此,对于区分湖泊水体中不同组分对遥感图像各光谱值的贡献等遥感机理的认识及理论尚需进一步深化,同时需要对处理遥感数据所运用的统计分析方法做进一步的改进以建立更加完善的遥感模型。今后,遥感技术和地理信息系统等多种信息处理工具的结合将是环境信息系统发展的主要方向。 相似文献
4.
县级耕地质量等别时空变化特征 总被引:1,自引:0,他引:1
掌握区域耕地质量时空变化特征,对于科学制定基本农田保护、土地整治、耕地质量监测对策具有重要意义。本文选取位于农牧交错带的内蒙古达拉特旗为研究案例,根据2000年、2007年、2010年、2011年达拉特旗土地利用现状数据,同时依据国土资源部农用地分等和内蒙古上轮分等技术参数,分析了达拉特旗耕地质量等别时空变化分布特征。研究结果表明,该地区四个时期的耕地质量结果发生了显著变化,总体上耕地质量呈现增加趋势,且北部平原区尤为明显,南部丘陵区变化不大。这种耕地质量的变化与近年来开展的大规模农业结构调整和土地综合整治等工程密切相关。根据耕地等别时空变化特征,可以对研究区内的耕地等别演化方向进行预测,以期为制定区域耕地保护和土地整治对策提供科学依据。 相似文献
5.
6.
目前农用地分等尚处于研究阶段.本文以福州市仓山区为例,根据农用地分等的依据和原则,利用GIS技术开展农用地质量分等研究,概述了农用地分等技术路线,评价单元的划分,分等参数的计算及成果图的输出等几项关键步骤. 相似文献
7.
8.
9.
10.
在自然或人为活动的干扰下,生态系统的正常功能或多或少受到影响。生态系统干扰信息可为跟踪气候变化响应、探寻全球碳循环路径和维系生态系统功能提供重要参考。飞速发展的遥感技术为生态系统干扰信息的获取提供了新的思路,高时空分辨率的遥感影像能及时有效地监测干扰事件发生的时间和位置。本文以中国西南地区为例,选用2005—2016年MODIS影像的地表温度LST(Land Surface Temperature)和增强型植被指数EVI(Enhanced Vegetation Index)产品,首先应用遥感干扰指数模型提取2007—2016年的逐年生态系统干扰数据,然后研究了西南地区森林与草地灌丛生态系统干扰的时空分布,并通过地面着火点观测记录、遥感火烧迹地数据、Google Earth和政府报告等验证干扰指数模型的有效性,最后明晰中国西南地区森林与草地灌丛干扰强度的分布特征。结果表明:① 本文使用的遥感干扰指数模型对干扰事件十分敏感,明显优于单独使用EVI或LST。② 本文提取的森林生态系统干扰和草地灌丛生态系统干扰与Google Earth、气象数据等保持高度一致。③ 森林与草地灌丛干扰是研究区内最主要的生态系统干扰,约占每年总干扰面积的90%。④ 森林干扰最强烈区在川西高原地区,可能的干扰类型为森林火灾,草地灌丛干扰最强烈区为青藏高原农牧区,可能的干扰类型为气象干旱干扰。 相似文献