排序方式: 共有111条查询结果,搜索用时 15 毫秒
21.
近30年中国陆地植被活动遥感监测 总被引:2,自引:0,他引:2
陆地植被作为地球陆地表面重要的组成部分,其变化直接影响着地球系统物质与能量的平衡.采用1982~2006年NOAA/AVHRR的NDVI数据和2001~2009年MODIS的NDVI数据,从全国尺度上,分析了近30年来农业植被、森林植被、草地植被与稀疏植被区植被活动的变化特征,并利用气候数据与农业生产统计数据探讨了他们之间的关系.研究结果显示:近30年来中国陆地植被活动整体趋于增强,但在不同时期、地区差异较大;植被活动变化在区域上受人为因素的影响明显,如在西北稀疏植被区与南方森林植被区;通过对农业生产统计数据的分析发现,植被活动直接左右着农业生产,但在时间上存在一定的滞后性. 相似文献
22.
水平和垂直尺度乔、灌、草覆盖度遥感提取研究进展 总被引:10,自引:0,他引:10
植被覆盖及其变化是区域生态系统环境变化的重要指示,而植被覆盖度是植物群落覆盖地表状况的一个综合量化指标,是生态模型、碳循环、水循环模型等的重要特征参量。传统的植被覆盖度是指一定尺度下所有植被(乔、灌、草)覆盖的综合反映值,当考虑植被垂直方向的异质性,垂直尺度的乔、灌、草覆盖度提取为定量化准确衡量生态环境、全球气候变化等领域提供更具有生态意义的植被参量。目前,遥感大面积估算水平尺度乔、灌、草覆盖度已有比较成熟和可靠的算法,主要方法有:植被指数法、回归分析法、分类决策树法、神经网络法、像元分解模型法、物理模型反演法等,其估算精度基本能达到应用要求。植被垂直方向的异质性给垂直尺度乔、灌、草覆盖度遥感提取带来较大挑战,垂直尺度上的乔、灌、草覆盖度遥感提取的研究在欧美等国已经有了一定规模的开展,在国内则处于起步阶段。遥感提取垂直尺度乔、灌、草覆盖度的主要手段有:激光雷达(LIDAR)、多角度遥感以及两层结构冠层反射模型反演。综述了水平尺度和垂直尺度上乔、灌、草覆盖度遥感提取的最新进展,比较和分析主要的遥感提取方法、模型和现存的一些问题,并对未来的研究发展趋势进行了展望。 相似文献
23.
遥感蒸散模型的时间重建方法研究 总被引:13,自引:1,他引:12
本文提出的遥感蒸散模型的时间重建方法考虑了逐日蒸散可能的变化情况, 在阻抗- 彭曼单层模型的基础 上, 将图像去云处理与时间重建结合在一起, 先使用SEBS 能量平衡余项模型获得晴好日的地表阻抗信息, 选择了 叶面积指数LAI 作为反映植被表面阻抗的参量, 通过时间序列谐波分析(HANTS)获得逐日逐像元的LAI 信息, 将晴 好日的阻抗信息扩展至待定日, 并使用因子函数表达了极端温湿条件对植被叶面阻抗的限制作用。使用中科院禹 城站2003 年作物季的大型蒸渗仪数据对模型所得逐日蒸散结果进行了验证。在作物生长季, 模型结果相对于实测 结果表现出了良好的相关性(R2≈0.7), 远优于作为对比的蒸发比不变法。受单层模型假设局限, 方法在裸地及稀疏 植被上的结果还存在着较大的误差。 相似文献
24.
25.
26.
关于土地覆被遥感监测的几点思考 总被引:1,自引:0,他引:1
针对国内外土地覆被遥感监测中存在的突出问题展开讨论,分析土地覆被分类系统的目标适应性; 总结现有分类算法的特点及存在问题,分析小尺度和大尺度监测技术的差异性和效果; 研究不同尺度土地覆被监测所解决的应用问题及尺度空间变化下的分类效果; 分析现有监测体系的分类精度及产生误差的原因和解决方法. 相似文献
27.
28.
29.
大数据时代的农情监测与预警 总被引:4,自引:0,他引:4
农情信息是世界粮农组织、各国政府、粮食贸易企业以及农场管理迫切需要掌握的信息。大数据时代的农情监测与预警正在由模型驱动向数据驱动转变,大数据正逐渐成为监测与预警的核心驱动力。伴随着农情监测与预警大数据的爆炸式增长,大数据与云计算技术的发展为农情监测与预警提供了全新的技术手段。2013年以来,全球农情遥感速报系统(CropWatch)已逐步引入聚类分析、时间序列分析、关联分析、时空变化异常诊断等大数据分析方法,并应用于业务化运行的农情监测与预警中。大数据技术提升了CropWatch的数据挖掘能力,对CropWatch农情监测与预警时空尺度的拓展以及农情监测内容的精细化起到推动作用,促进了面向需求的CropWatch农情信息与预警精准云服务的发展,促成了大数据时代CropWatch农情监测与预警技术体系的升级。未来,大数据时代的农情监测与预警将逐渐向全自动化监测、实时化精准农业管理与智能化信息服务方向发展;通过众源采集技术高效低廉的获取农情观测大数据将成为未来的发展趋势;大数据技术跨领域数据挖掘的能力,使得丰富多元化的跨界信息服务将成为大数据时代农情监测与预警的主流发展方向。大数据时代的CropWatch正在向基于大数据的农情监测与预警系统全速迈进。 相似文献
30.
基于Google Earth Engine与多源遥感数据的海南水稻分类研究 总被引:2,自引:0,他引:2
水稻是中国乃至亚洲的重要粮食作物之一,稻米产量关系到民生福祉。及时、准确的水稻分布信息是监测水稻产量、调控农业资源配给的基础。遥感(Remote Sensing)技术能够提供大范围地表的时间序列光谱变化特征,常用于大尺度范围的作物监测。然而,传统基于水稻生长关键时期光谱特征的分类、提取方法对遥感数据的时间分辨率要求较高。由于我国南方水稻产区湿热,雨季云污染降低了遥感数据的有效时间分辨率,因此上述方法在该地难以推广。融合多源遥感数据的分类方案变相缩短了卫星的重访周期,使多云气候区基于遥感影像的水稻分类成为可能。然而,集成多源数据所需更高的数据处理效率和存储需求也成为限制省级乃至更大范围水稻分类的主要因素。本研究基于谷歌地球引擎(Google Earth Engine)云平台,在线调用中分辨率的光学、微波遥感数据,创新性地采用了按月提取、按直方图大小提取特征的方式,采用随机森林分类器,绘制海南省2016年10 m分辨率水稻种植分布图。实验结果证明,该方法可以用于南方多云地区水稻分类,提取结果能够体现不同地类之间的差异,且与实际地表的地块边界、纹理符合良好。经过地表样本点的验证,总体精度为93.2%,满足实际应用需求。因此,本研究采用的自动分类流程能够准确、高效地提取海南省的水稻种植范围,可以向其他地区大范围推广。 相似文献