共查询到18条相似文献,搜索用时 62 毫秒
1.
基于MODIS数据的水体提取研究 总被引:2,自引:0,他引:2
通过对遥感图像各类地物的光谱和水体在中等分辨率的EOS/MODIS上的波谱特征的分析,论述了水体最为明显的波段组合,研究了如何从不同时期(枯水期、丰水期)的中等分辨率MODIS遥感影像提取水体的方法,并以武汉市梁子湖为例,对水体提取范围和精度进行比较和分析。实验表明:遥感图像经空间变换后再利用相同的方法提取的水体,更容易区分水体和阴影,产生的噪声也少,提取的水体范围更准确、计算的水域面积精度更高。 相似文献
2.
综合环境卫星与MODIS数据的面向对象土地覆盖分类方法 总被引:1,自引:0,他引:1
使用面向对象方法对单时相的环境卫星数据进行土地覆盖分类时,几何特征和光谱特征相似的地物无法区分,而MODIS时序数据的空间分辨率较低,不适用于中小尺度的土地覆盖分类。应用面向对象方法,充分利用环境卫星数据的空间、光谱特征和MODIS数据的物候特征建立规则,进行分类,可以有效地解决上述困难。首先对环境卫星数据进行多尺度分割,生成待分类对象;再根据对象的特征,依据由简到难的原则进行分层分类。以双台子河口为例进行土地覆盖分类,总体精度93%,Kappa系数0.92。结果表明,综合环境卫星与MODIS数据的面向对象土地覆盖分类方法应用潜力巨大。 相似文献
3.
MODIS数据水体识别指数的识别效果比较分析 总被引:4,自引:1,他引:3
在光谱分析的基础上,应用不同水体指数对MODIS数据进行水体信息识别,并对其应用性能进行比较分析。结果表明,混合水
体指数(CIWI)是较理想的水体识别指数。若以反射率计算,并以0为判别阈值,则该指数的提取常数C的最佳取值为-0.85。
就目前的研究成果来看,MODIS数据还不太适合用于小型水体的识别。 相似文献
4.
5.
应用小波收缩方法剔除MODIS热红外波段数据条带噪声 总被引:11,自引:2,他引:11
采用多元并扫方式 (1km分辨率 1 0元并扫 ,5 0 0m分辨率 2 0元并扫 ,2 5 0m分辨率 4 0元并扫 )的MODIS传感器由于各探测单元在轨响应差异而引起的条带噪声对MODIS定量产品的反演计算精度造成一定影响。这种影响在MODIS的热红外波段尤其明显。为了尽可能减少这种影响 ,提高MODIS定量产品反演精度 ,提出应用小波收缩方法剔除MODIS数据条带噪声。研究首先使用连续小波变换方法分析MODIS条带数据 ,确定MODIS数据条带噪声在小波系数域中的尺度。其次 ,在分析条带噪声模式的基础上 ,使用小波收缩方法对MODIS 1B数据进行噪声剔除计算。最后比较了分别使用噪声剔除前后的两组MODIS 1B数据反演得到的部分云和大气定量遥感产品 ,结果表明 ,使用剔除噪声后的MODIS 1B数据反演的定量遥感产品精度具有明显的提高 相似文献
6.
7.
余志飞 《测绘与空间地理信息》2015,(3):80-82
针对MODIS遥感数据采用多波段普间关系算法提取水体容易与阴影混淆,产生提取不精确的问题。作者将对多波段普间关系水体提取算法进行研究,并以鄱阳湖为实验对象,使用改进后的多波段普间关系算法对水体进行提取。实现提升水体提取精度的目标。 相似文献
8.
余志飞 《测绘与空间地理信息》2016,(8)
针对MODIS遥感数据采用多波段谱间关系模型提取水体容易与阴影混淆,产生提取不精确的问题,作者改进了模型中的水体提取算法,然后对鄱阳湖的MODIS遥感数据进行水体提取实验。最终,实验结果表明,改进后的水体提取算法能够有效地提升水体提取精度。该方法现已运用到一些采用MODIS数据进行水体监测与提取的实践作业中。 相似文献
9.
针对宏观土地覆盖遥感分类的现状,充分利用MODIS相对于AVHRR数据具有的多光谱和分辨率优势,提出了利用MODIS数据进行分类特征选择与提取并结合多时相特征进行宏观土地覆盖分类的分类方法,并进行了分类试验。 相似文献
10.
基于单时相MODIS数据的决策树自动构建及分类研究 总被引:4,自引:0,他引:4
以甘肃省为试验区,利用单时相MODIS数据的光谱信息,使用最大似然法和基于See 5.0数据挖掘的决策树分类方法,进行了分类对比研究。分类结果表明,加入温度-植被角度TVA和温度-植被距离TVD两个指数后,低植被覆盖区的分类效果得到了改善;基于See 5.0数据挖掘的决策树方法能够快速地建立决策树,且能提高较难识别地物类型的分类精度。 相似文献
11.
12.
On the basis of simplification of the Planck function in a low temperature range, this paper revises the practical split-window algorithm and presents a method for retrieving snow surface temperature (Ts) based on MODIS data in the middle-latitude region. The application of this method in Qinghai Lake region reveals that it is feasible for the retrieval of Ts. Results of correlation analysis indicate that there was strong negative relationship between Ts and altitude. By analyzing three typical areas in which land cover was relatively homogenous, this paper discusses the relationship between Ts and normalized difference snow index (NDSI) and then presents a new concept named "NDSI-Ts space". 相似文献
13.
Optical Earth Observation data with moderate spatial resolutions, typically MODIS (Moderate Resolution Imaging Spectroradiometer), are of particular value to environmental applications due to their high temporal and spectral resolutions. Time-series of MODIS data capture dynamic phenomena of vegetation and its environment, and are considered as one of the most effective data sources for land cover mapping at a regional and national level. However, the time-series, multiple bands and their derivations such as NDVI constitute a large volume of data that poses a significant challenge for automated mapping of land cover while optimally utilizing the information it contains. In this study, time-series of 10-day cloud-free MODIS composites and its derivatives – NDVI and vegetation phenology information, are fully assessed to determine the optimal data sets for deriving land cover. Three groups of variable combinations of MODIS spectral information and its derived metrics are thoroughly explored to identify the optimal combinations for land cover identification using a data mining tool.The results, based on the assessment using time-series of MODIS data, show that in general using a longer time period of the time-series data and more spectral bands could lead to more accurate land cover identification than that of a shorter period of the time-series and fewer bands. However, we reveal that, with some optimal variable combinations of few bands and a shorter period of time-series data, the highest possible accuracy of land cover classification can be achieved. 相似文献
14.
MODIS产品估算复杂地形下的光合有效辐射 总被引:3,自引:0,他引:3
提出基于MODIS大气和地表产品反演高精度复杂地形下的光合有效辐射模型。该方法是对普通的大气传输模型进行简化, 在模型中分别考虑了削减光合有效辐射的5个主要因子: 瑞利散射、臭氧和水汽吸收、气溶胶散射以及地表和大气间的多次反射。从3个方面考虑了复杂地形对于光合有效辐射的影响: (1) 坡度和坡向; (2) 天空可视角; (3) 邻近地形的附加辐射。提取2006年晴空条件下的估算结果与中国生态网络山东禹城站和长白山站的实测值的比较, 得到相关系数分别为0.924和0.9, 表明模型反演结果能够较好地解译实际光合有效辐射的变化。通过比较考虑地形和不考虑地形2种情况得到的光合有效辐射, 定量地分析了地形对光合有效辐射的影响。 相似文献
15.
地表覆盖分类数据对区域森林叶面积指数反演的影响 总被引:2,自引:0,他引:2
以江西省吉安市为研究区,将5种全球地表覆盖分类数据(包括美国地质调查局(USGS)、马里兰大学(UMD)和波士顿大学(BU)生成的3套数据和欧洲生成的2套数据)以及由TM影像生成的区域地表覆盖分类数据,分别与MODIS1km反射率资料结合,利用基于4尺度几何光学模型的LAI反演方法生成研究区的LAI。在1km和4km两种尺度上将反演的LAI与TM资料生成的LAI进行比较,评价地表覆盖分类数据对LAI反演结果的影响。结果表明,TM和欧洲太空局的GLOBCOVER地表覆盖分类数据用于反演LAI的结果较好,在1km尺度上,反演的LAI与统计模型估算的TMLAI相关的R2分别为0.44和0.40,在4km尺度上的R2分别为0.57和0.54;其次为波士顿大学的MODIS地表覆盖分类数据,据其反演的LAI与TMLAI相关的R2在1km和4km尺度上分别为0.38和0.51;而马里兰大学的UMD和欧洲的GLC2000地表覆盖分类数据会导致反演的LAI存在较大误差,据其反演的LAI与TMLAI之间的一致性较差,在1km和4km两种尺度上平均偏低20%左右;LAI的反演结果对聚集度系数具有强的敏感性。该研究表明,为了提高区域/全球LAI反演精度,需要有高质量的地表覆盖分类数据。 相似文献
16.
17.
18.
《International Journal of Digital Earth》2013,6(3):219-236
Abstract This paper investigates the contribution of multi-temporal enhanced vegetation index (EVI) data to the improvement of object-based classification accuracy using multi-spectral moderate resolution imaging spectral-radiometer (MODIS) imagery. In object-oriented classification, similar pixels are firstly grouped together and then classified; the produced result does not suffer the speckled appearance and closer to human vision. EVI data are from the MODIS sensor aboard Terra spacecraft. 69 EVI data (scenes) were collected during the period of three years (2001–2003) in a mountainous vegetated area. These data sets were used to study the phenology of the land cover types. Different land cover types show distinct fluctuations over time in EVI values and this information might be used to improve object-oriented land cover classification. Two experiments were carried out: one was only with single date MODIS multispectral data, and the other one including also the 69 EVI images. Eight classes were distinguished: temperate forest, tropical dry forest, grassland, irrigated agriculture, rain-fed agriculture, orchards, lava flows and human settlement. The two classifications were evaluated with independent verification data, and the results showed that with multi-temporal EVI data, the classification accuracy was improved 5.2%. Evaluated by McNemar's test, this improved was significant, with significance level p=0.01. 相似文献