共查询到20条相似文献，搜索用时 46 毫秒
1.
<正>太行一号旅游路平顺段主线已全线贯通,国道341线平顺至晋豫界段项目正在加紧施工,太行天路完成“换装升级”,“狭窄村路”变身“潞党参大道”……党的二十大报告指出,优化基础设施布局、结构、功能和系统集成,构建现代化基础设施体系。平顺县将“大交通”建设作为助推产业发展、改善人民生活的有力支撑,作为巩固拓展脱贫攻坚成果同乡村振兴有效衔接的重要抓手,在崇山峻岭间修筑出一条条连通城乡、惠及产业、服务民生的康庄大道,为经济社会高质量发展提供强劲动力。 相似文献
2.
3.
4.
5.
6.
7.
8.
9.
红树林是世界上生产力最高、价值最高的湿地生态系统之一。冠层叶绿素含量CCC（Canopy Chlorophyll Content）作为红树林重要的生物物理参量,是估算其生产力和评价其健康状况的重要指标。本文利用珠海一号高光谱卫星（OHS）影像与Sentinel-2A多光谱数据计算传统植被指数与组合植被指数并构建了高维数据集,综合利用正态分布检验、最大相关系数法与变量重要性评价进行数据降维和变量优选;分别基于单一线性回归算法、机器学习回归算法和堆栈集成学习回归算法构建了红树林CCC遥感反演模型,探明北部湾红树林CCC的最佳遥感反演模型,验证OHS高光谱影像与Sentinel-2A数据反演红树林CCC的精度差异,评估SNAP-SL2P算法反演红树林CCC的适用性。研究结果表明：（1）通过数据降维和变量选择处理,从高维度OHS数据集选取了8个特征变量,其中RSI（12,17）、DSI（12,18）和NDSI（6,12）组合植被指数对红树林CCC反演精度的贡献率较高;（2）联合OHS数据和最优堆栈GBRT集成学习回归模型（Score=0.999,RMSE=0.963 μg/cm2）的训练精度优于最优RF机器学习回归模型（RMSE降低了7.531 μg/cm2）,明显优于最优Lasso线性回归模型（RMSE降低了19.383 μg/cm2）;（3）在最优堆栈集成学习回归模型下,OHS数据反演红树林CCC的精度（R2=0.761,RMSE=16.738 μg/cm2）高于Sentinel-2A影像（R2=0.615,RMSE=20.701 μg/cm2）;（4）联合OHS和Sentinel-2A数据的最优堆栈集成学习回归模型反演红树林CCC的精度都明显优于SNAP-SL2P算法（R2=0.356,RMSE=49.419 μg/cm2）。研究结果论证了正态分布检验、最大相关系数法和基于XGBoost的特征选择方法有效降低了高维数据集的维度,并得到了最优特征变量;OHS数据的最优堆栈GBRT集成学习回归模型训练精度最高,是估算红树林CCC的最优反演模型;OHS和Sentinel-2A数据都能有效反演红树林CCC（R2均大于0.61）,而OHS数据的估算精度更高（R2大于0.75）;SNAP-SL2P算法不能有效反演红树林CCC（R2小于0.4）,且对红树林CCC数值存在系统性低估。 相似文献
10.
11.
12.
Sentinel-2卫星落叶松林龄信息反演 总被引：1，自引：0，他引：1
林龄结构信息能够有效反映区域森林群落不同生长阶段的固碳能力,对于评估森林生态系统的健康状况具有重要意义。本研究以中国温带典型优势树种落叶松林为研究对象,分别选择其芽萌动期、展叶期和落叶期时段的Sentinel-2影像,采用多元线性回归（MLR）、随机森林（RF）、支持向量机回归（SVR）、前馈反向传播神经网络（BP）以及多元自适应回归样条（MARS）等5种方法依次构建落叶松林龄反演模型。通过相关性分析首先确定最佳遥感反演物候期,并在此基础上根据相关性差异筛选出5个最优特征变量用于模型反演,分别为冠层含水量（CWC）,归一化水体指数（NDWI）,叶面积指数（LAI）,光合有效辐射吸收率（FAPAR）和植被覆盖度（FVC）。研究结果表明,展叶期为落叶松林最佳遥感反演物候期。除植被衰减指数（PSRI）以及落叶期的NDVI、RVI外,落叶松林龄与各指标之间均呈负相关关系,其中与冠层含水量（CWC）的相关性最高,pearson相关系数达到-0.74（p<0.01）。此外,不同模型反演结果表明,随机森林模型（RF）为最佳落叶松林龄估测模型,其平均决定系数R2和平均均方根误差RMSE分别为0.89和2.91 a;多元线性回归模型（MLR）的林龄估测结果最差,其平均决定系数R2和平均均方根误差RMSE仅为0.57和5.69 a,非线性模型能更好的解释林龄与建模变量之间的关系。 相似文献
13.
大气气溶胶的监测对全球气候变化、区域空气质量和公共健康等研究具有重要的意义,而中国台湾岛四面环海,地理位置特殊,若忽略其大气环流和局地排放源造成的气溶胶特征时空异质性将会导致气溶胶参数反演误差。因此本研究使用中国台湾岛多个具有代表性的AERONET（AErosol RObotic NETwork）观测站历史数据和MODIS气溶胶光学厚度AOD（Aerosol Optical Depth）反演产品,分析5个典型站点气溶胶参数及其类型的时空变化特征及差异,分析结果表明：（1）各站点AOD年平均值逐年下降,呈现春季最高（0.5257）的季节变化特征和双峰结构的日变化规律,主导气溶胶类型为城市工业型（仅鹿林站点为海洋型）。（2）中国台湾地区风向多为东北风,风速越大,AOD值越低,海洋型气溶胶占比越高;反之则以城市工业型气溶胶为主。（3）?ngstr?m波长指数（AE）、单次散射比（SSA）、复折射指数虚部、不对称因子平均值分别为1.3283、0.9564、0.0054、0.7292;相比于北京（39.9768°N,116.3813°E）站,台湾“中央大学”AOD年平均值、季节变化、主导气溶胶类型均存在较大的差异。（4）MODIS AOD分站点验证精度较高,而在高山鹿林站的验证精度稍低（R2=0.5925）;而利用不同气溶胶类型的分类验证结果显示,城市工业（R2=0.7238）、生物质燃烧（R2=0.6161）和次大陆型（R2=0.5116）精度较高,但海洋型（R2=0.1585）、大陆型（R2=0.1111）AOD验证精度显著降低。本研究表明,中国台湾岛气溶胶类型呈现西南沿岸站点秋冬季次大陆型占比上升,西北沿岸大陆型上升的时空特征差异,细化气溶胶参数的时间差异和时间动态变化信息将对气溶胶卫星反演算法在环流特征明显的近海区域有着重要指导作用。 相似文献
14.
15.
资源三号01星及02星星载GPS天线PCO、PCV在轨估计及对精密定轨的影响 总被引：1，自引：0，他引：1
资源三号01星与02星作为我国重要的遥感立体测绘卫星,承担了地理产品生产以及国土资源调查等任务。其中,高精度的卫星轨道确定是完成卫星任务的必备条件。资源三号01星与02星都搭载国产双频GPS接收机和SLR反射器来进行精密定轨和独立定轨精度检核。在定轨过程中,星载GPS接收机天线的PCO误差和PCV误差是制约进一步提高定轨精度的重要因素。尽管卫星入轨前获取GPS接收机天线的PCO先验值,本文通过在轨估计PCO,分析了PCO各个方向上的分量估计的可行性,发现通过使用在轨PCO,SLR检核显示ZY-3 01星和ZY-3 02星轨道RMS值分别提高了0.331 mm、0.399 mm。本文利用直接法和残差法估计了两颗卫星星载GPS接收机天线的PCV模型,整体量级在[-15 mm 15 mm]。通过使用在轨估计的PCV模型（10°×10°）,ZY-3 01星SLR检核结果RMS值提高了2.143 mm（直接法模型）、1.628 mm（残差法模型）,重叠弧段对比在三维位置上提高了11.377 mm（直接法模型）、13.903 mm（残差法模型）,ZY-3 02星SLR检核结果RMS值提高了0.727 mm（直接法模型）、0.692 mm（残差法模型）,重叠弧段对比在三维位置上提高了1.736 mm（直接法模型）、1.548 mm（残差法模型）。本文进一步探讨了PCV模型分辨率（10°×10°,5°×5°,2°×2°）对精密定轨的影响,在综合考虑计算效率、存储空间、提高幅度等因素后,发现使用残差法在轨估计5°×5° PCV模型是较好的选择。 相似文献
16.
17.
18.
19.
20.
氮素是植被整个生命周期的必要元素,红树林冠层氮素含量（CNC）遥感估算对红树林健康监测具有重要意义。以广东湛江高桥红树林保护区为研究区,本文旨在基于Sentinel-2影像超分辨率重建技术进行红树林CNC估算和空间制图。研究首先基于三次卷积重采样、Sen2Res和SupReMe算法实现Sentinel-2影像从20 m分辨率到10 m的重建;然后以重建后的影像和原始20 m影像为数据源构建40个相关植被指数,采用递归特征消除法（SVM-RFE）确定CNC估算的最优变量组合,进而构建CNC反演的核岭回归（KRR）模型;最后选取最优模型实现CNC制图。研究结果表明：基于Sen2Res和SupReMe超分辨率算法的重建影像不仅与原始影像具有很高的光谱一致性,且明显提高了影像的清晰度和空间细节。红树林CNC反演波段主要集中在红（B4）、红边（B5）、近红外波段（B8a）以及短波红外波段（B11和B12）,与“红边波段”相关的植被指数（RSSI和TCARIre1/OSAVI）也是红树林CNC反演的有效变量。基于3种方法重建后10 m的影像构建的模型反演精度（R2val>0.579）均优于原始20 m的影像（R2val=0.504）;基于Sen2Res算法重建影像构建的反演模型拟合精度（R2val=0.630,RMSE_val=5.133,RE_val=0.179）与基于三次卷积重采样重建影像的模型拟合精度（R2val=0.640,RMSE_val=5.064,RE_val=0.179）基本相当,前者模型验证精度（R2cv=0.497,RMSE_cv=5.985,RE_cv=0.214）较高且模型变量选择数量最为合理。综合重建影像光谱细节及模型精度,基于Sen2Res算法重建的Sentinel-2影像在红树林CNC估算中具有良好的应用潜力,能为区域尺度红树林冠层健康状况的精细监测提供有效的方法借鉴和数据支撑。 相似文献