排序方式: 共有19条查询结果,搜索用时 15 毫秒
1.
概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明:MODIS具有高光谱、高时间分辨率、多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数(如NDVI、LSWI和EVI)进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法;近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。 相似文献
2.
概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明:MODIS具有高光谱、高时间分辨率和多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数(如NDVI、LSWI和EVI)进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法。近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。 相似文献
3.
于2017年2~5月,在辽宁辽河口国家级自然保护区和盘锦辽河口省级自然保护区中,设置了15处调查小区,研究鸟类群落组成、分布和多样性。研究结果表明,在15个调查小区中,共记录鸟类72种,隶属8目13科;其中,有冬候鸟5种,夏候鸟27种,旅鸟57种;在72种鸟中,有国家一级重点保护鸟5种,二级重点保护鸟7种,列入国家重点保护野生动物名录、CITES附录I-III、中国濒危动物红皮书中的重点监测物种9种;调查区中的鸟类群落Shannon-Wiener多样性指数和Pielou均匀度指数都较大,表明该区鸟类生境质量较好。 相似文献
4.
蒸腾蒸散比(T/ET)是阐明陆地生态系统水分散失过程中植被作用的关键参量,蒸散及其组分的准确量化是生态水文研究的基础,有助于理解蒸散与气候变化的相互作用机制。总结了国内外T/ET观测和模拟方法及其量化结果的差异,梳理了森林、草原、湿地和农田4种陆地生态系统T/ET的研究成果,阐述了不同类型陆地生态系统T/ET的时空异质性及其驱动因素。不同生态系统T/ET的差异来源于生态系统特性、时空差异、观测方法和模型或数据集选取,但各差异来源对其的贡献率还未有统一定论;T/ET的变化主要依赖于生态类型、冠层特征、气候、土壤等条件,不同时空尺度的生态系统T/ET驱动因素不同。因此,针对T/ET量化方法开展不确定研究,阐明不同陆地生态系统T/ET的时空异质性,揭示其变化规律及驱动机制将是未来的研究重点。 相似文献
5.
选取QIN和SOB两种代表性劈窗算法对辽宁地区地表温度进行反演,并分析二者的精度和误差分布。结果表明:QIN和SOB算法反演的地表温度(TS)与地面气象台站准同步观测的气温和地温的线性拟合显著,SOB算法线性拟合更好;从误差分布直方图上看,两种算法的反演结果与地温更接近,SOB算法与同步气温和地温在±2 ℃之间的误差比例略高于QIN算法;在野外开展与卫星遥感空间尺度一致的地表温度观测试验,QIN和SOB算法与实测值的平均绝对误差均为1.5 ℃;与NASA官网发布的地表温度产品对比发现,QIN和SOB算法的平均绝对误差分别为1.75 ℃、1.70 ℃;因此QIN、SOB算法在辽宁地区均适用,SOB算法误差更小。 相似文献
6.
随着人口的不断增加,资源、环境、人口与发展之间的矛盾日益突出,土地资源能否生产足够的食物供养未来人口的问题受到普遍关注。基于1997—2006年辽宁省10 km×10 km分辨率的气象资料,通过自然植被净第一性生产力模型和农业生产力模型计算了农田、草地和湿地的生产力及其动态。结果表明:近10 a来辽宁省年平均气温呈略下降趋势,年降水量呈增加趋势。1997—2006年辽宁省植被年平均总净第一性生产力为(农田、草地和湿地)3.63×107 t8226;yr-1,其中农田、草地和湿地分别为2.18×107 t8226;yr-1、0.99×107 t8226;yr-1和0.46×107 t8226;yr-1。应用人口承载力模型计算出在宽裕型、小康型和富裕型3种消费水平下1997—2006年辽宁省的年平均总人口承载力,分别为2226.9万人、2035.3万人和2015.1万人。 相似文献
7.
为建立中国风云三系列气象卫星长时间序列归一化植被指数数据集,选用滤波和函数拟合方法,针对林地、湿地、水稻、玉米、大豆、城市和水体7类地物开展数据重建效果定量分析,确定最佳数据重建方法,并在辽宁省开展时空变化分析。结果表明:非对称高斯函数拟合法(Asymmetric Gaussians,AG)、Savitzky-Golay滤波法(SG)、双Logistic函数拟合法(Double Logistic,DL)和时间序列谐波分析法(Harmonic Analysis of Time Series,HANTS)四种方法均表现出相对较好的去噪能力。SG方法对噪声比较敏感,HANTS方法在低值区受噪声影响大。AG和DL方法平滑效果较好,DL方法的峰值更接近于原始峰值。在高植被覆盖区和季节性作物区,SG方法相关系数最高(>0.93)、均方根误差最低(< 0.1);在城市和水体低植被指数区,HANTS方法相关系数最高,为0.87,但四种方法的均方根误差均在0.06左右,差别不大。综合考虑曲线和定量分析结果,选取SG方法进行辽宁省植被指数数据集数据重建。辽宁省植被指数数值高低的空间分布与下垫面植被类型相符合,东部山区林地植被指数最高,达到0.75以上。2009-2020年,辽宁省NDVI年均值存在波动,不同地物植被指数变化存在差别,水体和城市植被指数变化相对较小,旱田作物(玉米、大豆)的植被指数受干旱年的影响植被指数变化稍大。辽宁省主要粮食作物植被指数年内均呈单峰分布,与一年一熟型吻合,均在8月上旬达到最大值。 相似文献
8.
9.
10.
对1970—2006年大兴安岭地区森林火灾过火次数与过火面积及其影响因子分析。结果表明:春季是大兴安岭地区火灾易发季节,4—6月易引发较大等级的森林火灾;雷击是引起该地区森林火灾的主要原因,雷击火灾多集中在春季和夏季, 6月份为雷击火多发月;年尺度上,降水量与过火次数显著相关,气温与过火面积显著相关;月尺度上,气温与过火次数显著相关,风速、相对湿度与过火面积显著相关;日尺度上,过火次数与最高气温显著相关,过火面积与相对湿度显著相关;但复相关系数较小,表明对森林火灾的预测不能仅仅选取气象因子,更要考虑火源及可燃物的影响。 相似文献