排序方式: 共有32条查询结果,搜索用时 0 毫秒
31.
机载LiDAR数据能够准确提供对象的三维空间位置信息,无人机高分辨影像具备丰富的色彩信息与纹理信息,综合两种数据的优点,可进行数据集成融合。针对山区普遍存在的分布广泛的植被覆盖类型基质景观,本文通过构建可见光植被指数(VDVI)融合光谱信息点云数据,进行典型植被特征提取的研究。为了验证该方法提取信息的准确度,分别构建了3种数据源并依次进行山区地表植被提取试验。对试验结果定性定量分析表明,融合光谱点云数据的植被覆被率为56.8%,较另外两种数据类型的植被覆被率更加接近参考值(58.2%),可信度相对较高,效果更好,植被图斑轮廓更加清晰,更适用于目标对象植被特征提取,使融合影像信息的点云数据分类优势得以体现,证实了该方法面向山区植被特征提取的可行性。 相似文献
32.
为分析并评价海冰边缘区海冰密集度数据产品,选取北冰洋区域8种公开发布的产品,基于平均偏差和标准差(Standard Deviation, SD)展开分析,结果表明:Bremen/ASI(ARCTIC Sea Ice)、Bremen/BT (Bootstrap)、NSIDC(National Snow and Ice Data Center)/BT和NSIDC/CDR(Climate Data Record)四种数据全年平均偏差整体高于平均值,在夏季偏差高于冬季; Hamburger/ASI全年平均偏差低于平均值,冬春季偏差为负,夏季梢高于均值; NSIDC/NT(NASA Team)、NOAA OI SIC(National Oceanic and Atmospheric Administration Optimum Interpolation Sea Ice Concentration)和OSISAF(The Ocean and Sea Ice Satellite Application Facility)三种数据全年平均偏差为负,夏季负向增加;夏季和秋季标准差较大区域主要分布在东北航道薄冰区,东西伯利亚、拉普捷夫海和喀拉海区域标准差变化较大,从3%增加到10%~15%。围绕航道区,以MODIS(Moderate Resolution Imaging Spectroradiometer)影像作为参考,对8种数据的对比评估结果表明:在25km空间分辨率下,Bremen发布的两种数据相关性较高,均为0.80;NOAAOISIC数据相关性最低,为0.63; Bremen/BT平均偏差较小,为7.11%;基于ASI算法的Bremen/ASI数据和Hamburger/ASI数据平均偏差较大,分别为14.38%和14.99%,且在夏季和秋季偏差波动较大,对应标准差分别为12.16%和11.01%。该项研究对于提升遥感数据产品在海冰边缘或航道区的应用及进一步的算法研发具有指导意义。 相似文献