排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
针对传统PRO4SAIL+查找表方法反演叶面积指数存在查找表过于庞大,反演速度较慢等问题,该文提出一种基于PRO4SAIL与局部加权多元回归组合模型反演叶面积指数的方法。通过利用卫星传感器光谱响应函数实现了实测端元高光谱向像元多光谱的转化,解决了测量尺度不同导致的反射率差异问题;选取两种叶面积指数植被指数MTVI1和MCARI1作为反演因子,同时只选用40组PRO4SAIL模型模拟数据建立训练组,解决查找表数据量过大的问题;将局部加权多元回归的权重因子距离公式按照反演因子个数从一维空间扩展至多维空间,更符合实际应用。该组合模型的预测决定系数为0.727 1,平均相对误差为11.09%,传统查找表的预测决定系数为0.693 2,平均相对误差为13.63%。实验结果表明:组合模型具有较好的预测能力,反演得到的叶面积指数含量精度较高,可为更好地监测路域植被生态环境提供技术支撑。 相似文献
2.
针对遥感影像在南方丘陵地区典型植被丰度信息提取中存在的大量混合像元问题,为进一步提高线性解混精度,通过计算像元EVI值,构建了Landsat 8时间序列影像南方典型植被(端元)和混合像元的EVI时间序列曲线,分析了不同生育期内各种地物类型的植被指数变化曲线,发现不同地物在植被指数时间序列中具有各自独立的波动规律。选取多个端元及其EVI时间序列曲线,利用光谱匹配方法对匹配EVI时间序列曲线和多个端元进行了匹配,达到利用不同端元组合进行光谱解混的目的。试验结果表明,与传统方法相比,阔叶林解混精度有明显提高,针叶林解混精度也有所提高。该研究成果可以为南方丘陵地区植被环境的研究提供有力支撑。 相似文献
1