排序方式: 共有41条查询结果,搜索用时 0 毫秒
1.
MODIS与TM冬小麦种植面积遥感测量一致性研究——小区域实验研究 总被引:6,自引:1,他引:6
针对大范围冬小麦种植面积遥感测量业务化运行中所存在的不同空间分辨率遥感影像的获取能力、空间分辨率与测量精度之间相互制约的现实问题,选择典型实验区,采取全覆盖的多时相低分辨率MODIS数据与中高分辨率TM样区数据相结合的方法,以支持向量机(SVM)为主要技术手段,通过选取不同比例的TM样本量,对MODIS进行混合像元分解,并对MODIS冬小麦测量结果与TM测量结果进行一致性分析,进而提出了一套可用于大范围冬小麦种植面积遥感测量业务化推广的识别和精度检验方法。研究结果表明:当TM样本量大于5%时,相对于TM识别结果而言,MODIS像元精度可以稳定在82%以上;当TM样本量大于40%时,区域精度可以稳定在97%。因此,从理论上讲,在实际业务化运行中,只要能够获得监测区40%的中高分辨率的影像,采用本研究提出的多尺度冬小麦种植面积测量方法,基本上可以满足业务化运行的精度要求。 相似文献
2.
农业干旱监测研究进展与展望 总被引:19,自引:1,他引:19
本文全面分析了农业干旱的概念内涵及其与其他干旱类型之间的关系,进而从基于站点监测和基于遥感监测两个方面,系统梳理了国内外农业干旱监测的近今进展,对比了不同干旱监测指标的适用范围和局限性;同时,通过文献统计和重要文献引用揭示了国内外农业干旱监测研究的发展历程和最新进展,即农业干旱监测指标从传统的单一气象监测指标逐渐向气象与遥感相结合的综合监测指标转变。最后,在分析农业干旱监测现有挑战和困境的基础上,将农业干旱监测未来发展趋向归纳为5点展望,即进一步明晰农业干旱发生机理和受旱过程、识别农业干旱影响因素及其相互作用关系、构建多时空尺度农业干旱监测模型、耦合农业干旱定性表征与定量评估模型以及提高农业干旱监测模型中遥感数据的应用水平。 相似文献
4.
5.
6.
7.
古生代—中生代之交的生物绝灭和地质事件——四川广元上寺二叠系—三叠系界线和事件的初步研究 总被引:5,自引:1,他引:5
详细的生物地层学调查研究,揭示了四川广元上寺二叠系—三叠系界线上,古生代海生无脊椎动物大规模的绝灭,还检测到铱和微量元素的地球化学异常(Ir达2±0.5ppb)、碳和氧同位素(δ~(13)C和δ~(18)O)的剧烈变动、沉积相的显著变化(盆地相—潮间带)。(图4、5、6)这些证据表明二叠纪末期有地外事件发生,而地外事件又诱发了地内事件,包括构造上升、海水退却、火山喷发、古气候变化以及伴随的动物群大规模绝灭。古生代动物群的大规模绝灭和中生代动物群渡过萧条期才茁壮成长的迟滞、新生过程,说明了古生代与中生代间的地质事件是巨大的、深刻的,传统的二叠系—三叠系界线是一条全球灾变线。 相似文献
8.
训练样本对TM尺度小麦种植面积测量精度影响研究(Ⅱ)——样本质量对小麦测量精度的影响分析 总被引:3,自引:0,他引:3
本文以小麦为例,在构建标准训练样本数据集的基础上,引入欧式距离、马氏距离和纯度三个指标对训练样本数据进行质量评价和分等定级。然后将相同样本数量,但不同质量等级的训练样本输入到最小距离、最大似然和支持向量机三种分类器中进行影像分类和冬小麦提取,并对小麦识别结果进行分析和比较。研究结果显示:同一分类器和不同分类器对相同指标划分的不同质量等级的训练样本响应不同,对不同指标划分的相同质量等级的训练样本响应也不同;相同分类器,面积误差最小和总体像元精度最高所对应的训练样本的质量等级不一样。 相似文献
9.
本文基于ERA5气候数据、GRACE重力卫星的Level 3水储量产品数据,计算了黄河流域的标准降水蒸散指数(Standardized Precipitation Evapotranspiration Index,SPEI)和标准化陆地水储量指数SWSI(Standardized Water Storage Index, SWSI),采用Spearman秩相关法探究了SPEI和SWSI之间的时滞效应,并利用地理探测器模型分析了气象水文干旱时滞差异的主导影响因素以及各因素之间两两交互的影响作用。研究结果表明:2003—2019年黄河流域气象干旱与水文干旱间均存在明显的时滞效应,不同月份的SWSI和SPEI的滞后时间不一样,整个流域春冬两个季节的平均滞后时长为3个月,夏秋季节的平均滞后时长为4个月。土壤类型对时滞差异的影响最大,气象因子和人类活动对时滞差异的影响次之,气象因子中潜在蒸散的影响最大。不同因子间的交互影响均比单因子影响大。在双因子交互影响中土壤类型和潜在蒸散之间的协同作用最为显著,其次为土壤类型与温度以及土壤类型与土地利用的协同作用。 相似文献
10.
训练样本对TM尺度小麦种植面积测量精度影响研究(Ⅰ)——训练样本与分类方法间分类精度响应关系研究 总被引:9,自引:1,他引:9
准确的遥感农作物类型识别和种植面积统计,不仅仅取决于不同分类方法的选择,同时还要看输入分类器用以学习的训练样本数据,训练样本对分类精度的影响比分类技术本身对测量精度的影响还要大。训练样本对测量精度的影响包含样本的质量和数量两个方面。为了探讨训练样本对农作物种植面积测量精度的影响,本文以小麦为例,选择典型试验区,利用较常用的TM遥感影像,结合高分辨率SPOT数据和野外GPS数据,在构建标准训练样本和检验样本数据集的基础上,在不同训练样本量下,分别对光谱角制图、平行六面体、马氏距离、最小距离、最大似然和支持向量机6种方法进行了多次试验,并对测量结果进行了对比分析。研究结果表明:①不同样本量下6种方法10次测量的结果存在不同程度的波动,而且地块越破碎的地区波动越大,但这种波动随样本量的增加会减少,说明目前在小麦面积测量中,用单次分类的结果作为最终的提取结果的做法存在一定的随机误差,在实际的工作中,应尽可能多的获取训练样本,以提高小麦面积测量的稳定性,同时利用多次测量结果求均值的方式,来消减或者抵消测量的随机误差;②相同样本量下,各种方法测量出的全区和破碎区的小麦像元个数(总量)不一致,种植结构复杂且破碎的地区,各种方法测量出的小麦面积总量差异会更大,说明不同方法对同一地区小麦的识别能力是不同的,同种方法对于不同地区小麦的识别能力也是不一样的,但是通过分析小麦识别的产品精度和用户精度,可以判断出哪个结果最接近于真实总量。 相似文献