排序方式: 共有46条查询结果,搜索用时 15 毫秒
1.
提出了一种基于H/α/A和粒子群优化(PSO)算法的全极化SAR数据非监督分类方法。该方法利用H/α/A对全极化SAR数据进行基于散射机理的初分类,计算各类别的聚类中心,并利用计算结果对PSO算法进行初始化,然后采用PSO对极化SAR数据进行迭代分类。在运算过程中,引入了基于最大似然准则的复Wishart距离,以提高分类器的性能。实验结果验证了该算法的有效性,所提出算法的分类结果优于传统的Wishart-H/α/A分类方法。 相似文献
2.
本文在对国内外遥感图像分类方法充分研究分析的基础上,选择决策树分类法对大屯矿区的Landsat 8遥感图像进行分类研究。选取样本提取并分析研究区典型地类光谱特征曲线,依据光谱曲线特征和归一化植被指数建立了土地利用分类决策树模型,通过反复试验和修正,筛选出适宜大屯矿区地物分类的决策树最优阈值,对研究区进行分类和精度评价,最后通过分类结果对研究区的水体污染状况进行简要分析。 相似文献
3.
针对利用像元二分模型估算植被覆盖度的精度不高的问题,该文基于OSAVI,提出了选定模型参数(OSAVIs和OSAVIv)的方法,并将该方法应用于青海省植被覆盖度估算。该方法通过高分辨率影像在研究区内选取纯裸地和纯植被样点,并将纯裸地样点的OSAVI作为纯裸地样点像元的OSAVIs,将纯植被样点的OSAVI作为纯植被样点像元的OSAVIv,利用样点像元的OSAVIs和OSAVIv值,通过普通克里金内插法,求得研究区每个像元对应的OSAVIs和OSAVIv。经精度验证结果表明:此方法较常规的参数选取方法,RMSE由0.170降至0.156,MAE由0.137降至0.124。经进一步分析表明,此方法对边缘验证点和非边缘验证点的估算精度都有所提高,由于配准误差和周围地表漫反射的影响,边缘验证点的估算精度低于对非边缘验证点的估算精度。 相似文献
4.
5.
基于GOSAT数据集的全球碳通量分析 总被引:1,自引:0,他引:1
利用GOSAT全球CO2通量数据集,对2009年6月至2010年5月期间的陆地生态系统地表碳通量(Biosphere flux,简称"陆表碳通量")数据进行分析,主要结论如下:1)全球植被覆盖区总体表现为碳汇(-0.83PgCyr-1),在各种植被类型中,农田和森林表现为强碳汇,碳汇量分别为-0.30PgCyr-1和-0.62PgCyr-1,低纬度的稀树草原表现为强碳源,碳源量为0.31PgCyr-1;2)北半球植被覆盖区的陆表碳通量显示了明显的季节变化规律,6月份生态系统碳吸收量最大,约为-2.08PgCmonth-1,而南半球的季节变化规律与北半球相反,表现为1月份生态系统碳吸收量最大,约为-0.37PgCmonth-1;3)北半球各纬度带的通量变化幅度大于南半球;4)北美洲、亚洲和南美洲表现为碳汇,非洲和澳大利亚表现为碳源。基于GOSAT数据集的分析结果与以往的研究结果基本一致,该数据集由GOSAT全球碳循环一体化模拟系统中的陆地生态系统模型(VISIT)反演而来,尽管该模型已经过优化,但也存在不确定性。 相似文献
6.
7.
8.
在极化SAR影像极化特征的基础上,引入影像的纹理信息,利用带核函数的SSVM算法对极化SAR影像进行分类研究。该方法首先利用精致LEE滤波器对极化SAR影像进行去噪处理;然后采用小波变换对去噪后的总功率影像Span进行纹理特征提取;最后将纹理信息和极化信息结合,并采用SSVM方法对极化SAR影像进行分类。利用NASA/JPL AIRSAR获取的L波段SanFrancisco海湾和荷兰中部Flevoland地区的影像对该方法进行验证,结果表明,SSVM算法可有效地用于极化SAR影像分类,且分类精度和分类效率都优于SVM算法。同时纹理信息的引入使SSVM算法的分类精度得到了进一步提高。 相似文献
9.
利用MODIS数据进行积雪检测 总被引:1,自引:0,他引:1
积雪是一种重要的地球表层覆盖物,是气象学和水文学中一个非常重要的参数。使用遥感方法能够有效获取大范围的雪盖信息,弥补地面观测资料在空间上的不足。中等分辨率成像光谱仪(MODIS)数据具有高光谱、高空间分辨率、高时间分辨率等特征,越来越多地应用到积雪检测方面。利用MODIS雪盖数据进行雪盖制图,分析了2008年初中国南方的受灾情况,并对雪情进行了分析。结果发现利用MODIS得到的积雪边界线轮廓清晰,对积雪检测非常有效,但由于云的遮蔽可能会使MODIS积雪分布面积出现误差。 相似文献
10.