排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
基于光谱混合分析的毛乌素沙地油蒿群落覆盖度提取 总被引:4,自引:0,他引:4
油蒿群落覆盖度是判断毛乌素沙地荒漠化程度严重与否的直接指标,其信息的准确获取有助于更为合理的荒漠化监测与评价。本研究以Landsat ETM 为数据源,深入探讨了光谱混合分析过程中影像预处理、端元选取、光谱混合模型选择及光谱混合分析结果分析等关键问题,给出了恰当的解决方案,进而进行了油蒿群落覆盖度的提取,并通过野外实测数据对提取结果进行了验证。验证结果表明:基于光谱混合分析技术提取的油蒿群落分量与实测油蒿群落覆盖度线性相关显著,相关系数为0.88,因而研究区的油蒿群落覆盖度可以通过油蒿群落分量的线性变换得到。因此,光谱混合分析是提取毛乌素沙地油蒿群落覆盖度的有效技术。 相似文献
2.
3.
基于NDVI与偏最小二乘回归的荒漠化地区植被覆盖度高光谱遥感估测 总被引:6,自引:1,他引:6
以星载高光谱影像Hyperion为数据源,系统比较了NDVI与偏最小二乘回归(PLS)估测荒漠化地区植被覆盖度的能力,模型的建立(n=46)与独立检验所用样本(n=10)均为地面实测数据。研究结果表明,基于星载高光谱数据的NDVI与PLS模型可以有效地估测荒漠化地区植被覆盖度。相比于宽波段NDVI(RMSEP=10.5618)及基于803.3/671.02 nm计算的标准高光谱NDVI(RMSEP=8.3863),选择特定高光谱波段(823.65/701.55 nm)构建的NDVI预测植被覆盖度的误差明显较低(RMSEP=6.5189)。基于高光谱所有波段原始反射率、一阶导数及包络线去除光谱的PLS回归模型表现,要明显优于仅利用两个波段信息的NDVI,其中基于原始反射率的PLS回归模型表现最佳,RMSEP为4.4998,约为因变量平均值的23%。 相似文献
1