排序方式: 共有15条查询结果,搜索用时 0 毫秒
1.
植被冠层辐射散射信号中蕴含了丰富的植被信息,通过构建植被冠层辐射散射模型,可以实现植被结构等生物物理参数的遥感定量反演。迄今为止,可见光/近红外、热红外、微波波段均已发展了大量的模型,这些模型在参数反演方面各具优势,但不同波段的模型又有其自身的局限性。跨波段的联合模拟可以实现模型间的优势互补,进而提高地表参数的反演精度,近年来已有学者专注于可见光/近红外与热红外模型,热红外与微波模型,主被动微波模型,以及可见光/近红外与微波模型的联合模拟和协同反演,但多是两两联合,且主要是基于经验模型或解析模型。基于3维场景的植被冠层辐射散射特性模拟模型可以细致刻画不同组分的结构和空间分布特征,对于由植被结构引起的多次散射和组分比例变化的考虑具有优势。本文主要介绍了3维模拟模型在可见光/近红外、热红外和微波波段,以及跨波段联合模拟方面的研究进展,从模型机理、场景统一、以及组分理化参数的统一的角度,探讨了构建多波段3维模拟系统的可行性,展望了多波段3维模拟模型的发展趋势。 相似文献
2.
3.
当前的遥感科学面临着遥感数据获取能力与数据应用能力之间突出的供需矛盾。尺度问题作为遥感科学中的关键问题,既限制了遥感作为一门科学向系统性、普适性的发展,又限制了遥感应用能力的发展。本文对定量遥感中的尺度问题进行了梳理,包括:遥感与传统站点观测之间的不一致、不同尺度遥感产品之间的不一致、机理模型的尺度适用问题,以及遥感产品与用户需求时空尺度间的不一致。对遥感中的尺度转换方法展开了讨论,总结了尺度转换的关键问题在于原数据信息量不足时引入额外信息和保留关键信息两方面。提出了构造地理要素趋势面的基本构想,搭建了一个具有普适性的尺度转换方法框架。核心内容是充分利用地表环境要素时间、空间上的信息作为先验知识,通过关联遥感观测新信息和先验趋势面生成指定时空尺度的地表要素产品。 相似文献
4.
材积是森林清查工作的一个重要参数,基于地基激光雷达点云的树木定量结构模型(QSM)重建方法能够实现林木材积的非破坏性获取,解决了传统森林原位调查方式耗时耗力的问题。但由于伐木材积真值的获取较难实现,使得量化结构模型方法的材积获取能力在树干及各级树枝水平上尚未开展研究,且仅应用于单木尺度地基激光雷达点云中,缺乏基于样方尺度扫描点云进行材积获取的探究。因此本文分别在单木及样方尺度完成QSM重建方法在树干及各级枝材积估算结果评估。实验结果表明,基于单木及样方尺度地基激光雷达点云均能有效地获取树干和一级枝的材积,而次级枝的材积估算存在明显的偏差:样方扫描尺度点云的树干及全树材积估算精度与单木尺度相当,估算偏差均为5%及10%左右,而一级枝材积估算偏差略大,其中单木尺度一级枝估算偏差在10%左右,样方尺度一级枝材积估算偏差在15%左右;此外,林分密度与样方尺度枝干材积估算精度呈负相关关系,在较低林分密度(425株/ha、625株/ha和925株/ha)的样方中树干材积估算误差均在5%以内,一级枝材积估算误差在15%左右,另外受树干及一级枝材积低估与各次级枝材积高估的部分中和效应影响,样方内总蓄积... 相似文献
5.
针对城市及周边区域建造区和自然地表交织分布的特点,探讨了利用归一化植被指数(NDVI)和归一化建造指数(NDBI)构造趋势面的地表温度(LST)降尺度方法,以北京市市区及周边较平坦区域为例实现了LST自960 m向120 m的降尺度转换。分析了LST空间分布特征及NDVI、NDBI对地物的指示性特征;以北京市四至六环为界分析NDVI、NDBI趋势面对地表温度的拟合程度及各自的适用区域;在120 m、240 m、480 m和960 m 4个尺度上评价了NDVI、NDBI和NDVI+NDBI趋势面对LST的拟合程度和趋势面转换函数的尺度效应;对NDVI、NDBI和NDVI NDBI等3种方法的降尺度结果分覆盖类型、分区域对比评价。实验结果表明结合两种光谱指数的NDVI NDBI方法降尺度转换精度有所改善,改善程度取决于地表覆盖类型组合。 相似文献
6.
7.
长白山森林植被NPP主要影响因子的敏感性分析 总被引:1,自引:0,他引:1
对影响森林植被净第一性生产力的主要因子进行敏感性分析是准确估计NPP的需要。本文以长白山自然保护区为例,利用敏感性矩阵,对北部生态系统生产力模拟模型的三个主要输入因子——叶面积指数、温度和降水量,分别分析了各单一因子对森林植被NPP的敏感性,并建立敏感性分析矩阵。分析结果表明,在长白山自然保护区,森林植被的NPP与叶面积指数呈正相关 ,与温度呈负相关,与降水量无明显相关关系。同时,还统计了不同森林植被类型的NPP对输入参数的敏感性,得出了针叶林对环境的适应性最强、生长最稳定的结论。 相似文献
8.
9.
10.
冬小麦是我国的主要粮食作物之一,河北、山东、河南三省是我国的冬小麦主产区。利用1978—2008年冀、鲁、豫三省的历史气象资料和冬小麦产量数据,分别建立了三省冬小麦趋势产量和气象产量模型,趋势产量模型的复相关系数超过0.90,气象产量模型均通过0.05的显著性检验。将区域气候模式PRECIS输出的基准气候条件下的格点资料回代到冬小麦气象产量模型,以验证区域气候模式的可用性。利用区域气候模式输出的A2和B2情景下三省的格点资料和三省冬小麦气象产量模型,估算得到了三省2012—2050年的冬小麦气象产量,结果表明:无论在A2还是B2情景下,河北和河南两省冬小麦气象产量均表现出以减产为主、山东省冬小麦气象产量以增产为主的趋势。 相似文献