公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

基于Sentinel-1的绿洲区域尺度土壤水分微波建模被引量：4: 2017年; 根据最新Sentinel-1雷达系统参数及研究区地表参数特点,采用AIEM模型进行数值模拟分析,建立稀疏植被覆被下地表微波散射特征数据库,并在此基础上构建干旱区土壤水分模型.结果表明,1)不同入射角和极化方式下,后向散射系数对土壤含水量(Mv)、组合地表粗糙度(Zs)的响应分别呈明显对数相关,VV极化对土壤水分响应更敏感,最优响应区间范围为Mv 0~30%、Zs 0~0.06 cm.2)初探Sentinel-1雷达数据预处理方法,Gamma MAP滤波去噪最优,模型用于土壤水分空间分布信息提取与研究区同期野外实况具有良好的一致性,符合四月渭-库地区春旱期土壤水分时空分布特征.3)对于0-10 cm表层土壤水分,模拟值同实测值相关系数达到0.76,即该模型对于干旱区绿洲区域尺度表层土壤水分监测具有适用性.; 王娇丁建丽陈文倩杨爱霞; 关键词：微波遥感土壤水分

基于国产GF-1遥感影像的面向对象桥梁提取方法研究被引量：5: 2015年; 以国产"高分一号"2m/8m高空间分辨率遥感图像为数据源,使用基于规则的面向对象的方法实现了对高分辨率影像中桥梁目标的精确提取。首先,经过多尺度分割实验并结合下垫面特征选择最优分割尺度;其次,利用水体指数、阈值函数等方法建立规则集,逐步获取水体和桥梁潜在区的矢量文件;最后,通过二值化、数学形态学处理、叠加分析等方法成功提取桥梁目标。实验结果表明,该方法可以准确、高效地提取出桥梁信息,总体精度在90%以上,Kappa系数在85%以上,在高分辨率遥感影像高精度提取桥梁的实践中具有广泛的适用性,该研究成果或对国产高分影像处理系统的研究与应用提供了一定的科学参考。; 袁泽丁建丽王娇陈文倩李相黄帅; 关键词：桥梁面向对象数学形态学

基于T_s-NDVI特征空间的绿洲土壤水分监测算法改进被引量：10: 2016年; 土壤水分胁迫是干旱区绿洲生态环境和可持续发展面临的主要问题,开展区域尺度下大面积、高精度的土壤水分监测,有利于该地区旱情预报、作物估产、气象水文等领域研究。以Ts-NDVI特征空间为理论基础,以新疆渭干河-库车河三角洲绿洲为研究靶区,选择典型干湿季节下Landsat 8遥感影像,在传统温度-植被干旱指数(TVDI)算法基础上,考虑大尺度研究区下垫面异质性(植被覆被、地形起伏)对辐射能量平衡的影响,分别采用植被水分指数(VWIs)、加入大气温度(Ta)和DEM校正后的地表温度(Ts)与NDVI相结合,构建了植被干旱指数(VDI)和改进型温度-植被干旱指数(iTVDI),并结合同期实测土壤水分数据对3种算法进行比较。结果表明:3种算法在一定程度上均能比较客观反映旱情特征,与表层土壤含水量呈现不同程度的负相关,其中,iTVDI相关性最好,TVDI次之,VDI相关性最低;相较植被生长初期而言,3种算法均在植被生长成熟期具有更好的水分监测能力。; 王娇丁建丽袁泽陈文倩李相黄帅; 关键词：NDVI 土壤水分

实测高光谱和HSI影像的区域土壤含水量遥感监测研究被引量：2: 2016年; 基于典型研究区植被冠层实测高光谱数据和HSI高光谱影像数据,通过相关分析选择与不同深度土壤含水量响应敏感波段,建立两者的土壤含水量反演模型,并用实测高光谱土壤含水量反演模型校正HSI影像土壤含水量反演的模型。结果表明:土壤含水量响应敏感波段区域为450~650 nm和850~920 nm;两种土壤含水量反演模型对土壤深度为0~10 cm的土壤含水量估算效果最好,其中实测冠层高光谱土壤含水量反演模型精度高于HSI影像土壤含水量反演模型,判定系数(R^2)分别为0.659和0.557;经过校正的HSI影像土壤含水量反演模型精度有了较大的提高,判定系数(R^2)从0.557提升到0.719,均方根误差(RMSE)为0.043 5,较好地提高了区域尺度条件下土壤含水量监测精度,因此运用该方法进行土壤含水量遥感监测是可行的,为进一步提高区域尺度下土壤含水量定量遥感监测提供参考借鉴。; 李相丁建丽黄帅陈文倩王娇袁泽陈芸; 关键词：土壤含水量多元线性回归

基于高分一号影像的土地覆被分类方法初探被引量：29: 2016年; 高分一号是我国发射的第一颗高分辨率卫星,其包含地物信息较为丰富,较多的应用于土地覆被分类中,但高分影像普遍存在基于像元分类精度稍低的问题,为了提高遥感影像的分类精度,基于高分一号影像,以新疆艾比湖湿地保护区为研究样区进行土地覆被分类研究。利用灰度共生矩阵方法提取图像的纹理信息,并将结果作为参数量输入到支持向量机(SVM)分类器中,将研究结果与传统的SVM分类及最大似然分类法作对比分析可得:辅以纹理特征的SVM分类方法可更好的区分地物信息,分类精度高达93.64%;传统的SVM分类精度为92.27%;最大似然分类为87.90%;因地制宜的开展辅以纹理特征的SVM分类方法是提高土地覆被监测精度的有效手段。; 陈文倩丁建丽王娇袁泽李相黄帅; 关键词：纹理特征 SVM

全选清除导出

共1页<1>

王娇