黄淮海夏玉米物候期遥感监测研究

来源 :遥感信息 | 被引量 : 19次 | 上传用户:liongliong558
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
以黄淮海为研究区,基于MODIS EVI植被指数遥感数据,利用Logistic模型对夏玉米关键物候期(苗期、拔节期、抽雄期、成熟期)进行了监测。使用地面物候观测数据对监测结果加以检验,并与其他常见的遥感监测模型进行了比较。结果表明:研究监测结果总体误差小于±6天,误差较大的区域多出现在地势较高,种植结构较复杂的地区。研究结果可为进行全球气候变化研究提供依据。
其他文献
探讨了基于有理函数模型的GeoEye-1立体定位方法,并使用澳大利亚Hobart地区立体像对进行了有关试验研究,结果表明,GeoEye-1立体影像无地面控制点的平面精度在3.0m之内(CE90),高程精度约为10.1m(LE90);在良好的地面控制点的支持下,平面和高程精度均优于0.5m(RMSE),基本可满足国家1∶5000基本比例尺地形图测图要求。
分别选取位于福建省、吉林省、云南省和西藏自治区的4个地形地貌差异较大的研究区域,利用TM、ALOS AVNIR、IRS P6和HJ-1ACCD1等不同传感器的多光谱遥感数据,开展地形调节植被指数(TAVI)抗地形影响性能的实验与验证。根据目视效果和统计指标的对比分析发现:TAVI在各种地形条件下都有明显的抗地形影响的效果,但在地形起伏达到1km以上的高山区域效果有所减弱。
遥感影像在水资源调查和洪涝灾害监测中发挥着重要作用,但从遥感影像中提取水体通常面临着阴影和狭小水体漏提等难题。针对单一方法在水体提取中的局限性,引入分类器集成的思想,提出一种基于投票法融合的水体提取方法,首先利用Bagging、Random Forests和神经网络(NN)分类器对遥感影像进行分类,然后采用多数投票法从决策层融合3个分类结果,得到研究区水体提取结果。试验结果表明,该方法能够有效去除
提出了一种利用RADARSAT-2全极化SAR影像和极化特征参数提取精确的海岛礁范围的技术方法。极化特征熵参数描述了目标散射的随机性,与海水相比海岛礁处于较高的去极化状态,因此海岛礁的熵值明显大于海水的熵值。首先本文利用EM(Expectation Maximization,最大数学期望)算法自动计算的提取海岛礁最佳阈值对熵参数文件进行阈值分割,得到海岛礁的初始分割结果。由于受到船只和海水表面波浪
通过查询北京一号、环境一号和CBERS-02B三颗国产资源卫星在2009年内所有符合质量要求的存档数据,从季度、半年度、年度3个时间尺度和全国、分省两个空间尺度,对单颗卫星的覆盖能力和3颗卫星的综合覆盖能力进行了深入分析与总结,并根据分析结果从数据源、监测周期等几个方面为宏观监测的具体实施提出了建议。