检索结果-南通市图书馆

基于Sentinel-2遥感时间序列植被物候特征的盐城滨海湿地植被分类

在线全文

学校读者我要写书评

暂无评论

地理学报 2021年第7期76卷 1680-1692页

作者：刘瑞清李加林孙超孙伟伟曹罗丹田鹏宁波大学地理科学与旅游文化学院宁波315211 华东师范大学河口海岸学国家重点实验室上海200062 宁波大学东海研究院宁波315211

滨海湿地是具有重要功能的特殊海陆过渡带生态系统,精准获取滨海湿地植被时空分布信息具有重要意义。传统的湿地遥感观测研究集中于高空间、高光谱分辨率影像分类,往往受限于数据成本和覆盖范围,仅适用于小区域湿地监测。Sentinel-2A/B... 详细信息

滨海湿地是具有重要功能的特殊海陆过渡带生态系统,精准获取滨海湿地植被时空分布信息具有重要意义。传统的湿地遥感观测研究集中于高空间、高光谱分辨率影像分类,往往受限于数据成本和覆盖范围,仅适用于小区域湿地监测。Sentinel-2A/B卫星影像时空分辨率高且免费共享,为大区域滨海湿地动态监测提供了可能。本文采用2018年Sentinel-2影像,提出像元级SAVI时间序列及双Logistic植被物候特征拟合重构模型,采用随机森林算法进行盐城滨海湿地植被分类,探讨Sentinel-2遥感时间序列植被物候特征分类方法的适用性。结果显示,分类总体精度达87.61%,Kappa系数为0.8358,分类结果与湿地实况相吻合,比常规单一时相分类精度总体提高19.57%。植被判别物候特征参数可为影像数据缺失或不足的滨海湿地分类提供不同植被的判别依据。研究表明,基于像元级时间序列植被物候特征的分类方法能实现植被群落混生带的精准分类以及对"异物同谱"植被的有效区分,对大区域滨海湿地植被分类具有很好的适用性,有效提高了滨海湿地植被分类精度。

关键词： Sentinel-2影像时间序列植被物候特征盐城滨海湿地分类制图

在线全文

学校读者我要写书评

暂无评论

植被物候特征的遥感提取与农业应用综述

中国农业资源与区划 2012年第5期33卷 20-28页

作者：李正国唐华俊杨鹏吴文斌陈仲新周清波张莉邹金秋农业部资源遥感与数字农业重点开放实验室北京100081 中国农业科学研究院农业资源与农业区划研究所

多时相遥感数据因其高时效、宽范围和低成本等优点正被广泛应用于对地观测活动中,为大区域尺度掌握植被/作物空间格局提供了新的科学技术手段。通过对相关研究进展的回顾,该文系统归纳了植被物候特征遥感提取的关键步骤。首先从数据获... 详细信息

多时相遥感数据因其高时效、宽范围和低成本等优点正被广泛应用于对地观测活动中,为大区域尺度掌握植被/作物空间格局提供了新的科学技术手段。通过对相关研究进展的回顾,该文系统归纳了植被物候特征遥感提取的关键步骤。首先从数据获取与处理方面,整理了目前常用的NDVI数据集以及预处理方法等相关背景信息;其次从提取原理、假设条件以及适用性等角度,比较了目前用于时序遥感数据重构和特征提取的常用技术方法;在此基础上,归纳了基于时序遥感数据拟合曲线提取的植被物候特征及其农业内涵意义;最后,结合目前的农业应用,探讨了其在识别作物物候期、确定种植制度以及提高遥感估产精度等专业领域的应用方向,以期为区域尺度上生态管理与农业生产提供科学支持。

关键词：多时相遥感数据植被物候特征农业应用NDVI

基于植被物候特征与监督分类的青南高原信息提取

在线全文

学校读者我要写书评

暂无评论

遥感技术与应用 2009年第2期24卷 223-229,I0011页

作者：郭艳芬刘志红谢明元成都信息工程学院电子工程系四川成都610225 中国气象局大气探测重点开放实验室四川成都610225 成都信息工程学院资源环境系四川成都610225

针对大尺度区域的植被信息提取,由于范围广阔、地形复杂、气候迥异,分类精度的提高是个亟待解决的问题;通过对青南高原采用分区处理,利用植被指数的特性,将基于时间序列的NDVI数据所反映的植被物候知识,辅助信息DEM和GIS数据加入监督分... 详细信息

针对大尺度区域的植被信息提取,由于范围广阔、地形复杂、气候迥异,分类精度的提高是个亟待解决的问题;通过对青南高原采用分区处理,利用植被指数的特性,将基于时间序列的NDVI数据所反映的植被物候知识,辅助信息DEM和GIS数据加入监督分类系统,进行植被信息提取,并进行了分类精度评价。研究结果表明,利用该方法对青南高原的3个地区分类后,其分类精度都达到了83.3%以上,达到了较好的分类结果。在监督分类的训练区选取过程中,将植被物候特征作为知识,结合目视解译和DEM辅助知识帮助选取训练区的方法,同时参考GIS土地利用数据,使得训练区的选取更准确可靠,可进一步提高分类精度。

关键词：植被物候特征 NDVI 监督分类分区信息提取精度评价

HJ-1A NDVI与MODIS NDVI时间序列提取植被物候特征对比研究

在线全文

学校读者我要写书评

暂无评论

遥感技术与应用 2016年第6期31卷 1158-1166页

作者：冯莉李柳华郭松卢荻河海大学地球科学与工程学院地理信息科学系江苏南京211100

以HJ-1A和MODIS为数据源,通过动态阈值法提取物候特征参数,对HJ-1A NDVI和MODIS NDVI时间序列进行植被物候特征提取进行定性和定量比较,通过比较结果,提出HJ-1A NDVI数据在该应用中存在的问题,促进国产中空间高时间分辨率影像数据在植... 详细信息

以HJ-1A和MODIS为数据源,通过动态阈值法提取物候特征参数,对HJ-1A NDVI和MODIS NDVI时间序列进行植被物候特征提取进行定性和定量比较,通过比较结果,提出HJ-1A NDVI数据在该应用中存在的问题,促进国产中空间高时间分辨率影像数据在植被物候信息提取研究中的应用,提高其在生态系统研究中的应用价值。结果表明:在SOS、EOS和LOS以及TOMS几个主要的物候时间点上,MODIS NDVI时间序列的标准差较小,所得物候数据更为集中,偏离度较小,所得物候数据较稳定;而HJ-1A NDVI时间序列所得物候数据的标准差较大,数据偏离程度较大,而在POS、BOS和AOS等表征植被生命周期中生长幅度数据上,其标准差较小,离散程度小。

关键词： HJ-1A NDVI时间序列 MODIS NDVI时间序列动态阈值法植被物候特征南京市

基于时间序列遥感影像及植被物候特征的滨海湿地分类研究

在线全文

学校读者我要写书评

暂无评论

基于时间序列遥感影像及植被物候特征的滨海湿地分类研究

作者：刘瑞清宁波大学

学位级别：硕士

滨海湿地位于海陆过渡带,是具有防洪护岸、营养循环、生物多样性保护、固碳等重要功能的特殊生态系统。近年来,随着我国海岸带经济快速发展,滨海湿地受滩涂围垦、引入互花米草等人类活动深刻影响,已面临严重退化风险。加强滨海湿地监测... 详细信息

滨海湿地位于海陆过渡带,是具有防洪护岸、营养循环、生物多样性保护、固碳等重要功能的特殊生态系统。近年来,随着我国海岸带经济快速发展,滨海湿地受滩涂围垦、引入互花米草等人类活动深刻影响,已面临严重退化风险。加强滨海湿地监测及保护,对满足国家对滨海湿地生态红线划定和及时调整的迫切需求、构建海洋生态环境治理体系具有重要意义。当前,遥感观测技术的迅速发展为大范围滨海湿地的监测提供了技术方法,但由于遥感影像数据源、影像解译方法及处理技术存在一些突出难点,如数据源信息缺失或不足、湿地地物光谱难以区分等问题,无法为滨海湿地分类监测提供成熟的技术支持。基于此,研究采用中高时空分辨率的Sentinel-2影像数据,提出像元级时间序列重构及植被物候特征的滨海湿地分类方法,并应用于盐城滨海湿地分类,对不同植被类型判别的物候特征参数及阈值进行判定,采用随机森林算法探讨了该方法在滨海湿地分类中的适用性,并挖掘了植被物候特征变量压缩分类的可能性,以期为解决滨海湿地分类中影像数据缺失或不足、实现滨海湿地精准分类提供新方法。研究的主要结论如下:(1)选取NDVI、SAVI、EVI、WAVI、GNDVI、MCARI2共6种遥感影像特征指数进行像元级时间序列重构。分析表明,NDVI与SAVI为较优遥感影像特征指数。NDVI时间序列表现植被的物候信息突出,而SAVI重构时间序列曲线稳定性更强,同时能充分体现植被物候信息。(2)选取非对称高斯函数拟合、双Logistic函数拟合、谐波函数拟合、Savizky-Golay滤波平滑4类植被物候特征拟合模型重构时间序列曲线,对比发现函数拟合模型比平滑滤波模型具有明显优势,更适用于滨海湿地分类。在多种函数拟合模型中,双Logistic函数拟合与谐波函数拟合能突出植被的重要物候特征,非对称高斯拟合能平稳反映植被物候变化过程;S-G滤波平滑模型能保留细节的物候特征,但易受异常值影响导致物候信息存在偏差。(3)结合植被可分离性评价及研究需求,选定SAVI与双Logistic函数拟合模型为最优时间序列重构方法,并对不同滨海湿地植被的判别物候特征参数及阈值进行判定。生长季开始时间(5～6月)可判别芦苇,生长季结束时间(12月后期)可判别互花米草,季末递减率(>0.025)、振幅(>0.35)为辅助可判别茅草,振幅(植被判别物候特征参数及阈值可为影像数据缺失或不足的滨海湿地分类提供不同植被的判别依据。(4)时间序列重构及植被物候特征分类方法对滨海湿地分类具有很好的适用性,有效提高盐城湿地分类精度,总体精度达87.61%,Kappa系数为0.8358,比常规的单一时相分类精度总体提高19.57%。该方法通过结合物候特征能实现植被群落混生带的精准分类以及对“异物同谱”地物的有效区分,有效改善滨海湿地分类效果。(5)将湿地植被物候特征变量按照不同数目进行压缩,发现压缩变量仍具备区分植被类型能力,保证较高分类精度。基于此,研究提出基于生长季开始时间/结束时间、季初增长率/季末递减率4个植被物候特征变量的压缩分类方法,通过规避影像数据易缺失时段、提取与生长旺盛期不相关的特征变量用于分类,能部分解决影像数据不足或缺失难点,有效拓展了时间序列重构方法的适用性,为其他传感器湿地分类提供新思路。

关键词： Sentinel-2影像时间序列植被物候特征滨海湿地遥感分类