期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
矿区生态监测的地理加权遥感生态指数构建及评价 被引量:4
1
作者 李子璇 刘珺 +1 位作者 吕天 王曼琦 《农业工程学报》 EI CAS CSCD 北大核心 2024年第13期233-243,共11页
矿区生态是陆地生态系统的重要组成部分,准确监测矿区生态对保护生态环境、维持生态平衡具有重要意义。遥感技术为矿区生态监测提供了有效手段,针对遥感生态指数(remote sensing ecological index,RSEI)在矿区生态监测中存在监测精度低... 矿区生态是陆地生态系统的重要组成部分,准确监测矿区生态对保护生态环境、维持生态平衡具有重要意义。遥感技术为矿区生态监测提供了有效手段,针对遥感生态指数(remote sensing ecological index,RSEI)在矿区生态监测中存在监测精度低、针对性弱和指标权重空间上均一化问题,该研究对RSEI进行了改进。首先,考虑矿区特殊的生态成因,在绿度、热度、湿度、干度的基础上加入煤尘污染因子构成矿区遥感生态指数;然后,利用地理加权主成分分析法确定各指标的空间权重,构建了地理加权遥感生态指数(geographically weighted-remote sensing ecological index,GWRSEI);最后,以山西省大同煤田为例,基于多期遥感影像对GW-RSEI在矿区生态监测中的有效性、适用性进行了验证。结果表明:GW-RSEI能准确捕捉矿区大气中的煤尘污染,从整体和局部尺度实现了矿区生态的精准监测,有效提高了矿区生态监测的精度;地理加权主成分分析法能够明确表征矿区生态的空间异质性和生态环境变化的空间连续性;2000—2020年大同煤田的GW-RSEI均值分别为0.51、0.48、0.46、0.59、0.56,整体生态环境经历了先恶化后改善的过程,其东南部生态环境变化趋势与整体一致,而西北部生态环境呈现先改善后恶化的变化趋势。研究成果为准确监测矿区生态提供了一种更加科学、有效的方法。 展开更多
关键词 生态 监测 遥感生态指数 地理加权成分分析 矿区
在线阅读 下载PDF
基于多时相主被动遥感的漓江水面监测与水质参数反演(2016-2020年) 被引量:14
2
作者 刘曼 付波霖 +6 位作者 何宏昌 解淑毓 仇继圣 孙习东 龚烨云 劳植楠 左萍萍 《湖泊科学》 EI CAS CSCD 北大核心 2021年第3期687-705,I0002,共20页
以漓江流域为研究区域,以2016-2020年Landsat 8 OLI、GF-1、Sentinel-2A及Sentinel-1A逐月影像为数据源,选用归一化水指数(NDWI)、改进型归一化水指数(MNDWI)、增强型水体指数(EWI)、归一化差值池指数(NDPI)、后向散射系数(S)与主被动... 以漓江流域为研究区域,以2016-2020年Landsat 8 OLI、GF-1、Sentinel-2A及Sentinel-1A逐月影像为数据源,选用归一化水指数(NDWI)、改进型归一化水指数(MNDWI)、增强型水体指数(EWI)、归一化差值池指数(NDPI)、后向散射系数(S)与主被动遥感加权指数(JQ)提取漓江水体信息,采用二类水体区域性近岸海域水色算法(C2RCC)、最大叶绿素指数(MCI)、双波段比值法(Double R)及叶绿素反射峰强度(ρchl)4种方式,反演漓江水体叶绿素a(Chl.a)与总悬浮物质(TSM)浓度.将漓江划分为278个基本评价单元,利用水面变化区域差异值(WDr)、河岸线发育系数(SDI)与水体信息变化动态度(K)等指标定量分析漓江上、中、下游枯水期和汛期的水文和水质信息的年内时空动态变化,得出以下结论:(1)主被动遥感加权指数JQ与NDPI指数的提取效果优于NDWI、MNDWI、EWI指数与后向散射系数,但与JQ指数相比,NDPI指数提取精度更高、可信度更强.(2)基于C2RCC算法反演的Chl.a浓度的均方根误差(RMSE)处于0.18~7.88 mg/m^(3)之间,TSM浓度的RMSE为0.17~12.55 g/m^(3),可较好地反映漓江水质参数变化情况.(3)基本评价单元的划分可清楚地分析出上、中、下游地区水域水面宽度、水域面积、Chl.a与TSM浓度的连续变化情况,实测数据则依靠站点监测,所得结果较分散,无法进行连续性分析.(4)漓江5-10月降水较多、水体流动性强,大部分地区平均水面宽度在100~250 m范围内,水体富营养化程度低,水质较好,但2月水质最差,水体富营养化程度较高地区主要集中于上、中游的兴安县、灵川县等城镇居民区以及下游旅游开发区较多的兴坪镇. 展开更多
关键词 漓江流域 主被动遥感加权水体指数 基本评价单元 叶绿素a和悬浮物质浓度反演 时空动态分析
在线阅读 下载PDF
基于多时相主被动遥感协同处理的洪涝灾害应急监测 被引量:9
3
作者 孙书腾 刘培 王光彦 《水利水电技术(中英文)》 北大核心 2022年第9期25-35,共11页
洪涝灾害严重危害人类的生命和财产安全,洪涝灾害的应急监测对灾情评估具有重要意义。灾害发生时期往往伴随恶劣天气,针对洪涝灾害期间光学遥感数据使用受限问题,研究选取“7·20”重灾区(河南省鹤壁市浚县)灾害前后Sentinel-1、Sen... 洪涝灾害严重危害人类的生命和财产安全,洪涝灾害的应急监测对灾情评估具有重要意义。灾害发生时期往往伴随恶劣天气,针对洪涝灾害期间光学遥感数据使用受限问题,研究选取“7·20”重灾区(河南省鹤壁市浚县)灾害前后Sentinel-1、Sentinel-2多时相主被动遥感影像为数据源,有效提取洪水淹没范围,并对土地利用/覆盖类型受灾情况进行评估。首先,在对Sentinel-1A雷达数据进行多视、配准、地理编码等处理的基础上,进行阈值分割提取水体;然后,基于随机森林集成学习对灾前Sentinel-2光学影像进行地类提取;最后,结合GIS地理信息分析技术进行研究区乡镇淹没面积、淹没空间特征分析,并评估灾情影响。结果显示:(1)Sentinel-1雷达数据能够快速、有效提取受灾后水体面积,如监测到的2021年7月27日和8月8日水体面积分别为95.755 km^(2)和103.368 km^(2)。(2)Sentinel-2光学数据结合随机森林算法能够精确获取受灾前研究区土地利用/覆盖类型,精度达96.3%,能够为不同地类受灾评估提供有效支撑。(3)新镇、小河镇受灾最为严重,洪水面积均在34 km^(2)以上,主要原因为上游泄洪、水满溢出河堤。研究结果表明,协同多时相Sentinel-1/2主被遥感影像能够在恶劣天气条件下有效提取水淹区域,可为应急救灾提供数据支持。 展开更多
关键词 被动遥感 洪涝监测 水体提取 灾害评估 随机森林算法 GIS分析
在线阅读 下载PDF
基于PCA和SVM的遥感影像水体提取方法及验证 被引量:27
4
作者 周婷 汪炎 +5 位作者 邹俊 李辰 崔玉环 王笑宇 谢传流 夏萍 《水资源保护》 EI CAS CSCD 北大核心 2023年第2期180-189,共10页
针对内陆湖泊水质及光谱特性空间差异性大、支流水系结构复杂而导致的遥感影像水体提取精度低的问题,提出了结合光谱主成分分析(PCA)及支持向量机(SVM)的PCA-SVM水体提取算法。基于GF-1卫星遥感影像,对原始影像光谱波段特征进行PCA降维... 针对内陆湖泊水质及光谱特性空间差异性大、支流水系结构复杂而导致的遥感影像水体提取精度低的问题,提出了结合光谱主成分分析(PCA)及支持向量机(SVM)的PCA-SVM水体提取算法。基于GF-1卫星遥感影像,对原始影像光谱波段特征进行PCA降维,从中优选熵、方差、差异性纹理特征向量,结合原始波段及归一化差分水体指数(NDWI),构建了8维特征向量,并基于SVM算法提取湖泊水体。以巢湖洪水期与非洪水期影像为研究实例,分别采用NDWI法、传统SVM算法及PCA-SVM算法对水体进行提取,并进一步基于PCA-SVM算法对2020年汛期巢湖洪水期淹没演变过程进行反演和跟踪,定量解析特征向量组合及SVM惩罚系数C对水体提取性能的影响。结果表明:PCA-SVM算法提取的湖泊完整、支流连续,显著改善了含蓝藻水体漏提、建筑物误提等问题;洪水期和非洪水期提取结果的F1分数分别为95.08%和97.95%,虚警率分别为5.43%和1.13%,提取精度显著高于NDWI法和SVM算法。 展开更多
关键词 遥感影像水体提取 归一化差分水体指数(NDWI) 支持向量机(SVM) 成分分析(PCA) 纹理特征向量 巢湖
在线阅读 下载PDF
基于时序Landsat遥感数据的新疆开孔河流域农作物类型识别 被引量:20
5
作者 汪小钦 邱鹏勋 +1 位作者 李娅丽 茶明星 《农业工程学报》 EI CAS CSCD 北大核心 2019年第16期180-188,共9页
快速、准确地获取农作物类别信息对农业部门的生产管理、政策制定具有重要作用。目前基于时间序列数据进行农作物分类主要是采用长时间序列的中低分辨率影像,大量的混合像元限制了农作物的分类精度。在农作物分类的特征选择方面主要是... 快速、准确地获取农作物类别信息对农业部门的生产管理、政策制定具有重要作用。目前基于时间序列数据进行农作物分类主要是采用长时间序列的中低分辨率影像,大量的混合像元限制了农作物的分类精度。在农作物分类的特征选择方面主要是采用归一化植被指数(normalized differential vegetation index, NDVI),而其他特征量的应用还相对较少。该文以新疆开孔河农业区为研究区域,利用2016年的Landsat7 ETM+、Landsat8 OLI影像数据集,基于时间加权的动态时间规整(time weighted dynamic time warping,TWDTW)方法开展农作物类型识别研究,主要包括香梨、小麦、辣椒、棉花等。根据野外采集的样本点构建主要农作物的NDVI和第一主成分(principal component analysis 1,PCA1)时间序列,以反映不同农作物间的物候差异。基于NDVI数据分别利用DTW和TWDTW算法计算各未知像元序列与标准序列间的相似性程度,得到农作物的分类结果,2种方法的分类精度分别为65.69%、82.68%,表明时间权重的加入提高了DTW算法识别不同农作物的能力。结合NDVI与PCA1后,TWDTW的分类精度又提高了2.61个百分点,部分农作物的误分现象明显减少,说明PCA1能够进一步扩大作物间的差异性,提高分类精度。同时,还通过选取有限时相的影像组合进行分类,试验结果表明TWDTW算法在中高分辨率数据较少的情况下能够得到较为满意的分类结果,说明TWDTW算法在中高分辨率影像越来越丰富的时代具有应用潜力。 展开更多
关键词 遥感 作物 分类 时间加权的动态时间规整(TWDTW) 时间序列 归一化植被指数 成分变换
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部