期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
农区MODIS植被指数时间序列数据重建 被引量:7
1
作者 侯东 潘耀忠 +4 位作者 张锦水 梁顺林 朱文泉 李乐 李苓苓 《农业工程学报》 EI CAS CSCD 北大核心 2010年第S1期206-212,共7页
MODIS植被指数时间序列数据能够连续反映植被的覆盖情况,是农作物遥感测量的重要数据源。但现有MOD13产品中存在由云、气溶胶,传感器角度等干扰因素导致的噪声指数。因此,必须对MOD13时间序列中的噪声指数进行恢复。根据农作物种植区物... MODIS植被指数时间序列数据能够连续反映植被的覆盖情况,是农作物遥感测量的重要数据源。但现有MOD13产品中存在由云、气溶胶,传感器角度等干扰因素导致的噪声指数。因此,必须对MOD13时间序列中的噪声指数进行恢复。根据农作物种植区物候与熟制信息,将待重建像元时间序列划分为符合作物生长周期的时段。对各时段内指数按非对称高斯模型重建,优化相邻时段之间重叠期内指数。多次迭代重建和优化过程后恢复时间序列中噪声指数。对覆盖北京市通州区以南和河北省保定市以北农区2005年MOD13数据进行重建,与两阶段S-G滤波重建结果对比。结果表明:噪声指数被准确判断并恢复。农区多熟制导致的低值指数被有效保留。重建时间序列可以正确反映植被的覆盖情况。 展开更多
关键词 遥感 植被 农作物 MODIS时间序列重建 农作物种植区 非对称高斯函数 物候 熟制
在线阅读 下载PDF
环境星NDVI时间序列重构方法研究 被引量:7
2
作者 李天祺 朱秀芳 +1 位作者 潘耀忠 刘宪锋 《遥感信息》 CSCD 北大核心 2015年第1期58-65,共8页
利用目前时间序列曲线重构中较为常用的非对称高斯函数拟合、Double-Logistic曲线拟合、S-G滤波和时间序列谐波分析法对环境星NDVI时间序列进行重构处理。分析了上述4种植被指数时间序列重构方法对环境星数据的适用性。实验结果表明,对... 利用目前时间序列曲线重构中较为常用的非对称高斯函数拟合、Double-Logistic曲线拟合、S-G滤波和时间序列谐波分析法对环境星NDVI时间序列进行重构处理。分析了上述4种植被指数时间序列重构方法对环境星数据的适用性。实验结果表明,对于环境星数据,在4种方法中非对称高斯函数拟合、Double-Logistic曲线拟合法更适用于对植被地物的时间序列进行重构,对照参考数据,其重构曲线对植被物候的表达有较高的一致性;而时间序列谐波分析法对原始数据的扰动最小,适用于非植被地物的时间序列重构;S-G滤波在4种方法中的重构效果最差。 展开更多
关键词 时间序列 环境星 非对称高斯函数拟合 Double-Logistic曲线拟合 S-G滤波 时间序列谐波分析法
在线阅读 下载PDF
重庆地区MODIS/NDVI时间序列数据重建研究 被引量:11
3
作者 李军 朱慧 《地理科学》 CSSCI CSCD 北大核心 2017年第3期437-444,共8页
基于时间分辨率为逐月、空间分辨率为1 km的MODIS/NDVI数据,利用WS、S-G、A-G和D-L这4种重建方法对重庆市2010~2014年间历年逐月的NDVI时间序列数据进行重建,并采用视觉对比、分地类像元对比、相关系数(R)、均方根误差(RMSE)、赤池信息... 基于时间分辨率为逐月、空间分辨率为1 km的MODIS/NDVI数据,利用WS、S-G、A-G和D-L这4种重建方法对重庆市2010~2014年间历年逐月的NDVI时间序列数据进行重建,并采用视觉对比、分地类像元对比、相关系数(R)、均方根误差(RMSE)、赤池信息准则(AIC)和贝叶斯信息准则(BIC)对4种重建结果进行了评价。结果表明:S-G和WS重建后噪声少,S-G的曲线最为平滑,A-G与WS保真性较好。其中,A-G的R>0.8和RMSE<0.05的分布面积最大,分别占总面积的89.41%和66.40%;WS次之,占72.76%和59.37%。此外,在模型效果分析中A-G的AIC和BIC评价结果最佳,WS在其他3种方法BIC评价结果较差的渝西地区也有较好的评价结果。 展开更多
关键词 NDVI时间序列重建 Whittaker Savitzky-Golay 非对称高斯函数拟合法 双逻辑斯蒂函数拟合法
在线阅读 下载PDF
基于IRBFNN和IRAN的非线性动态系统在线自适应建模
4
作者 刘士荣 俞其江 +1 位作者 李文磊 俞金寿 《华东理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2006年第7期784-788,共5页
将资源分配网络算法(RAN)与相似隐单元合并操作、冗余隐单元删除操作和基于滑动数据窗连接权值学习相结合,形成了改进的资源分配网络(IRAN)算法。IRAN算法用于非线性动态系统的在线建模,能有效地改善模型精度和泛化能力。将改进径向基函... 将资源分配网络算法(RAN)与相似隐单元合并操作、冗余隐单元删除操作和基于滑动数据窗连接权值学习相结合,形成了改进的资源分配网络(IRAN)算法。IRAN算法用于非线性动态系统的在线建模,能有效地改善模型精度和泛化能力。将改进径向基函数(RBF)神经网络(IRBFNN)和IRAN结合可以用于不确定非线性动态系统自适应建模。仿真研究表明:所提出的建模方法在模型精简、泛化和自适应等方面均具有优良的性能。 展开更多
关键词 非对称高斯函数 IRAN算法 非线性动态系统 在线自适应建模
在线阅读 下载PDF
模糊逻辑系统的区域分割学习方法
5
作者 邓建军 徐立鸿 吴启迪 《同济大学学报(自然科学版)》 EI CAS CSCD 北大核心 2002年第1期92-96,共5页
模糊逻辑系统的区域分割学习方法采用规则前件为不对称高斯型隶属度函数的模糊逻辑系统 .新规则生成的判据是模糊逻辑系统对新样本数据的逼近性能达不到期望逼近精度 .方法定义了规则有效范围的概念 ,并假定模糊逻辑系统中各规则的有效... 模糊逻辑系统的区域分割学习方法采用规则前件为不对称高斯型隶属度函数的模糊逻辑系统 .新规则生成的判据是模糊逻辑系统对新样本数据的逼近性能达不到期望逼近精度 .方法定义了规则有效范围的概念 ,并假定模糊逻辑系统中各规则的有效范围不能互相冲突 ,在输入空间内的一个点只能位于唯一一条规则的有效范围之内 ,并据此来确定新规则的有效范围 ,新规则的有效范围是由原所在规则的有效范围分割而来 .方法的应用前提条件很少 ,只需要事先确定期望逼近精度和有效范围系数 . 展开更多
关键词 模糊逻辑系统 非对称高斯函数 区域分割学习方法 模糊规则 学习算法 非线性系统
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部