期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于卫星和无人机遥感数据尺度转换的土壤盐渍化监测研究 被引量:12
1
作者 冯文哲 王新涛 +5 位作者 韩佳 赵亿祥 梁磊 李定乾 唐新新 张智韬 《节水灌溉》 北大核心 2020年第11期87-93,104,共8页
为提高卫星遥感对土壤盐渍化的监测精度,以内蒙古河套灌区沙壕渠灌域内5块地为研究区,利用GF-1卫星遥感和无人机多光谱遥感分别获取2018年6月中旬的遥感影像数据,同步采集0~20 cm,20~40 cm深度的土壤样点,并引用洛伦兹曲线的原理以表征... 为提高卫星遥感对土壤盐渍化的监测精度,以内蒙古河套灌区沙壕渠灌域内5块地为研究区,利用GF-1卫星遥感和无人机多光谱遥感分别获取2018年6月中旬的遥感影像数据,同步采集0~20 cm,20~40 cm深度的土壤样点,并引用洛伦兹曲线的原理以表征土壤异质性,同时引入BP神经网络(Back Propagation,BP)、支持向量机(Support Vector Machine,SVM)和极限学习机(Extreme Learning Machine,ELM)构建土壤盐渍化监测模型。采用重采样尺度转换方法,对无人机数据进行尺度上推,用尺度上推后的无人机数据修正GF-1卫星数据,对修正后的数据进行反演建模并与直接采用卫星数据建立的模型进行对比。结果表明:实验区异质性大小与变异系数大小呈正相关。无人机数据构建的机器学习算法模型精度高于卫星数据。其中20 cm深度下无人机遥感数据反演土壤含盐量的最优模型为SVM模型,决定系数(R^2)为0.875,均方根误差(RMSE)为0.132,相对分析误差(RPD)为2.773;40 cm深度下无人机遥感数据反演土壤含盐量的最优模型为BP模型R^2为0.709,RMSE为0.144,RPD为1.781;20 cm深度下GF-1卫星遥感数据反演土壤含盐量的最优模型为SVM模型,R^2为0.453,RMSE为0.245,RPD为0.055;40 cm深度下GF-1卫星遥感数据反演土壤含盐量的最优模型为BP模型R^2为0.271,RMSE为0.267,RPD为0.001。通过升尺度转换,可提高卫星遥感反演土壤盐分的模型精度,R^2可提高0.4~0.5,RMSE可减小0.061,RPD可提高1.308。可为改进卫星遥感监测土壤盐渍化方法提供参考。 展开更多
关键词 尺度转换 土壤盐渍化 多光谱遥感 机器学习 gf-1卫星数据 无人机遥感数据
在线阅读 下载PDF
PSO聚类算法的京津冀地区气溶胶光学厚度反演 被引量:1
2
作者 王书涛 王贵川 +2 位作者 凡堃堃 吴兴 王玉田 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2020年第11期3321-3327,共7页
气溶胶光学厚度(AOD)是气溶胶浓度和大气浊度的重要表征参数。通过遥感手段实现大气气溶胶光学厚度的反演是大气监测与治理过程中的重要方式,其中遥感反演AOD的重点和难点是如何选择适合卫星传感器成像特点的方法和符合研究区域的气溶... 气溶胶光学厚度(AOD)是气溶胶浓度和大气浊度的重要表征参数。通过遥感手段实现大气气溶胶光学厚度的反演是大气监测与治理过程中的重要方式,其中遥感反演AOD的重点和难点是如何选择适合卫星传感器成像特点的方法和符合研究区域的气溶胶类型。针对传统暗目标法无法直接应用于高分四号(GF-4)卫星多光谱遥感数据的问题,通过研究得出了GF-4卫星多光谱数据中红、蓝波段等效地表反射率的分布和两者之间的线性关系,结合AOD反演原理改进暗目标法使其适用于GF-4卫星多光谱遥感数据;分析6S辐射传输模型输入参数中气溶胶类型对AOD反演精度的影响,结果表明气溶胶类型是影响AOD高精度反演的关键要素之一;利用粒子群(PSO)聚类算法对京津冀地区气溶胶特性实测样本进行聚类分析,通过分析各个气溶胶类型聚类结果的占比和半衰期变化情况,最终确定聚类得到的C1、 C4型和6S模型内置的大陆型气溶胶类型进行京津冀地区的AOD反演。为了验证不同气溶胶类型AOD反演结果的精度,将反演结果与MODIS气溶胶产品和气溶胶自动观测网(AERONET)地基站点数据进行对比验证,通过相关系数、绝对误差等评价标准对不同气溶胶类型的适用性和特点进行评价。实验结果表明,以细粒子为主导的C4型气溶胶更满足京津冀地区夏秋两季的气溶胶特点,与AERONET地基数据的一致性较好,进一步证明了PSO聚类算法能够有效减小气溶胶类型的差异对AOD反演精度的影响。 展开更多
关键词 气溶胶 gf-4卫星多光谱数据 京津冀地区 PSO聚类算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部