T erra-M OD IS数据集同时具有归一化植被指数(NDV I)和增强型植被指数(EV I)两种植被指数。为了对比这两种植被指数在农作物估产中的应用效果,该文利用M OD IS-NDV I和M OD IS-EV I作为遥感特征参量,以对美国冬小麦的长势监测与产量预...T erra-M OD IS数据集同时具有归一化植被指数(NDV I)和增强型植被指数(EV I)两种植被指数。为了对比这两种植被指数在农作物估产中的应用效果,该文利用M OD IS-NDV I和M OD IS-EV I作为遥感特征参量,以对美国冬小麦的长势监测与产量预测为例进行了研究:运用区域作物特定生育期内多年的NDV I和EV I值与作物产量进行相关分析,采用一次线性拟合方法分别建立回归方程,估算当年的农作物产量。结果表明,EV I明显地比NDV I更好地与产量建立回归方程,用EV I建立的回归方程,各州相关系数大多在0.7以上;而用NDV I建立的回归方程,相关性不稳定。因此利用EV I建立的模型对2004年美国冬小麦进行估产,并将预测结果与美国国家统计署6月1号公布的预测结果进行对比,结果发现,美国国家统计署预测单产误差为3.05%,总产误差为-2.56%,而该研究预测结果单产误差为2.62%,总产误差为-1.77%且预测时间比美国国家统计署预测时间提前约半个月。可见EV I可以更有效地进行作物监测及估产,提高预测的准确性。展开更多
近年来无人机遥感发展迅速,其高机动性、高分辨率和低成本等特点,已经被证明为低空遥感探测的重要手段。通过配准序列图像,最优化迭代得到内外方位元素,基于核线约束,利用改进的密集匹配方法,直接生成整个区域的数字地表模型。在密集匹...近年来无人机遥感发展迅速,其高机动性、高分辨率和低成本等特点,已经被证明为低空遥感探测的重要手段。通过配准序列图像,最优化迭代得到内外方位元素,基于核线约束,利用改进的密集匹配方法,直接生成整个区域的数字地表模型。在密集匹配中,添加所有图像的FAST(Features from Accelerated Segment Test)角点,扩展投影点集,用于构建初始点云的格网平面。基于影像相关和核线约束,在相关的子区域内搜索最优投影点,然后通过最小二乘迭代各投影点,定位最优地面点。通过高斯函数的加权平均方法,引入各投影点的辐射比例因子,生成归一化的图像像素值,获得彩色点云。实验表明,该方法生成的真实彩色三维模型,有效地表现出建筑、道路和树木等基础地物类型。展开更多
文摘近年来无人机遥感发展迅速,其高机动性、高分辨率和低成本等特点,已经被证明为低空遥感探测的重要手段。通过配准序列图像,最优化迭代得到内外方位元素,基于核线约束,利用改进的密集匹配方法,直接生成整个区域的数字地表模型。在密集匹配中,添加所有图像的FAST(Features from Accelerated Segment Test)角点,扩展投影点集,用于构建初始点云的格网平面。基于影像相关和核线约束,在相关的子区域内搜索最优投影点,然后通过最小二乘迭代各投影点,定位最优地面点。通过高斯函数的加权平均方法,引入各投影点的辐射比例因子,生成归一化的图像像素值,获得彩色点云。实验表明,该方法生成的真实彩色三维模型,有效地表现出建筑、道路和树木等基础地物类型。
