排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
以ALOS AVNIR-2、CBERS-02B CCD、HJ1A-CCD2、Landsat 7 ETM四幅中分辨率遥感影像为试验数据,分析明亮区植被、阴影区植被与水体区的光谱特征与差异,基于近红外波段与归一化植被指数NDVI,构建归一化阴影植被指数NSVI,并评价其光谱差异增强及分类效果.结果表明,NSVI大幅扩大了明亮区植被、阴影区植被、水体区间的光谱相对差异,降低光谱混淆概率;利用NSVI阈值法对四幅试验影像进行分类,总精度均大于97%,总Kappa在0.96以上,且阴影区植被的检测精度均在94%以上,总Kappa系数亦高于0.96.该指数利用地物在近红外波段的辐射差异,解决NDVI只能部分削弱地形影响的问题,扩大地物间的光谱差异,从而提升地物尤其是阴影检测的有效性,且不存在NDVI"易饱和"问题,可为遥感影像阴影去除提供一种新的解决方案. 相似文献
2.
3.
4.
5.
采用选择性浸出—酸浸—萃取工艺回收某湿法炼锌企业产生的净化钴渣中的锌、钴。合适的选择性浸出条件为:净化钴渣粒度<0.530mm、浸出过程pH≥3.5、浸出终点pH=4.5、浸出时间3h、浸出液固比4∶1、浸出过程不加热(30℃),在此条件下锌浸出率超过95%、钴浸出率仅为6.24%。选择性浸出后锌主要进入浸出液,可返回至湿法炼锌工序回收利用;钴主要留存在选择性浸出渣中,继续经过酸浸溶出、P204萃取除杂后也可被回收利用。 相似文献
6.
开展复杂地形区竹林的遥感精细化识别有助于及时摸清竹林分布,充分发挥竹林的生态和经济社会价值。在“基于片层―面向类”(FB-CO)算法基础上,尝试对该算法进行改进,并利用Sentinal-2A MSI影像验证改进的有效性。改进的“基于片层―面向类”(MFB-CO)竹林信息遥感提取算法利用归一化阴影植被指数NSVI代替单波段阈值分割明亮区与阴影区林地,采用线性回归模型增强阴影区信息,并引入BPNN、SVM和RF等3种分类器提取竹林。结果表明,基于NSVI的明亮区和阴影区林地分割总精度(OA)为96.00%,优于基于NIR的83.50%;阴影信息增强后,各波段拟合模型R2均大于0.82,MRE均小于5%;FB-CO算法的竹林提取OA为82.41%,在MFB-CO算法框架下,BPNN、SVM、RF等3种分类器的竹林提取OA分别为86.51%、88.43%、88.92%,均优于FB-CO算法。由此可见,MFB-CO算法通过改进FB-CO算法几个关键步骤的具体实现途径,有效提升了竹林信息提取能力,可为竹林的精细化识别提供技术支撑。 相似文献
7.
1