排序方式: 共有7条查询结果,搜索用时 93 毫秒
1
1.
2.
将n个波段的高光谱图像像元与n维空间里的散点联系起来,结合凸体几何中单形体概念研究高光谱遥感图像纯净像元提取方法,实现图像的地物精确分类识别及像元波谱分解。寻找高光谱遥感图像n维空间里的单形体并认知分析单形体是该研究方法的重要环节。通过MNF(minimum noise fraction)变换和PPI(pixel purity index)计算技术寻找到单形体,基于单形体进行像元分解分析单形体,并结合应用实例和SAM(spectral angle mapper)分类技术完成高光谱图像地物精确分类制图,验证了该研究方法的可操作性。该研究方法的优点在于不需要用户提供地物波谱信息,用于制图和波谱分解的终端单元可由图像本身得到,并由用户控制分类制图和波谱分解的详细程度。 相似文献
3.
4.
5.
6.
遥感提取叶面积指数的地形影响分析 总被引:5,自引:0,他引:5
结合1:50000DEM对贵州省黎平县内研究区的ETM 遥感影像进行地形纠正,分别使用地形纠正前后的图像建立植被指数与实测杉木林、阔叶林、竹林的叶面积指数相关关系,从而对研究区森林叶面积指数进行计算。研究表明,利用遥感影像计算山地丘陵林区叶面积指数时地形是一个重要的影响因素,它致使遥感影像提取的叶面积指数出现一定的偏差。因此.本文从电磁波辐射传输理论着手,采用一种地形影响去除方法,即先把遥感图像归一化为没有地形影响下的亮度图像,再通过该亮度图像提取森林叶面积指数,并通过实地观测数据验证了该地形纠正方法的有效性。同时,也提出了利用地形因子和遥感影像亮度值的关系计算大气程辐射的方法。 相似文献
7.
针对印度和巴基斯坦近年干旱频发的问题,该文使用温度植被干旱指数对印巴地区2009~2014年干季(3~5月)实现遥感干旱监测,利用多年同期MODIS卫星数据构建印巴地区归一化植被指数-陆地表面温度的特征空间,拟合特征空间中的干、湿边方程,进一步反演温度植被干旱指数,对该区土地利用和地形作了统计与分析,对温度植被干旱指数划分等级,并利用印巴气象站点的实测降水量以及标准降水指数进行验证。结果表明:1)从干旱等级面积统计来看,印巴地区干季主要以中旱为主,其他等级面积所占比例较小;2)从土地利用类型来看,全区土地覆盖良好,温度植被干旱指数作为印巴地区旱情评价指标具有一定的合理性;3)从气象站点数据来看,归一化植被指数-陆地表面温度特征空间反演的温度植被干旱指数与降水具有密切相关性。 相似文献
1