农田干旱具有范围广且对农业生产影响巨大的特点,对农田干旱的遥感实时动态监测是目前公认的难题。利用MODIS的地表温度(LST)产品和叶面积指数(LAI)产品,构建LST-LAI光谱特征空间,提出温度—叶面积干旱指数(temperature LAI drought ind...农田干旱具有范围广且对农业生产影响巨大的特点,对农田干旱的遥感实时动态监测是目前公认的难题。利用MODIS的地表温度(LST)产品和叶面积指数(LAI)产品,构建LST-LAI光谱特征空间,提出温度—叶面积干旱指数(temperature LAI drought index,TLDI)监测农田水分含量,并利用宁夏实测的0～10cm平均土壤含水量验证该指数的精度,结果表明:它们之间具有良好的相关性,R2的变化范围为0.43～0.86。与TVDI相比,TLDI弥补了作物封垄后TVDI因归一化植被指数(NDVI)饱和对农田水分监测精度降低的缺陷。此外,利用MODIS数据产品LST和LAI进行农田干旱监测,避免了使用MODIS原始数据的繁杂处理过程,初步为MODIS数据产品在农田干旱监测业务化运行探索出一条技术流程。展开更多
以多重信号分类(Multrple Signal Classification,MUSIC)算法为代表的现代空间谱估计方法,估计的信源数受限于阵列形式,并且需要的采样数据量巨大.文章从压缩感知的基础理论出发,利用目标信号空间分布的稀疏性,建立了基于压缩感知的阵...以多重信号分类(Multrple Signal Classification,MUSIC)算法为代表的现代空间谱估计方法,估计的信源数受限于阵列形式,并且需要的采样数据量巨大.文章从压缩感知的基础理论出发,利用目标信号空间分布的稀疏性,建立了基于压缩感知的阵列信号空间谱估计模型.利用压缩感知方法,可以使用较少的阵元数对空间信号进行采样测量,并准确重构信号.相比传统的MUSIC空间谱估计算法,该方法所需阵元数少,采样数据量小,并且能同时进行信号强度和角度的估计.所提方法对推动压缩感知理论在阵列信号空间谱估计中的应用具有一定意义.展开更多
文摘农田干旱具有范围广且对农业生产影响巨大的特点,对农田干旱的遥感实时动态监测是目前公认的难题。利用MODIS的地表温度(LST)产品和叶面积指数(LAI)产品,构建LST-LAI光谱特征空间,提出温度—叶面积干旱指数(temperature LAI drought index,TLDI)监测农田水分含量,并利用宁夏实测的0～10cm平均土壤含水量验证该指数的精度,结果表明:它们之间具有良好的相关性,R2的变化范围为0.43～0.86。与TVDI相比,TLDI弥补了作物封垄后TVDI因归一化植被指数(NDVI)饱和对农田水分监测精度降低的缺陷。此外,利用MODIS数据产品LST和LAI进行农田干旱监测,避免了使用MODIS原始数据的繁杂处理过程,初步为MODIS数据产品在农田干旱监测业务化运行探索出一条技术流程。
文摘以多重信号分类(Multrple Signal Classification,MUSIC)算法为代表的现代空间谱估计方法,估计的信源数受限于阵列形式,并且需要的采样数据量巨大.文章从压缩感知的基础理论出发,利用目标信号空间分布的稀疏性,建立了基于压缩感知的阵列信号空间谱估计模型.利用压缩感知方法,可以使用较少的阵元数对空间信号进行采样测量,并准确重构信号.相比传统的MUSIC空间谱估计算法,该方法所需阵元数少,采样数据量小,并且能同时进行信号强度和角度的估计.所提方法对推动压缩感知理论在阵列信号空间谱估计中的应用具有一定意义.
