利用多光谱遥感技术定量估算野鸭湖湿地挺水植物的含水量.基于典型挺水植物的实测冠层光谱及其对应样方的叶片含水量和叶面积指数LAI数据,首先对芦苇和香蒲的地面实测光谱进行重采样,以模拟WorldView-2影像的光谱,然后利用模拟光谱分别...利用多光谱遥感技术定量估算野鸭湖湿地挺水植物的含水量.基于典型挺水植物的实测冠层光谱及其对应样方的叶片含水量和叶面积指数LAI数据,首先对芦苇和香蒲的地面实测光谱进行重采样,以模拟WorldView-2影像的光谱,然后利用模拟光谱分别构建芦苇和香蒲任意两波段反射率组合而成的比值(SR)和归一化差值植被指数(NDVI),通过分析植被指数与CWC(冠层含水量,Canopy Water Content)的相关关系,选择与CWC显著相关的植被指数,并通过单变量线性与非线性拟合的分析方法确定监测不同挺水植物群落的最佳植被指数,建立估算模型;结合覆盖研究区的WorldView-2高分辨率多光谱影像,对研究区的挺水植物群落CWC进行反演及制图.结果表明,基于模拟WorldView-2影像光谱构建的比值(SR)和归一化差值植被指数(NDVI)与CWC的总体相关性较高;SR(8,3)芦苇为估算CWC芦苇的最优植被指数,估算模型为y=0.005x+0.003,NDVI(8,3)香蒲为估算CWC香蒲的最优植被指数,估算模型为y=2.461x2-0.313x+0.032,通过交叉检验,CWC芦苇和CWC香蒲的预测精度分别为87.42%和82.12%,预测精度较为理想;利用实测数据对反演的CWC空间分布图进行了验证,通过验证,芦苇和香蒲影像估算CWC的均方根差(RMSE)分别为0.0048和0.0052,估算精度分别为83.56%和80.31%,表明利用WorldView-2高分辨率多光谱影像反演湿地挺水植物群落CWC具有较高的可行性.展开更多
提出了一种对Landsat-8和Worldview-2协同后的岩性分类方法。首先对Landsat-8和Worldview-2影像进行协同:在对Landsat-8全色波段与其多光谱进行自协同后,与Worldview-2多光谱第8波段数据协同,将协同后的Landsat-8中短波红外数据与Worldv...提出了一种对Landsat-8和Worldview-2协同后的岩性分类方法。首先对Landsat-8和Worldview-2影像进行协同:在对Landsat-8全色波段与其多光谱进行自协同后,与Worldview-2多光谱第8波段数据协同,将协同后的Landsat-8中短波红外数据与Worldview-2数据进行叠加,得到最后协同结果。对协同后的数据进行岩性分类:利用基于最大似然法(maximum likelihood,ML)进行初始分类,由马尔科夫随机场法(Markov Random Field,MRF)对结果进行优化得到最终分类结果。采用新疆西昆仑地区遥感数据进行了实验,结果证实协同后数据的分类结果具有更高的分类精度。展开更多
针对沿海牡蛎养殖模式的特点,使用WorldView-2影像为数据源,以浙江省象山港牡蛎养殖区为研究区,采用主成分分析(Principal Component Analysis,PCA)、GS(Gram-Schmidt)变换、NNDiffuse Pan Sharpening、Brovey变换、小波变换(Wavelet Tr...针对沿海牡蛎养殖模式的特点,使用WorldView-2影像为数据源,以浙江省象山港牡蛎养殖区为研究区,采用主成分分析(Principal Component Analysis,PCA)、GS(Gram-Schmidt)变换、NNDiffuse Pan Sharpening、Brovey变换、小波变换(Wavelet Transform)5种融合方法对多光谱和全色影像数据进行融合,选用均值、标准差、信息熵、平均梯度、相关系数和光谱扭曲程度6种客观评价指标,对5种融合结果进行主观定性和客观定量的评价与分析。结果表明:整体上,经PCA方法融合后的遥感影像在保持空间纹理细节信息的同时,光谱信息保持较好,是WorldView-2影像进行沿海牡蛎养殖遥感应用时最适合的融合方法;GS融合效果仅次于PCA;而NNDiffuse Pan Sharpening、Wavelet变换和Brovey变换均不适合浮筏识别与提取。展开更多
文摘利用多光谱遥感技术定量估算野鸭湖湿地挺水植物的含水量.基于典型挺水植物的实测冠层光谱及其对应样方的叶片含水量和叶面积指数LAI数据,首先对芦苇和香蒲的地面实测光谱进行重采样,以模拟WorldView-2影像的光谱,然后利用模拟光谱分别构建芦苇和香蒲任意两波段反射率组合而成的比值(SR)和归一化差值植被指数(NDVI),通过分析植被指数与CWC(冠层含水量,Canopy Water Content)的相关关系,选择与CWC显著相关的植被指数,并通过单变量线性与非线性拟合的分析方法确定监测不同挺水植物群落的最佳植被指数,建立估算模型;结合覆盖研究区的WorldView-2高分辨率多光谱影像,对研究区的挺水植物群落CWC进行反演及制图.结果表明,基于模拟WorldView-2影像光谱构建的比值(SR)和归一化差值植被指数(NDVI)与CWC的总体相关性较高;SR(8,3)芦苇为估算CWC芦苇的最优植被指数,估算模型为y=0.005x+0.003,NDVI(8,3)香蒲为估算CWC香蒲的最优植被指数,估算模型为y=2.461x2-0.313x+0.032,通过交叉检验,CWC芦苇和CWC香蒲的预测精度分别为87.42%和82.12%,预测精度较为理想;利用实测数据对反演的CWC空间分布图进行了验证,通过验证,芦苇和香蒲影像估算CWC的均方根差(RMSE)分别为0.0048和0.0052,估算精度分别为83.56%和80.31%,表明利用WorldView-2高分辨率多光谱影像反演湿地挺水植物群落CWC具有较高的可行性.
文摘提出了一种对Landsat-8和Worldview-2协同后的岩性分类方法。首先对Landsat-8和Worldview-2影像进行协同:在对Landsat-8全色波段与其多光谱进行自协同后,与Worldview-2多光谱第8波段数据协同,将协同后的Landsat-8中短波红外数据与Worldview-2数据进行叠加,得到最后协同结果。对协同后的数据进行岩性分类:利用基于最大似然法(maximum likelihood,ML)进行初始分类,由马尔科夫随机场法(Markov Random Field,MRF)对结果进行优化得到最终分类结果。采用新疆西昆仑地区遥感数据进行了实验,结果证实协同后数据的分类结果具有更高的分类精度。
文摘针对沿海牡蛎养殖模式的特点,使用WorldView-2影像为数据源,以浙江省象山港牡蛎养殖区为研究区,采用主成分分析(Principal Component Analysis,PCA)、GS(Gram-Schmidt)变换、NNDiffuse Pan Sharpening、Brovey变换、小波变换(Wavelet Transform)5种融合方法对多光谱和全色影像数据进行融合,选用均值、标准差、信息熵、平均梯度、相关系数和光谱扭曲程度6种客观评价指标,对5种融合结果进行主观定性和客观定量的评价与分析。结果表明:整体上,经PCA方法融合后的遥感影像在保持空间纹理细节信息的同时,光谱信息保持较好,是WorldView-2影像进行沿海牡蛎养殖遥感应用时最适合的融合方法;GS融合效果仅次于PCA;而NNDiffuse Pan Sharpening、Wavelet变换和Brovey变换均不适合浮筏识别与提取。
