期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到6篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
地表方向反射特性对AOD反演误差的影响研究
1
作者 冀哲 李正强 +3 位作者 马䶮 姚前 张鹏 陈震霆 《光谱学与光谱分析》 北大核心 2025年第3期852-862,共11页
分离地表贡献是反演气溶胶光学厚度(AOD)的关键步骤。传统针对单角度载荷开发的反演算法通常假设地表为均一朗伯体,忽略了地表的各向异性,从而带来了误差。然而,由于信息量不足考虑地表特性会产生病态反演问题,因此需要引入先验知识刻... 分离地表贡献是反演气溶胶光学厚度(AOD)的关键步骤。传统针对单角度载荷开发的反演算法通常假设地表为均一朗伯体,忽略了地表的各向异性,从而带来了误差。然而,由于信息量不足考虑地表特性会产生病态反演问题,因此需要引入先验知识刻画地表各向异性参数。通常使用一定时间范围内均值作为地表参数的先验值,但地表情况随时间变化,使用平均值会造成地表贡献估计的不准确。为了评估使用平均值对反演精度的影响,该研究基于2022年的MODIS双向反射分布函数产品(MCD43C2)进行了分析,并结合MODIS地表分类产品(MCD12C1),对全球不同地表覆盖类型的各向同性散射核系数进行统计。结果显示,该参数在以林地为主要覆盖的场景下一般低于0.05,在草地、耕地以及城镇为主要覆盖的场景下有近90%的情况低于0.1。根据统计的经验值,模拟了不同地表类型下表观反射率可能出现的误差,并基于模拟结果反演AOD;经与预设的AOD“真值”对比发现,相对于植被覆盖较少的亮地表,在植被覆盖较高的地表处,以季度平均值作为该位置处的双向反射分布函数(BRDF)形状参数产生误差较少。即当太阳高度角为50°,AOD真值为0.4时,常绿阔叶林区域的平均反演绝对误差最大为0.053;近90%的草地、耕地以及城镇区域平均反演绝对误差最大分别为0.089/0.083/0.113。但在亮地表区域,AOD平均反演绝对误差显著增加,最大值达到0.145。这表明使用季度平均BRDF形状参数作为AOD反演中的地表约束的可靠性随着地表反射率的升高而降低,即使用地表信号占主导的标量卫星观测进行气溶胶的反演,存在不可避免的不确定性。因此,使用多角度偏振观测实现BRDF和AOD的协同反演是未来提高气溶胶反演精度的重要方向。研究结果可以对全球不同地表类型区域的BRDF核系数分布提供先验知识,且进一步探究了基于非朗伯前向辐射传输模型反演AOD的误差来源,并给定了可能的误差区间。 展开更多
关键词 气溶胶光学厚度 双向反射分布函数 辐射传输模型 MODIS
下载PDF
时空协同的农业种植结构遥感精细制图
2
作者 张冬韵 吴田军 +6 位作者 骆剑承 董文 孙营伟 杨颖频 海云瑞 孟博文 刘巍 《遥感学报》 EI CSCD 北大核心 2024年第8期2014-2029,共16页
农业是国民经济的重要组成成分,精准地掌握农作物种植结构信息是精细化农业应用的基础。本文挖掘不同源遥感数据的时空特征互补优势,设计了一种时空协同的农业种植结构遥感制图方法,考虑将高空间分辨率遥感影像提取的耕地地块作为基本单... 农业是国民经济的重要组成成分,精准地掌握农作物种植结构信息是精细化农业应用的基础。本文挖掘不同源遥感数据的时空特征互补优势,设计了一种时空协同的农业种植结构遥感制图方法,考虑将高空间分辨率遥感影像提取的耕地地块作为基本单元,再结合高时间分辨率遥感影像的光谱时序信息,在深度学习技术支持下实现地块尺度的作物分类识别和种植结构精准制图,进而可分析主要作物的空间分布特征。宁夏引黄灌区的试验案例结果表明:(1)本实验共获取研究区耕地地块149万个,总面积约54万ha,总体分类精度为0.80;(2)相比于利用传统的制图单元和机器学习方法,基于RCF网络从高分影像上获取的耕地地块形态信息更准确,与实际农业耕作管理单元更匹配,基于Bi-LSTM网络进行作物分类能够将时间序列特征的上下文信息考虑在内,且能保证更高的分类识别精度;(3)玉米、水稻、小麦和蔬菜是研究区的主要作物,其中玉米是种植面积最大的优势作物,空间分布最为广泛,菜地主要集中分布在永宁县和青铜峡市,水稻集中分布在灌溉便利的区域,而小麦大规模种植面积较少,其中小麦夏季收割后种植其他作物的情况主要集中于青铜峡灌区,且复种指数呈现由南向北逐渐降低的趋势。 展开更多
关键词 遥感 作物种植结构 时空协同 深度学习 耕地地块 NDVI时间序列 宁夏引黄灌区
原文传递
基于Li-Strahler几何光学模型的区域人工林郁闭度反演
3
作者 杨欣慰 曹春香 +1 位作者 徐敏 王凯民 《航天返回与遥感》 CSCD 北大核心 2024年第3期137-149,共13页
森林郁闭度是描述森林结构的一个重要因子,传统的森林郁闭度遥感反演经验模型对地面样地数据要求较高,且反演难以推广至区域尺度。针对上述问题,文章提出了一种结合Li-Strahler几何光学模型与线性光谱分解技术的区域人工林郁闭度反演方... 森林郁闭度是描述森林结构的一个重要因子,传统的森林郁闭度遥感反演经验模型对地面样地数据要求较高,且反演难以推广至区域尺度。针对上述问题,文章提出了一种结合Li-Strahler几何光学模型与线性光谱分解技术的区域人工林郁闭度反演方法,以小班为基本单元利用不同优势树种的平均树高与平均冠幅半径等几何光学模型输入参数,基于混合像元线性光谱分解提取的光照地表分量丰度,实现郁闭度参数的反演。基于该方法分别在北方赤峰以及南方南宁研究区开展区域人工林郁闭度反演,并通过野外样地实测数据对估测结果进行精度验证,精度评价结果表明:北方赤峰研究区平原区域反演的均方根误差为0.08、平均绝对百分比误差为9.45%,山地区域反演的均方根误差为0.12、平均绝对百分比误差为14.04%;而南方南宁研究区平原区域反演的均方根误差为0.11、平均绝对百分比误差为8.68%,山地区域反演的均方根误差为0.13、平均绝对百分比误差为13.27%。上述结果表明文章提出的郁闭度遥感反演方法能够有效提升区域人工林郁闭度的估测精度,具有重要的应用价值。 展开更多
关键词 郁闭度 几何光学模型 线性光谱分解 人工林 遥感影像
下载PDF
基于辐射传输模型探究机载高光谱激光雷达的植被垂直生化组分探测能力
4
作者 郝一硕 牛沂芳 +1 位作者 王力 毕恺艺 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2024年第7期2083-2092,共10页
自然环境下的植被群落,由于各种群之间以及种群与环境间的竞争与选择,常呈现出一定的垂直结构,对于同一植株的不同生长阶段,在垂直方向也有着不同的生理生化参数。对这种三维立体分布特征进行探测,能够进行生态环境立体化定量评价,对森... 自然环境下的植被群落,由于各种群之间以及种群与环境间的竞争与选择,常呈现出一定的垂直结构,对于同一植株的不同生长阶段,在垂直方向也有着不同的生理生化参数。对这种三维立体分布特征进行探测,能够进行生态环境立体化定量评价,对森林碳储量估算和生物多样性保护等具有重要意义。传统的被动光学遥感以及激光雷达在植被生化参数垂直探测方面有较大的局限性,而高光谱激光雷达(Hyperspectral LiDAR,HSL)这一新型探测仪器的出现为探测植被生理生化参数垂直分布提供了新的手段。但由于受到硬件方面的限制,HSL在机载平台下对森林复杂立体场景的适用性尚未得到充分研究。故首先基于HSL原型样机在实验室开展小尺度的室内测量,以火炬花植株为目标,验证其对空间信息和光谱信息的一体化提取能力;随后进一步使用三维辐射传输模型构建具有垂直异质性特征的森林场景,模拟机载HSL设备实现森林的高光谱三维点云提取,结合植被指数和随机森林模型对场景中三种不同植被冠层的叶绿素浓度和类胡萝卜素浓度进行反演。结果表明:室内实验证实了HSL回波信息可以有效区分植株不同高度处光谱曲线的差异,火炬花上部红色叶片和下部绿色叶片的归一化植被指数分别小于和大于0.5;基于三维辐射传输模型成功构建了虚拟森林场景的机载HSL高光谱三维点云,在得到的24组植被指数中,有17组指数表现出良好的探测精度(平均绝对百分比误差MAPE<13%);植被叶绿素反演模型R^(2)达到0.93,上层、中层和下层的平均绝对误差MAE分别为6.26、3.40和2.81;类胡萝卜素反演模型R^(2)为0.91,上层、中层和下层的MAE分别为1.59、2.58和0.39。该研究显示出HSL设备是一种立体化提取植被光谱信息的有效手段,在探测森林等复杂植被场景的生化组分垂直分布方面具有巨大的应用潜力。 展开更多
关键词 森林立体场景 机载高光谱激光雷达 三维辐射传输模型 植被生化组分
下载PDF
一种基于静止卫星观测数据的实时降水识别方法研究
5
作者 崔梦圆 姬大彬 +2 位作者 贾立 郑超磊 蒋卫国 《遥感技术与应用》 CSCD 北大核心 2024年第4期1000-1012,共13页
极端降水的准确、实时监测对于提高洪涝灾害的预报具有重要意义,然而当前基于静止卫星降水产品普遍存在降水识别精度较低的问题,严重影响了其在洪涝灾害预警中的应用。基于Himawari-8静止气象卫星观测的红外波段亮温数据、ERA5再分析大... 极端降水的准确、实时监测对于提高洪涝灾害的预报具有重要意义,然而当前基于静止卫星降水产品普遍存在降水识别精度较低的问题,严重影响了其在洪涝灾害预警中的应用。基于Himawari-8静止气象卫星观测的红外波段亮温数据、ERA5再分析大气廓线数据以及地面雨量计观测数据,通过实时、动态地建立基于随机森林的降水识别模型,开发了一套适用于静止气象卫星的实时降水识别方法。该方法一方面通过引入实时的地面雨量计小时降水数据,用于实时训练降水识别模型,解决了静态训练的机器学习模型降水识别精度随时间衰减的问题;另一方面通过加入与降水的形成和发展密切相关的大气廓线数据,有效提高了基于静止气象卫星红外数据识别降水的精度。采用中国内地地区2157个地面雨量计站点的小时降水观测数据进行验证,本研究所提出的降水识别算法在小时尺度上的击中率(POD)为0.73,虚警率(FAR)为0.49,成功系数(CSI)为0.43,各指标表现情况均优于实时降水产品GSMaP_NOW和FY4A官方降水估计实时产品QPE。 展开更多
关键词 降水遥感 降水识别 静止气象卫星 红外亮温观测 ERA5
原文传递
联合极轨和倾斜轨道被动微波传感器的青藏高原土壤水分变化监测
6
作者 张浩杰 薛华柱 +3 位作者 赵天杰 袁占良 彭志晴 姚盼盼 《遥感技术与应用》 CSCD 北大核心 2024年第6期1404-1416,共13页
为监测青藏高原区域大范围、长时序土壤水分变化,基于极轨卫星被动微波传感器AMSR2(Advanced Microwave Scanning Radiometer 2)和倾斜轨道卫星被动微波传感器GMI(Global Precipitation Measurement Microwave Imager)的微波亮温,以多... 为监测青藏高原区域大范围、长时序土壤水分变化,基于极轨卫星被动微波传感器AMSR2(Advanced Microwave Scanning Radiometer 2)和倾斜轨道卫星被动微波传感器GMI(Global Precipitation Measurement Microwave Imager)的微波亮温,以多通道协同反演算法(Multi-channel Collaborative Algorithm,MCCA)获取的极轨卫星SMAP(Soil Moisture Active Passive)高精度土壤水分为目标,建立精细化的逐网格机器学习模型。将MCCA SMAP数据优势由AMSR2转移至GMI,以反映青藏高原日内土壤水分变化。训练期平均皮尔逊相关系数R达到了0.82,均方根误差RMSE为0.050 m^(3)/m^(3)。测试期的平均R为0.81,RMSE为0.055 m^(3)/m^(3)。重塑的GMI土壤水分显著增加了有效反演个数,与地面观测数据高度一致,平均R为0.81,无偏均方根误差ubRMSE为0.039 m^(3)/m^(3)。同时,GMI与SMAP的联合可为青藏高原短期极端气候变化及长期变化趋势的监测提供了一种选择。 展开更多
关键词 AMSR2 MCCA SMAP GMI 青藏高原 机器学习
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部