排序方式： 共有3条查询结果，搜索用时 80 毫秒
1
1.
目的:从亚像元、像元和对象的角度对不同类型水体信息进行识别提取,探讨Landsat 8 OLI数据对水体面积提取方法的有效性.方法:采用监督分类-神经网络法、面向对象法、MNDWIOSTU阈值法和线性混合像元分解法,分别对合肥市水体信息进行提取分析.结果:采用的4种方法均适用于合肥境内的水体研究,其中线性混合像元分解法提取精度最高且具有较强的鲁棒性,总体精度和Kappa系数的平均值高达97.05％ 和0.97.结论:针对中等分辨率的Landsat 8 OLI数据,基于亚像元的线性混合像元分解方法对水体识别具有较好的精度,可为更精细或更大尺度的水体信息提取提供技术参考. 相似文献
2.
目的:建立基于GF-1号WFV卫星影像数据的拔节期水稻生物量监测模型,为利用GF-1号影像进行拔节期水稻水肥管理以及生产力预测提供依据;方法:以安徽盛农农场水稻种植区域为研究对象,分析GF-1号WFV数据的光谱参数与地上部生物量直接的相关关系,筛选出较为精确的光谱参数,建立并评价水稻拔节期地上部生物量监测模型;结果:GF-1 WFV数据的光谱参数与地上部生物量具有良好的相关性。其中,直接利用单一波段建立的相关关系中,近红外的表现最好(R2=0.61),通过逐步多重线性回归分析发现利用绿光波段和近红外波段组合的函数能有效提高模型的精度(R2=0.659)。利用10种常见的植被指数与地上部生物量建立相关关系,发现NDVI、GNDVI、RVI、SAVI、EVI以及OSAVI与地上部生物量的相关性较好,而OSAVI的R2更是达到了0.711,RMSE达到0.64 t/hm2,RE为11.4%。依据OSAVI与地上部生物量建立的模型制作了农场水稻拔节期地上部生物量监测专题图;结论:GF-1的WFV数据在拔节期水稻地上部生物量监测中能够获得较高的精度,具有广泛的应用前景。 相似文献
3.
目的:基于GIS进行耕地地力评价工作,为土地管理者和政策的采纳提供依据,促进精准农业的发展.方法:以安徽蚌埠Landsat 8遥感影像提取的农田图为基本评价单元,使用Delphi法和层次分析法确立16个评价因子及各自的权重,建立评价体系.利用数学方法对定量因子进行隶属度计算,再进行蚌埠市地力等级分级,并完成地力评价.结果:蚌埠市耕地大部分属于二、三等级,分别占耕地总面积为50.38％、34.59％.一、四、五等级分别占耕地总面积为2.98％、11.61％、0.43％.结论:根据蚌埠市耕地地力现状,做出土壤质量的提升、耕地质量与数量管理、耕地资源的合理利用相关建议. 相似文献
1