搜索结果: 1-15 共查到“知识库 测绘科学技术 叶”相关记录24条 . 查询时间(0.234 秒)
精密重力测量中相对重力仪格值系数的贝叶斯估计方法
精密重力测量 相对重力仪 贝叶斯原理 格值系数估计
2021/6/1
相对重力仪的格值系数随时间会发生微小的变化，是影响精密重力测量精度的重要因素。通常需定期对相对重力仪进行专门的基线标定来评估仪器格值系数的变化。本文提出了一种利用重力观测数据进行格值系数评估的新方法，原理是利用测网中已知的多个绝对重力基准点作为先验约束，同时考虑仪器的非线性漂移变化，将格值系数作为超参数，基于贝叶斯原理和赤池贝叶斯信息准则（ABIC）估计最优值。通过对模拟数据的测试，该方法在高斯噪...
基于GF-2卫星数据的孕穗期小麦叶面积指数反演——以河北省廊坊市为例
植被指数 神经网络 叶面积指数(LAI) 反演方法 精度验证
2018/4/10
叶面积指数(leaf area index,LAI)是评价植被长势和预测产量的重要农业生理生态参数。高分2号(GF-2)卫星数据具有高空间分辨率特点,能反映更多细节信息,针对该数据特点的LAI反演方法具有较高的研究价值。以河北省廊坊市万庄镇为研究区,对孕穗期小麦采用了回归模型和神经网络算法反演LAI; 采用4种植被指数与实测LAI值构建回归模型,同时重点探讨了PROSAIL模型结合神经网络方法进行...
高光谱遥感能连续获取地物光谱图像，这一技术能大大提高估算叶面积指数的水平。利用无人机搭载成像高光谱仪获取作物光谱信息反演叶面积指数对精准农业生产与管理意义重大。通过灰色关联度排序、赤池信息量准则和偏最小二乘法( GＲA-PLS-AIC) 选择了三角植被指数( TVI) 、比值植被指数( ＲVI) 、红边植被指数( NDVI705) 、归一化植被指数( NDVI) 和重归一化植被指数( ＲDVI) ...
基于傅里叶级数的等高线网络渐进式传输模型
傅立叶级数 渐进式传输 地图多尺度表达 网络GIS
2012/12/25
矢量地图渐进式传输的关键技术是建立连续的多尺度表达模型，并在服务器端将地图数据组织成线性结构。本文利用傅立叶级数对要素表达的多尺度特性，将傅立叶级数的参量引入到等高线要素的渐进式传输中：研究了地图尺度与曲线傅立叶展开项数的对应关系，并以此在服务器端建立了曲线多尺度表达的傅立叶描述子模型；客户端通过网络传输依次得到不同地图尺度的傅立叶描述子分量并进行曲线要素的重构，实现等高线要素渐进式的传输和表达。...
北京地区冬小麦冠层光谱数据与叶面积指数统计关系研究
冬小麦 冠层光谱数据 NDVI 叶面积指数
2009/11/24
以北京地区冬小麦为研究对象，利用TM传感器的光谱响应函数处理地面测量获得的冬小麦冠层光谱数据，得到对应于TM传感
器红光波段和近红外波段的反射率，进而计算出冬小麦冠层的归一化植被指数NDVI。建立了LAI与NDVI之间的不同经验关
系模型，对实验结果进行分析后得出，LAI与NDVI之间具有高度的指数相关性。
高光谱反演水稻叶面积指数的主成分分析法
冠层光谱 叶面积指数(LAI) PROSPECT
2009/11/23
为了通过水稻冠层反射光谱来提取水稻叶面积指数信息，尝试利用辐射传输模型PROSPECT+SAIL来模拟水稻冠层反射光谱，
比较了各植被指数中叶面积指数(LAI)和叶绿素浓度的相关性。在观察光谱曲线后发现，红边位置光谱可以较好地区分LAI和叶绿素
浓度二者引起光谱变化的差异。由此提出对700 nm~750 nm区间内的反射光谱做主成分变换，并利用第2主成分与LAI建立反演模型(
即主成分分析法...
航空遥感数据的贝叶斯网络分类
航空遥感数据 贝叶斯网络 分类
2009/11/23
介绍了利用贝叶斯网络对航空遥感数据进行分类的算法和过程，认为贝叶斯网络具有以下优点： 充分利用和综合了先验知识
与样本信息； 采用有向无环图（DAG）的方式描述了多特征数据间的相互关系； 给出了联合概率表，并通过联合概率表给出了每个
像元属于不同类别的概率。研究结果表明，贝叶斯网络可以为遥感数据分类提供一种新方法。
基于àtrous小波分解的贝叶斯SAR图像滤波
àtrous运算法则 贝叶斯估计 SAR图像
2009/11/23
合成孔径雷达（SAR）在成像过程中由于回波的相干性而产生斑点噪声，严重干扰了图像的自动解译。根据SAR图像斑点噪声的特殊性,首先对影像进行对数变换，并使用àtrous运算法则对变换后的影像进行分解，然后通过贝叶斯原理估计修正小波系数。与自适应局域统计滤波和基于Mallat分解的滤波算法进行分析比较，结果表明，该方法在噪声滤除和边缘保持方面效果较好。
基于PROSPECT＋SAIL模型的遥感叶面积指数反演
PROSPECT+SAIL模型 LAI 大气校正
2009/11/23
以PROSPECT+SAIL模型为基础，从物理机理角度反演植被叶面积指数(LAI)。首先，通过FLAASH模型进行大气校正，使得图像像元值表达植被冠层反射率； 然后，根据LOPEX 93数据库和JHU光谱数据库选择植物生化参数和光谱数据，以PROSPECT模型模拟出的植物叶片反射率和透射率作为SAIL模型的输入参数，得到植被冠层反射率，将结果与遥感影像的植被冠层反射率对应，回归出植被LAI； 最后...
基于RADARSAT SAR估测热带人工林叶面积指数研究
水云模型 叶面积指数(LAI) 合成孔径雷达（SAR） 后向散射系数
2009/11/23
研究了雷达后向散射系数 与热带人工林叶面积指数（LAI）的相关性。该研究通过对水云模型的修正，提出了一种半经
验性的估测热带人工林叶面积指数的方法。利用Radarsat -1 SAR数据对广东雷州人工林的验证表明，其主要林种的估测相关系数
R2接近0.5。该方法充分考虑了森林的特点以及雷达成像的特性，对于估测多云雨地区热带森林叶面积指数具有一定的参考价值。
基于TM的辐射传输模型反演叶面积指数可行性研究
辐射传输模型 PROSAIL 叶面积指数
2009/11/23
基于PROSAIL辐射传输模型，引入土壤反射指数SRI来简化模型，提出直接从反射率计算SRI的方法； 同时，针对不同的植被状况，采取不同波段组合对模型的参数进行敏感性分析，确定自由参数与反演波段组合，提出一种基于不同植被状况的叶面积指数反演策略； 最后，应用遗传算法对模拟的TM光谱反射数据进行实验。结果表明，对于LAI＜3的植被，反演精度较高； 但是对于LAI＞3的植被，反演精度较低，其原因主要是...
基于傅立叶变换的梯田纹理特征提取
纹理分析 梯田 傅立叶变换
2009/11/23
纹理分析是提高图像解译和分类精度的有效方法之一。基于梯田的纹理特征，利用图像傅立叶变换后在频率域上的性质，即图像上的线状纹理，在频谱图上反映为一组谱线，这组谱线都通过频谱中心，且方向与图像的线状纹理垂直。以分辨率为1 m的IKONOS陕北梯田遥感影像为例，在5像元×5像元大小的窗口上采用最大方向值比值作为梯田特征提取的主要指标，取得了比较满意的效果，梯田最终的分类精度达到81.3％。
基于神经网络方法的芦苇叶面积指数遥感反演
神经网络 FCR模型 叶面积指数
2009/11/20
提出了一种从TM图像上获取芦苇冠层叶面积指数的方法：首先对芦苇的生长背景进行分类；然后，对不同的背景光谱利用冠层反射率（FCR）模型计算得到查找表；最后，利用实测数据和查找表中的数据作为参数进行BP神经网络模型训练，从而得到芦苇冠层LAI 。结果表明，人工神经网络方法有很强的非线性拟合能力，能够消除背景对反演结果的影响，有效提高LAI 反演的精度。
利用时间序列傅立叶分析重构无云NDVI图像
时间序列图像 NDVI 傅立叶分析
2009/11/20
利用基于傅立叶变换的HANTS算法，对中国地区（不包括南海诸岛）AVHRR NDVI时间序列数据进行简化和压缩，将植被的动态变
化情况通过NDVI在时间和空间上量化，实现了时间序列图像中云和错误信息的检测、去除和替代。利用HANTS算法提取时间序列的傅立
叶分量（幅值分量、频率分量），并由这些分量得出NDVI时间序列拟合曲线，依照曲线进行时间上的插值，从而重构无缝的时间序列图
像。