排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
植被指数饱和问题直接影响植被参数的遥感估算精度.基于DART模型定量分析盐地碱蓬群落植被指数对LAI的响应,讨论不同植被指数的饱和问题,研究发现:1) 盐地碱蓬LAI与株数之间呈显著线性相关,R2为0.99,RMSE为0.008.2) TSAVI抗饱和性最好,NDVI及RVI次之,EVI、SAVI一般,PVI、MVI及MSAVI最差.3) RVI、NDVI及TSAVI敏感度最优,且LAI〈0.68时,SRVI〉SNDVI〉STSAVI;0.68≤LAI〈2时,SNDVI〉SRVI〉STSAVI;LAI≥2时,TSAVI最优,RVI和NDVI出现饱和现象;EVI、SAVI对LAI敏感性一般;剩余3种植被指数对LAI的敏感性弱.对于辽河口滨海湿地典型植被盐地碱蓬,结合实测LAI数据,初步分析认为TSAVI、NDVI及RVI可以作为较强适用性植被指数来进行相关研究,能够区分不同LAI下的盐地碱蓬群落. 相似文献
3.
4.
盐地碱蓬是海岸带一种重要的先锋植被,其时空分布信息是海岸带湿地生态系统保护及湿地修复工程的基础数据.为准确地获取碱蓬群落时空分布信息,构建一种盐地碱蓬提取指数十分必要.该文以辽东湾北部海岸带湿地为研究区域,基于Landsat8 OLI数据,采用主成分分析方法(PCA, principal components analysis)构建盐地碱蓬指数(suaeda principal components analysis index, SPCAI),并将其应用到多源遥感数据(Landsat5 TM、Landsat7 ETM+、Landsat8 OLI和Sentinel-2 MSI)中,最后利用SPCAI获取近21年辽东湾北部海岸带湿地碱蓬群落的时空分布信息.结果表明:1)经主成分分析的Landsat数据的第4波段(PCA4)对盐地碱蓬的响应最为明显,且Landsat8 OLI数据的主成分分析结果明显优于TM和ETM+数据;2)基于Landsat8 OLI的PCA4波段构建SPCAI,SPCAI对碱蓬的响应明显优于NDVI、SAVI、MSAVI,并... 相似文献
5.
由于在传送过程中存在数据失真、丢失或者网络延迟等原因,时空数据的不确定性普遍存在且无法避免,因此需要研究一个折中办法,使其不影响对数据的处理.基于XML建立不确定时空数据模型表达时空数据具有更多优势,可以更好地管理不确定时空数据.传统的关系数据库对数据的表示以关系为基础,对时间的表示有大量的数据冗余,使其不能很好地表示不确定时空数据.基于XML构建不确定时空数据的表示模型,对各个节点分类,对于特殊的不确定节点,引入概率属性来表述,提高了数据表示能力. 相似文献
6.
1