期刊导航
期刊开放获取
河南省图书馆
退出
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
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
检索
高级检索
期刊导航
共找到
3
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种融合光学与SAR的植被指数提取算法
1
作者
林用智
胡铁泷
+2 位作者
李映潭
贺海明
王杰
《绵阳师范学院学报》
2023年第2期117-125,共9页
多光谱影像计算的植被指数具有监测植被类型、计算叶面积指数、反演植被覆盖度和估算生物量等作用,但光学影像易被云与阴影污染,增加了获取植被指数的难度.为了获取云层覆盖区域的植被指数,提出了一种融合光学与SAR的植被指数提取算法....
多光谱影像计算的植被指数具有监测植被类型、计算叶面积指数、反演植被覆盖度和估算生物量等作用,但光学影像易被云与阴影污染,增加了获取植被指数的难度.为了获取云层覆盖区域的植被指数,提出了一种融合光学与SAR的植被指数提取算法.实验以新疆维吾尔自治区乌苏市2020年9月11日的Sentinel 1、2020年9月3日无云的Sentinel 2和2020年9月8日有云的Sentinel 2影像为数据源,首先利用Sentinel 1影像构建出6种匹配模型,然后分别利用6种匹配模型的光谱特征重构Sentinel 2影像的云与阴影覆盖的像元,获取6景去云与阴影后的Sentinel 2影像,再用每景去云与阴影后的影像计算3种植被指数(增强型植被指数EVI、归一化植被指数NDVI和土壤调节植被指数SAVI),用无云的Sentinel 2影像作为验证数据,最后使用均方根误差(RMSE)、平均绝对误差(MAE)和相关系数(R)对结果进行精度评价.实验结果表明:该方法能有效地去除光学影像云与阴影的影响,获取云与阴影覆盖区域像元的植被指数;3种植被指数的总体精度较好,相关系数均大于0.8;在6种匹配模型方面,第四种匹配模型在3种植被指数中的精度均为最高.
展开更多
关键词
Sentinel
1影像
Sentinel
2影像
影像融合
植被指数
云与阴影去除
下载PDF
职称材料
Sentinel 2A影像去云下的丘陵地区植被覆盖度反演
被引量:
4
2
作者
胡铁泷
蒋良群
王杰
《资源开发与市场》
CAS
2020年第5期476-481,共6页
光学遥感影像作为一种重要的数据源,被广泛应用于植被覆盖度反演,但南方丘陵地区常年多云雾,受云雾污染,像元质量下降。受丘陵地形的限制,地块破碎化严重,加之南方丘陵植被类型多,植被光谱变化较大,这些因素造成了植被覆盖度提取的准确...
光学遥感影像作为一种重要的数据源,被广泛应用于植被覆盖度反演,但南方丘陵地区常年多云雾,受云雾污染,像元质量下降。受丘陵地形的限制,地块破碎化严重,加之南方丘陵植被类型多,植被光谱变化较大,这些因素造成了植被覆盖度提取的准确度降低。为了提高丘陵地区植被覆盖度反演的精度,提出一种整合光学与SAR影像的反演框架。以Sentinel1A和Sentinel 2A影像作为遥感数据源,首先利用Sentinel 1A的光谱特征去除Sentinel 2A影像上的云像元,再使用光谱归一化减弱植被的光谱变化,在此基础上将扩展线性光谱混合模型用于反演植被覆盖度。结果表明:该框架能有效恢复云污染的像元,端元和影像归一化后,降低光谱异质性,反演丘陵地区植被覆盖度的精度较高,均方根误差为0.14,相关系数为0.95,接近地表植被覆盖的真实情况。
展开更多
关键词
Sen2cor大气校正模型
SENTINEL
1A/2A影像
植被覆盖度
光谱变化
下载PDF
职称材料
一种基于光谱归一化的丘陵地区植被覆盖度反演方法
被引量:
3
3
作者
胡铁泷
段利
+1 位作者
蒋良群
王杰
《山地学报》
CSCD
北大核心
2019年第5期778-786,共9页
由于影像空间分辨率的限制,利用遥感影像反演植被覆盖度时,像元内通常存在植被与其他地物混合的现象.此外,受到物理属性、地形、阴影等因素的影响,植被内部存在较大的光谱差异.混合像元的存在,以及植被内部光谱变化较大都将导致植被覆...
由于影像空间分辨率的限制,利用遥感影像反演植被覆盖度时,像元内通常存在植被与其他地物混合的现象.此外,受到物理属性、地形、阴影等因素的影响,植被内部存在较大的光谱差异.混合像元的存在,以及植被内部光谱变化较大都将导致植被覆盖度反演精度降低.本研究基于Sentinel 2A遥感影像,提出了一种基于光谱归一化的光谱混合分析方法,以期解决植被内的光谱差异以及与其他地物的混合问题.首先,对端元矩阵与遥感影像进行归一化预处理,以减弱植被内的光谱变化;然后,采用全约束最小二乘法(FCLSU)、部分约束最小二乘法(CLSU)、扩展线性混合模型(ELMM)三种混合像元分解算法来定量分析植被与其他地物的混合状态.在验证解混算法精度时,采用无人机高分影像分类结果作为植被覆盖度参考影像,并对归一化前后的精度进行对比.光谱归一化前,ELMM和CLSU的R和RMSE都接近0.903和0.353,FCLSU的R和RMSE为0.869和0.434.光谱归一化后,三种算法的R和RMSE都接近0.91和0.2.试验结果表明:端元和影像进行归一化后,降低了光谱变异性,三种算法的解混精度在整体上提高较大,且对四川丘陵地区的植被覆盖度的反演结果接近真实值.
展开更多
关键词
植被覆盖度
Sentinel2A遥感影像
端元变化
光谱归一化
光谱混合分析
下载PDF
职称材料
题名
一种融合光学与SAR的植被指数提取算法
1
作者
林用智
胡铁泷
李映潭
贺海明
王杰
机构
西华师范大学地理科学学院
出处
《绵阳师范学院学报》
2023年第2期117-125,共9页
基金
国家科技部研究项目“第三次新疆综合科学考察子项目——空天地网一体化监测综合集成系统构建”(2021xjkk140502)
南充科技局研究项目“基于端元变化的光谱混合分析算法研究”(17YFZJ0014)。
文摘
多光谱影像计算的植被指数具有监测植被类型、计算叶面积指数、反演植被覆盖度和估算生物量等作用,但光学影像易被云与阴影污染,增加了获取植被指数的难度.为了获取云层覆盖区域的植被指数,提出了一种融合光学与SAR的植被指数提取算法.实验以新疆维吾尔自治区乌苏市2020年9月11日的Sentinel 1、2020年9月3日无云的Sentinel 2和2020年9月8日有云的Sentinel 2影像为数据源,首先利用Sentinel 1影像构建出6种匹配模型,然后分别利用6种匹配模型的光谱特征重构Sentinel 2影像的云与阴影覆盖的像元,获取6景去云与阴影后的Sentinel 2影像,再用每景去云与阴影后的影像计算3种植被指数(增强型植被指数EVI、归一化植被指数NDVI和土壤调节植被指数SAVI),用无云的Sentinel 2影像作为验证数据,最后使用均方根误差(RMSE)、平均绝对误差(MAE)和相关系数(R)对结果进行精度评价.实验结果表明:该方法能有效地去除光学影像云与阴影的影响,获取云与阴影覆盖区域像元的植被指数;3种植被指数的总体精度较好,相关系数均大于0.8;在6种匹配模型方面,第四种匹配模型在3种植被指数中的精度均为最高.
关键词
Sentinel
1影像
Sentinel
2影像
影像融合
植被指数
云与阴影去除
Keywords
Sentinel 1 image
Sentinel 2 image
image fusion
vegetation index
cloud and shadow removal
分类号
TP79 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
Sentinel 2A影像去云下的丘陵地区植被覆盖度反演
被引量:
4
2
作者
胡铁泷
蒋良群
王杰
机构
西华师范大学国土资源学院
出处
《资源开发与市场》
CAS
2020年第5期476-481,共6页
基金
中国科学院战略性先导科技专项项目(A类,编号:XDA19040504)
四川省教育厅自然科学重点项目(编号:15ZA0150,17ZA0387)
+1 种基金
南充市应用技术研究与开发专项项目(编号:17YFZJ0014)
西华师范大学英才基金项目(编号:17YC109,17YC124)。
文摘
光学遥感影像作为一种重要的数据源,被广泛应用于植被覆盖度反演,但南方丘陵地区常年多云雾,受云雾污染,像元质量下降。受丘陵地形的限制,地块破碎化严重,加之南方丘陵植被类型多,植被光谱变化较大,这些因素造成了植被覆盖度提取的准确度降低。为了提高丘陵地区植被覆盖度反演的精度,提出一种整合光学与SAR影像的反演框架。以Sentinel1A和Sentinel 2A影像作为遥感数据源,首先利用Sentinel 1A的光谱特征去除Sentinel 2A影像上的云像元,再使用光谱归一化减弱植被的光谱变化,在此基础上将扩展线性光谱混合模型用于反演植被覆盖度。结果表明:该框架能有效恢复云污染的像元,端元和影像归一化后,降低光谱异质性,反演丘陵地区植被覆盖度的精度较高,均方根误差为0.14,相关系数为0.95,接近地表植被覆盖的真实情况。
关键词
Sen2cor大气校正模型
SENTINEL
1A/2A影像
植被覆盖度
光谱变化
Keywords
Sen2cor atmospheric correction model
sentinel 1A?2A image
vegetation coverage fraction
spectral variability
分类号
TP75 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
一种基于光谱归一化的丘陵地区植被覆盖度反演方法
被引量:
3
3
作者
胡铁泷
段利
蒋良群
王杰
机构
西华师范大学国土资源学院
出处
《山地学报》
CSCD
北大核心
2019年第5期778-786,共9页
基金
四川省教育厅自然科学重点项目(17ZA0387,15ZA0150)
中国科学院战略性先导科技专项(A类)(XDA19040504)
+1 种基金
南充市应用技术研究与开发专项项目(17YFZJ0014)
西华师范大学英才基金项目(17YC124)。
文摘
由于影像空间分辨率的限制,利用遥感影像反演植被覆盖度时,像元内通常存在植被与其他地物混合的现象.此外,受到物理属性、地形、阴影等因素的影响,植被内部存在较大的光谱差异.混合像元的存在,以及植被内部光谱变化较大都将导致植被覆盖度反演精度降低.本研究基于Sentinel 2A遥感影像,提出了一种基于光谱归一化的光谱混合分析方法,以期解决植被内的光谱差异以及与其他地物的混合问题.首先,对端元矩阵与遥感影像进行归一化预处理,以减弱植被内的光谱变化;然后,采用全约束最小二乘法(FCLSU)、部分约束最小二乘法(CLSU)、扩展线性混合模型(ELMM)三种混合像元分解算法来定量分析植被与其他地物的混合状态.在验证解混算法精度时,采用无人机高分影像分类结果作为植被覆盖度参考影像,并对归一化前后的精度进行对比.光谱归一化前,ELMM和CLSU的R和RMSE都接近0.903和0.353,FCLSU的R和RMSE为0.869和0.434.光谱归一化后,三种算法的R和RMSE都接近0.91和0.2.试验结果表明:端元和影像进行归一化后,降低了光谱变异性,三种算法的解混精度在整体上提高较大,且对四川丘陵地区的植被覆盖度的反演结果接近真实值.
关键词
植被覆盖度
Sentinel2A遥感影像
端元变化
光谱归一化
光谱混合分析
Keywords
vegetation coverage fraction
Sentinel 2A image
endmember variability
spectrum normalization
spectral mixture analysis
分类号
TP791 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种融合光学与SAR的植被指数提取算法
林用智
胡铁泷
李映潭
贺海明
王杰
《绵阳师范学院学报》
2023
0
下载PDF
职称材料
2
Sentinel 2A影像去云下的丘陵地区植被覆盖度反演
胡铁泷
蒋良群
王杰
《资源开发与市场》
CAS
2020
4
下载PDF
职称材料
3
一种基于光谱归一化的丘陵地区植被覆盖度反演方法
胡铁泷
段利
蒋良群
王杰
《山地学报》
CSCD
北大核心
2019
3
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部