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
2
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
基于MODIS时间序列反射率数据的雷竹林LAI反演
被引量:
9
1
作者
朱迪恩
徐小军
+4 位作者
杜华强
周国模
毛方杰
李雪建
李阳光
《应用生态学报》
CAS
CSCD
北大核心
2018年第7期2391-2400,共10页
本文以雷竹林为研究对象,基于MODIS地表反射率数据构建了归一化植被指数(NDVI)、比值植被指数(SR)、Gitelson绿色植被指数(GI)、增强型植被指数(EVI)和土壤调整植被指数(SAVI)5种植被指数,并将其与MODIS 7个波段原始反射率数据作为遥感...
本文以雷竹林为研究对象,基于MODIS地表反射率数据构建了归一化植被指数(NDVI)、比值植被指数(SR)、Gitelson绿色植被指数(GI)、增强型植被指数(EVI)和土壤调整植被指数(SAVI)5种植被指数,并将其与MODIS 7个波段原始反射率数据作为遥感变量,采用逐步回归和相关分析两种方法进行变量筛选,结合LAI实测数据构建了逐步回归和BP神经网络两种模型,对雷竹林生态系统观测站点2014年1月—2017年3月LAI时间系列数据进行反演,并将反演结果与同时期MOD15A2 LAI产品进行对比分析.结果表明:SR为唯一入选逐步回归模型的变量;b1、b2、b3和b7以及5种植被指数与LAI之间的相关性均达到显著水平,可作为BP神经网络模型的输入变量.使用BP神经网络反演得到的LAI与实测LAI之间的相关性显著,R^2为0.71,RMSE为0.34,RMSEr为13.6%,其R^2比逐步回归模型提高了10.9%,RMSE降低了5.6%,RMSEr降低了12.3%,与MODIS LAI相比,其R^2提高了54.5%,RMSE降低了79.3%,RMSEr降低了79.1%.结合MODIS时间序列反射率和BP神经网络模型能够精确地反演雷竹林LAI,为实现基于遥感技术快速监测区域雷竹林LAI提供可行的方法.
展开更多
关键词
竹林
叶面积指数
modis反射率
植被指数
BP神经网络
原文传递
基于L1正则化的MODIS地表反射率数据时域重建方法
2
作者
汪宇浩
沈焕锋
李志伟
《遥感技术与应用》
2024年第3期603-611,共9页
MODIS地表反射率数据被广泛应用于陆地表面的动态监测,但云覆盖等因素的影响使得数据中存在时空缝隙,从而影响了数据可用性。对此,提出一种基于L1正则化的时域重建方法,能有效修复MODIS地表反射率数据中的缺失,实现高精度的长时序数据...
MODIS地表反射率数据被广泛应用于陆地表面的动态监测,但云覆盖等因素的影响使得数据中存在时空缝隙,从而影响了数据可用性。对此,提出一种基于L1正则化的时域重建方法,能有效修复MODIS地表反射率数据中的缺失,实现高精度的长时序数据重建。该方法首先识别时序数据中因自然因素及系统因素产生的噪声,然后基于噪声检测对信息缺失区域进行年际预填补,在此基础上引入对突变噪声更为稳健的L1正则化模型,并结合噪声标记构建时域重建变分模型,还原地表的时序变化趋势。实验结果表明:相比于SG滤波、HP滤波、L1滤波、谐波分析方法,在不同百分比10%、25%、50%、75%的像元缺失情况下,该方法都取得了最高的重建精度;在不同地表场景下,该方法也取得了更好的重建结果。因此,该方法在时序曲线重建和空间细节修复上都更具有优势,表现出较高的实用价值。
展开更多
关键词
时序数据重建
modis
地表
反射率
数据
L1正则化
变分模型
原文传递
题名
基于MODIS时间序列反射率数据的雷竹林LAI反演
被引量:
9
1
作者
朱迪恩
徐小军
杜华强
周国模
毛方杰
李雪建
李阳光
机构
亚热带森林培育国家重点实验室/浙江省森林生态系统碳循环与固碳减排重点实验室/浙江农林大学环境与资源学院
出处
《应用生态学报》
CAS
CSCD
北大核心
2018年第7期2391-2400,共10页
基金
国家自然科学基金项目(31500520
31670644)
+1 种基金
浙江省竹资源与高效利用协同创新中心项目(S2017011)
浙江省与中国林业科学研究院省院合作林业科技项目(2017SY04)资助~~
文摘
本文以雷竹林为研究对象,基于MODIS地表反射率数据构建了归一化植被指数(NDVI)、比值植被指数(SR)、Gitelson绿色植被指数(GI)、增强型植被指数(EVI)和土壤调整植被指数(SAVI)5种植被指数,并将其与MODIS 7个波段原始反射率数据作为遥感变量,采用逐步回归和相关分析两种方法进行变量筛选,结合LAI实测数据构建了逐步回归和BP神经网络两种模型,对雷竹林生态系统观测站点2014年1月—2017年3月LAI时间系列数据进行反演,并将反演结果与同时期MOD15A2 LAI产品进行对比分析.结果表明:SR为唯一入选逐步回归模型的变量;b1、b2、b3和b7以及5种植被指数与LAI之间的相关性均达到显著水平,可作为BP神经网络模型的输入变量.使用BP神经网络反演得到的LAI与实测LAI之间的相关性显著,R^2为0.71,RMSE为0.34,RMSEr为13.6%,其R^2比逐步回归模型提高了10.9%,RMSE降低了5.6%,RMSEr降低了12.3%,与MODIS LAI相比,其R^2提高了54.5%,RMSE降低了79.3%,RMSEr降低了79.1%.结合MODIS时间序列反射率和BP神经网络模型能够精确地反演雷竹林LAI,为实现基于遥感技术快速监测区域雷竹林LAI提供可行的方法.
关键词
竹林
叶面积指数
modis反射率
植被指数
BP神经网络
Keywords
bamboo forest
leaf area index
modis
reflectance
vegetation index
Back Propagation neural network.
分类号
S795 [农业科学—林木遗传育种]
原文传递
题名
基于L1正则化的MODIS地表反射率数据时域重建方法
2
作者
汪宇浩
沈焕锋
李志伟
机构
武汉大学资源与环境科学学院
出处
《遥感技术与应用》
2024年第3期603-611,共9页
基金
国家自然科学基金项目(41971303、42101357)
中国博士后科学基金项目(2021M692462、2020TQ0229)
中央高校基本科研业务费专项资金项目(2042021KF0078)。
文摘
MODIS地表反射率数据被广泛应用于陆地表面的动态监测,但云覆盖等因素的影响使得数据中存在时空缝隙,从而影响了数据可用性。对此,提出一种基于L1正则化的时域重建方法,能有效修复MODIS地表反射率数据中的缺失,实现高精度的长时序数据重建。该方法首先识别时序数据中因自然因素及系统因素产生的噪声,然后基于噪声检测对信息缺失区域进行年际预填补,在此基础上引入对突变噪声更为稳健的L1正则化模型,并结合噪声标记构建时域重建变分模型,还原地表的时序变化趋势。实验结果表明:相比于SG滤波、HP滤波、L1滤波、谐波分析方法,在不同百分比10%、25%、50%、75%的像元缺失情况下,该方法都取得了最高的重建精度;在不同地表场景下,该方法也取得了更好的重建结果。因此,该方法在时序曲线重建和空间细节修复上都更具有优势,表现出较高的实用价值。
关键词
时序数据重建
modis
地表
反射率
数据
L1正则化
变分模型
Keywords
Time series data reconstruction
modis
surface reflectance data
L1 regularization
variational model
分类号
TP751 [自动化与计算机技术—检测技术与自动化装置]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于MODIS时间序列反射率数据的雷竹林LAI反演
朱迪恩
徐小军
杜华强
周国模
毛方杰
李雪建
李阳光
《应用生态学报》
CAS
CSCD
北大核心
2018
9
原文传递
2
基于L1正则化的MODIS地表反射率数据时域重建方法
汪宇浩
沈焕锋
李志伟
《遥感技术与应用》
2024
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部