公共文化服务平台

共 4 条记录，以下是 1-4

全选清除导出

排序方式：

基于地—空遥感耦合的冬小麦叶片氮积累量估算被引量：6: 2012年; 利用不同冬小麦生态区同步的SPOT-5多光谱遥感影像、地面光谱数据和植株取样数据,提出一种基于波谱响应函数拟合和混合像元分解的纯净像元光谱提取方法,并对比分析了纯净像元光谱、模拟像元光谱和实测像元光谱与冬小麦叶片氮积累量(LNA)的定量关系.结果表明:模拟像元光谱对叶片氮积累量的反演效果较好,纯净像元光谱反演效果次之,实测像元光谱最差;但基于模拟像元光谱的LNA监测模型不能直接外推至空间尺度.模型检验结果表明,基于纯净像元光谱的LNA监测模型在2个小麦生态区均具有较好的精度和稳定性,该方法综合利用了地-空遥感的优点,可以推广应用到其他不同空间分辨率和光谱分辨率的遥感数据,从而为区域性冬小麦氮素营养状况的遥感监测提供技术依据.; 王来刚田永超李文龙朱艳曹卫星; 关键词：冬小麦叶片氮积累量混合像元分解

基于更新和同化策略相结合的遥感信息与水稻生长模型耦合技术的研究被引量：5: 2012年; 将遥感与作物模型耦合有利于提高作物模型在区域尺度应用时的精度。基于集合平方根滤波算法(Ensemble Square RootFilter,EnSRF)和粒子群优化算法(Particle Swarm Optimization,PSO),以叶面积指数(Leaf Area Index,LAI)和叶片氮积累量(Leaf Nitrogen Accumulation,LNA)共同作为同化耦合点和过程更新点,将同化与更新策略相结合,研究建立了基于遥感信息与水稻生长模型(RiceGrow)耦合的水稻生长与产量预测技术。结果表明,将更新和同化策略结合后,利用RiceGrow模型模拟的水稻生长指标和产量结果更接近于实测值。其中LAI、LNA和产量与实测值间的RMSE分别为0.94、0.47 g/m2和320.15 kg/hm2;RiceGrow模型直接模拟LAI、LNA和产量的RMSE为1.25、1.24 g/m2和516.83 kg/hm2;而单纯基于同化策略模拟LAI、LNA和产量的RMSE为1.01、0.59 g/m2和335.70 kg/hm2。此外,基于该技术的模型区域尺度预测结果能较好地描述水稻生长和产量的时空分布状况,生长指标及区域总产量的模拟相对误差均小于20%。显示基于更新和同化策略相结合的遥感与模型耦合技术具有较高的预测精度,从而为区域尺度作物生长和产量预测提供了技术支撑。; 王航朱艳马孟莉李文龙顾凯健曹卫星田永超; 关键词：遥感

基于分层多端元混合像元分解的水稻面积信息提取被引量：21: 2012年; 为了解决中低分辨率遥感影像混合像元问题以提高水稻种植信息的提取精度,该文提出了一种基于层次分类与多端元混合像元分解相结合提取水稻面积信息的方法(stratified multiple endmember spectral mixture analysis,SMESMA)。层次分类有效降低了地物复杂度,而多端元混合像元分解通过对每一类地物选取多个端元光谱参与解混,克服了"同物异谱"造成的光谱变异问题,两者结合可有效提高分类精度。以江苏如皋市为研究区,基于HJ-1B CCD影像,分3个层次,当某类地物信息被提取后便将其从影像中去除,进行下一层次分类,各层次均采用多端元混合像元分解方法,综合EARMSE、MASA、CoB等算法以选取最佳端元,实现了如皋市水稻种植面积信息有效提取。结果显示SMESMA法分类精度达85.78%,kappa系数为0.85,基于最大似然分类法(MLC)的分类精度为79.1%,kappa系数为0.78。表明SMESMA是一种适合基于中低分辨率影像进行作物分类和面积提取的有效方法。; 马孟莉朱艳李文龙姚霞曹卫星田永超; 关键词：遥感信息提取最大似然种植面积水稻

基于遥感与模型耦合的小麦区域产量预测研究: 作物生长模型与遥感信息耦合，结合了模型的机理性、预测性与遥感的空间性、实时性等特点，既有利于作物生长模型的区域应用，又能增强遥感监测预测的机理性。本研究以冬小麦为对象，依托不同品种、不同种植密度、不同施氮水平的小麦田间实...; 李文龙; 关键词：小麦遥感监测耦合技术; 文献传递

全选清除导出

共1页<1>

李文龙