-
公开(公告)号：CN110160992A
公开(公告)日：2019-08-23
申请号：CN201910400615.6
申请日：2019-05-15
申请人： 中国科学院遥感与数字地球研究所 , 中科空间信息(廊坊)研究院 , 中科卫星应用德清研究院
IPC分类号： G01N21/55
摘要： 本发明公开了一种基于植被覆盖度时间序列的农作物分类方法，包括如下步骤：步骤1）获取含有红光波段和近红外波段的遥感影像数据，构建覆盖农作物生长周期的遥感影像时间序列，并计算得到NDVI时间序列；步骤2）基于步骤1）得到的NDVI时间序列，计算得到植被覆盖度（FVC）时间序列（公式为FVC=（NDVI-NDVIsoil）/（NDVIveg-NDVIsoil），式中NDVIsoil为纯裸土的NDVI，取NDVI的第5个累计百分位数；NDVIveg为纯植被的NDVI，取NDVI的第95个累计百分位数）；步骤3）通过实地调查或历史图件，获取农作物样本数据；步骤4）以FVC时间序列和样本数据作为输入，采用随机森林分类器，对研究区的农作物进行分类，形成农作物分类结果图。
-
公开(公告)号：CN110532967A
公开(公告)日：2019-12-03
申请号：CN201910820919.8
申请日：2019-09-02
申请人： 中国科学院遥感与数字地球研究所 , 中科空间信息(廊坊)研究院
摘要： 本发明公开了一种基于哨兵1号RVI时间序列的农作物分类方法，包括如下步骤：步骤1）获取哨兵1号卫星IW模式下VV-VH极化数据，构建覆盖农作物生长周期的遥感影像时间序列；步骤2）基于每一期VV-VH极化数据构建RVI指数（公式为RVI=σVH/σVV），然后整合形成RVI时间序列；步骤3）通过实地调查或历史图件，获取农作物样本数据；步骤4）以RVI时间序列和样本数据作为输入，采用随机森林分类器，对研究区的农作物进行分类，形成农作物分类结果图。
-
公开(公告)号：CN106483147B
公开(公告)日：2019-12-10
申请号：CN201610893939.4
申请日：2016-10-14
申请人： 中国科学院遥感与数字地球研究所 , 中科空间信息(廊坊)研究院
IPC分类号： G01N22/04
摘要： 被动微波土壤水分反演具有长时间连续监测优势，但存在精度低且与地面实测值不一致问题。未解决这一问题，本发明主要基于MODIS地表温度、植被指数、反照率产品和地面实测数据，引入HANTS方法和降尺度方法，构建不同覆盖度下的热惯量和三参数土壤水分模拟模型，获取长时间序列的1Km尺度土壤水分模拟结果。以模拟结果为检验真值，在考虑遥感产品的长时间序列变化趋势前提下，开展了长时间序列被动微波土壤水分产品的精度改进研究。目的是对长时间序列被动微波土壤水分产品进行真实性检验和精度改进。该研究不仅获取了基于降尺度方法和地面实测校验的1Km尺度土壤水分空间分布而且能够检验被动微波土壤水分产品精度，提升在相关行业领域的应用价值。
-
公开(公告)号：CN106446444B
公开(公告)日：2019-11-08
申请号：CN201610893933.7
申请日：2016-10-14
申请人： 中国科学院遥感与数字地球研究所 , 中科空间信息(廊坊)研究院
摘要： 本发明是引入贝叶斯最大熵BME方法框架，在这个框架内将土壤水分地面测量值和环境先验知识融合起来，以地面采集数据作为硬数据，以土壤水分环境数据作为软数据，生成高分辨率土壤水分数字地图，使估算结果既包含了地面样点之间的空间相关性，又兼顾了土壤水分与先验知识的关系。该方法不仅对丰富遥感真实性检验学科理论和技术具有重要的意义，而且能够降低土壤水分产品的反演误差，提高在相关行业领域的实用价值，同时也为其他低分辨率遥感产品的真实性检验提供借鉴。
-
公开(公告)号：CN110427995A
公开(公告)日：2019-11-08
申请号：CN201910671852.6
申请日：2019-07-24
申请人： 中国科学院遥感与数字地球研究所
摘要： 本发明涉及一种基于多源遥感数据的贝叶斯土壤水分估算方法。该方法针对如何获得高精度的土壤水分加权概率软数据，首次融合了12种多源数据进行加权概率软数据的计算，包括降尺度FY3-B土壤水分产品、使用MODIS产品获取反照率（A），植被指数NDVI（V）和地表温度LST（T）；使用ASTER产品获取高程数据；并通过ASTER产品获取的高程数据计算得到坡度、坡向、平面曲率、剖面曲率、表面粗糙度、湿度指数和起伏幅度数据；并采用多变量相关分析和主成分分析两种权重确定方法获得加权概率软数据。本发明还分析了不同软数据数量的精度分析，提出保证充足的软数据数量，对于获得更高精度的土壤水分空间分布具有重要作用。
-
公开(公告)号：CN107765243A
公开(公告)日：2018-03-06
申请号：CN201610695108.6
申请日：2016-08-22
申请人： 中国科学院遥感与数字地球研究所 , 民政部国家减灾中心
IPC分类号： G01S13/89
CPC分类号： G01S13/89
摘要： 本发明公开了一种基于极化分解技术的浓密植被覆盖下土壤水分反演方法，该方法包括如下步骤：步骤1)基于全极化RADARSAT-2数据，针对极化分解技术，研发一套雷达数据处理技术流程，获得不同散射参量分布图；步骤2)基于不同玉米生长期，尤其是浓密植被覆盖情况下，分析单次散射、偶次散射和体散射随时间变化规律；步骤3)基于Freeman_Durden、Yanaguchi和VanZyl三分量分解法，分别建立单次散射参量、偶次散射参量与地表土壤水分关系模型；步骤4)基于Freeman_Durden、Yamaguchi和VanZyl，获得玉米不同生长期土壤水分反演模型；步骤5)基于不同极化分解技术和实测数据，优选最优土壤水分反演模型，获得玉米不同生育期最优土壤水分分布图。
-
公开(公告)号：CN104463164B
公开(公告)日：2018-02-13
申请号：CN201410444134.2
申请日：2014-09-03
申请人： 中国科学院遥感与数字地球研究所
摘要： 本发明公开了一种基于伞骨法与冠高比的树木冠层结构信息提取方法，该度量方法包括如下步骤：步骤1)基于单次回波点云数据构建树冠高度模型，即在数字地面模型的基础上滤除非植被信息，获得包含仅植被分布及高度信息的基准图；步骤2)基于活动窗口的局部最大值搜索法，从所述基准图中提取单株立木的顶点；步骤3)在树顶检测结果基础之上，采用“伞骨算法”进行树冠投影边界识别，分离单体树木并确定各自树冠的边界位置，得到树冠边界识别结果；步骤4)结合树顶检测结果与树冠边界识别结果，基于伸缩圆与冠高比的树冠体积计算方法生成单体树冠体积分布图。步骤5)通过计算图像平均梯度反演冠层孔隙率，修正因树冠内部枝叶间存在的大量空隙而造成的计算误差，进一步提升步骤4)中的树冠体积反演精度。
-
公开(公告)号：CN105527616A
公开(公告)日：2016-04-27
申请号：CN201510701774.1
申请日：2015-10-27
申请人： 中国科学院遥感与数字地球研究所
IPC分类号： G01S7/41
CPC分类号： G01S7/41
摘要： 本发明公开了一种基于多极化RADARSAT-2和Landsat8数据的植被覆盖地表土壤含水量反演方法，该方法包括如下步骤：步骤1)基于IEM模型，建立后向散射系数同极化差、同极化和与地表粗糙度和土壤含水量的关系模型；步骤2)基于Dubois模型与1)，建立后向散射系数同极化数据与裸土区土壤含水量关系模型；步骤3)基于PROSAIL辐射传输模型，建立玉米整个生长周期(初期、中期和末期)、冬小麦(初期)NDVI、NDWI1、NDWI2、MSI与植被冠层含水量关系模型，绘制植被含水量影像图；步骤4)结合裸土区土壤含水量半经验模型与植被含水量模型，建立植被覆盖地表土壤含水量反演方法，该方法经过多源数据协同、多模型融合、多区域试验，进一步提高了土壤含水量反演精度。
-
公开(公告)号：CN105405148A
公开(公告)日：2016-03-16
申请号：CN201510791686.5
申请日：2015-11-17
申请人： 中国科学院遥感与数字地球研究所
CPC分类号： G06K9/00657 , G06K9/46 , G06K2209/21 , G06T2207/10032 , G06T2207/30188
摘要： 本发明公开了一种结合树木阴影特征的遥感影像毛白杨识别方法，步骤如下：步骤1）对研究区遥感影像进行多尺度分割，形成分割结果图；步骤2）基于所述分割结果图中每个对象的光谱及纹理特征进行毛白杨初步识别，形成毛白杨初步识别结果图；步骤3）基于所述分割结果图中每个对象的光谱特征进行阴影提取，形成阴影提取结果图；步骤4）从所述阴影提取结果图中选取所述毛白杨初步识别结果图中各毛白杨斑块所对应的阴影，并估算其阴影长度；步骤5）基于所述阴影长度进行树木高度的估算，作为度量各毛白杨斑块平均树高的参考值；步骤6）基于所述毛白杨斑块平均树高信息，对所述毛白杨初步识别结果进行修正，形成毛白杨精确识别结果图。
-
公开(公告)号：CN105404873B
公开(公告)日：2018-09-04
申请号：CN201510845296.1
申请日：2015-11-30
申请人： 中国科学院遥感与数字地球研究所
IPC分类号： G06K9/00
摘要： 本发明提出了一种基于NDVI时间序列坐标转换的冬小麦识别方法，本发明采用覆盖冬小麦生长周期NDVI时间序列，充分利用冬小麦区别于其它地物的特有物候特征，并通过NDVI时间序列的坐标转换，显著提升冬小麦与其它地物的差异，并基于均值与标准差阈值分割法实现了冬小麦的高精度识别。
-
-
-
-
-
-
-
-
-
搜索结果
31 条记录 (耗时 0.105 秒)
