期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
全球30m分辨率人造地表遥感制图研究 被引量:6
1
作者 陈学泓 曹鑫 +9 位作者 廖安平 陈利军 彭舒 陆苗 陈晋 张委伟 张宏伟 韩刚 武昊 李然 《中国科学:地球科学》 CSCD 北大核心 2016年第11期1446-1458,共13页
伴随着全球人口增长与经济发展,城镇化进程预计将在全球范围内持续加速,而人造地表是城镇化在地表覆盖上的直接体现.一方面,人造地表的扩张为工业生产、经济活动、人员居住等提供合适的场地;另一方面,人造地表深刻改变了地球的自然表面... 伴随着全球人口增长与经济发展,城镇化进程预计将在全球范围内持续加速,而人造地表是城镇化在地表覆盖上的直接体现.一方面,人造地表的扩张为工业生产、经济活动、人员居住等提供合适的场地;另一方面,人造地表深刻改变了地球的自然表面,进而影响地表热量交换、水文过程以及生态系统等自然过程.因此,对全球人造地表进行精确制图对于自然科学与社会科学等相关领域研究都具有重要意义.本研究以全球2000与2010年两个基准年的30m分辨率遥感影像为基础,完成了全球两期30m分辨率的人造地表制图任务.首先,根据人造地表的地理内涵与30m分辨率影像上提取的可行性,从斑块层面上提出适用于该尺度的人造地表定义;其次,考虑到人造地表的光谱复杂性与空间异质性,对现有像素级分类与对象级分割技术进行组合,以实现较高精度的人造地表斑块提取;最后,通过人工编辑与质量控制的手段,进一步保证全球范围内的人造地表制图精度.独立精度评价结果显示,该地表覆盖分类产品的用户精度达到80%以上.可以认为,该套产品是目前全球尺度上,人造地表或相关地表覆盖类型产品中分辨率与精度都最高的分类成果.该数据将为开展全球城镇时空格局分析、生态环境健康诊断等相关研究工作提供重要的基础数据. 展开更多
关键词 人造地表 30m分辨率 分类方法 地表覆盖制图 遥感
原文传递
亚热带常绿林型遥感识别及尺度效应 被引量:4
2
作者 张悦楠 房磊 +4 位作者 乔泽宇 陈龙池 张伟东 郑晓 江涛 《生态学杂志》 CAS CSCD 北大核心 2020年第5期1636-1650,共15页
光学遥感是获取宏观地表植被覆盖信息的重要手段,但常绿树种之间物候差异小,关于亚热带地区常绿林型的遥感识别研究相对较少。遥感林型识别存在尺度效应,从实际应用视角出发,常绿林型遥感识别的最优空间分辨率仍然不清楚。本研究以湖南... 光学遥感是获取宏观地表植被覆盖信息的重要手段,但常绿树种之间物候差异小,关于亚热带地区常绿林型的遥感识别研究相对较少。遥感林型识别存在尺度效应,从实际应用视角出发,常绿林型遥感识别的最优空间分辨率仍然不清楚。本研究以湖南省会同县为例,利用Pléiades(2 m)、RapidEye(5 m)、Landsat-8(15、30 m)4种光学遥感影像,结合光谱、纹理、植被覆盖度等特征变量与随机森林模型,探讨了3种典型亚热带常绿林型:杉木林(Chinese fir forest,CFF)、马尾松林(Masson pine forest,MPF)、常绿阔叶林(evergreen broadleaved forest,EBF)的最优遥感识别分辨率以及尺度效应问题。结果表明:研究区地表覆盖分类精度随影像空间分辨率的降低呈现先降低后上升的变化趋势,在2 m时具有最佳分类精度(Kappa=0.70,总精度=0.77)。3种林型的识别精度随空间分辨率的上升均表现出先降低后上升的变化规律,识别率(rate of identification,RI)范围分别为:RICFF=68%~87%、RIMPF=55%~84%、RIEBF=29%~74%。杉木林与马尾松林的漏分误差(omission error,OE)与错分误差(commission error,CE)低于常绿阔叶林(OECFF=0.26~0.46,CECFF=0.32~0.53;OEMPF=0.31~0.50,CEMPF=0.31~0.46;OEEBF=0.47~0.71,CEEBF=0.39~0.66)。本研究证实了亚热带常绿林型的遥感识别存在明显的尺度效应,30 m分辨率的Landsat-8影像相比高分辨率遥感影像因具备更丰富的光谱信息而具有更高的识别精度。本研究表明,常绿林型的遥感识别不宜盲目追求高空间分辨率,需要综合考虑遥感传感器光谱配置与空间分辨率之间的内在权衡。 展开更多
关键词 林型识别 尺度效应 高分辨率遥感 地表覆盖制图 随机森林 亚热带森林
原文传递
基于知识的GlobeLand30耕地数据质量检查方法与工程实践 被引量:17
3
作者 刘吉羽 彭舒 +2 位作者 陈军 廖安平 张宇硕 《测绘通报》 CSCD 北大核心 2015年第4期42-48,共7页
全球地表覆盖数据产品Globe Land30研制的一项重要任务是设计和研发数据质量检查方法,降低地表覆盖10大类型分类提取的错判率与漏判率。本文以耕地为例,分析了影响全球耕地信息提取的主要质量因素,凝练了耕地的地域分布、人文相关知识... 全球地表覆盖数据产品Globe Land30研制的一项重要任务是设计和研发数据质量检查方法,降低地表覆盖10大类型分类提取的错判率与漏判率。本文以耕地为例,分析了影响全球耕地信息提取的主要质量因素,凝练了耕地的地域分布、人文相关知识、时空稳定性、物候特征等方面的知识,构建了基于知识的数据质量检查规则,设计了由整体到局部、分区域检查与修改交互式处理的策略,形成了一种基于知识的全球耕地数据质量检查方法;并利用该方法开展了Globe Land30耕地数据质量检查,将耕地数据精度提高到了83.06%。该方法对地理国情及其他地表覆盖研究具有借鉴意义。 展开更多
关键词 耕地 数据质量检查 全球地表覆盖制图
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部