-
题名时间序列低分影像修正中分遥感冬小麦分布
被引量：2
- 1
-
-
作者
朱爽
张锦水
-
机构
北京工业职业技术学院
北京师范大学地表过程与资源生态国家重点实验室
北京市陆表遥感数据产品工程技术研究中心
北京师范大学地理科学学部遥感科学与工程研究院
-
出处
《国土资源遥感》
CSCD
北大核心
2020年第1期19-26,共8页
-
基金
高分辨率对地观测系统重大专项支持项目民用部分(编号:09-Y20A05-9001-17/18)资助。
-
文摘
单期中等空间分辨率遥感影像(如Landsat8 OLI)进行冬小麦提取,易受到“异物同谱、同物异谱”影响,造成冬小麦识别结果的“错入、错出”,降低冬小麦识别精度。低空间分辨率遥感影像(如MODIS)获取时间频率高,具有时间序列特征,能够准确地刻画出冬小麦生长周期内的特有物候特征,可以有效地消除单期遥感影像上存在的“异物同谱、同物异谱”现象。研究利用MODIS时间序列特征提取出的冬小麦空间分布信息为辅助信息,用来修正单期OLI遥感影像识别冬小麦结果的“错入、错出”误差,以提高冬小麦的识别精度。实验结果表明,在冬小麦错出区域,OLI提取结果的均方根误差(root mean square error,RMSE)为0. 758,经MODIS修正后RMSE为0. 142,降低了0. 616;在冬小麦错入区域,OLI提取结果的RMSE为0. 901,经MODIS修正后RMSE为0. 122,降低了0. 779。可见,该方法能够发挥MODIS有效描述冬小麦生长周期内时间序列特征的优势,对Landsat OLI冬小麦测量结果进行了有效修正,提高了冬小麦测量精度。
-
关键词
时间序列
线性混合像元分解
丰度
一致性分析
修正
-
Keywords
time series
linear mixed spectral unmixing
fraction
consistency analysis
rectification
-
分类号
TP79
[自动化与计算机技术—检测技术与自动化装置]
-
