MODIS LAI產(chǎn)品面向全球,時(shí)間分辨率較高,應(yīng)用較為廣泛,但當(dāng)面向區(qū)域應(yīng)用時(shí)會(huì)存在明顯的低估或高估現(xiàn)象,使其應(yīng)用效益和使用范圍受到一定的限制,因此面向區(qū)域性高精度應(yīng)用時(shí)需要利用高空間分辨率數(shù)據(jù)對(duì)其數(shù)據(jù)精度進(jìn)行提升處理,然而高空間分辨率數(shù)據(jù)的低時(shí)間分辨率屬性并不能滿(mǎn)足兩者所有時(shí)間上的一一對(duì)應(yīng)關(guān)系,因此如何利用有限數(shù)量的高空間分辨率數(shù)據(jù)來(lái)提煉和量化兩種數(shù)據(jù)之間精度差異的一般性規(guī)律顯得尤為重要。本研究面向遙感衛(wèi)星生物參數(shù)產(chǎn)品精度提升這一重要科學(xué)問(wèn)題,服務(wù)于中低空間分辨率LAI產(chǎn)品應(yīng)用,借助冠層輻射傳輸模型利用有限數(shù)量的Landsat數(shù)據(jù)量化MODIS LAI產(chǎn)品反演過(guò)程的不確定性,優(yōu)化產(chǎn)品精度處理流程,提煉不同空間分辨率數(shù)據(jù)反演結(jié)果精度差異的一般性規(guī)律,提升無(wú)同時(shí)相高空間分辨率數(shù)據(jù)支持下的中低空間分辨率LAI產(chǎn)品使用精度,為完善衛(wèi)星遙感產(chǎn)品真實(shí)性檢驗(yàn)流程和普適性應(yīng)用提供思路。本研究的主要工作與結(jié)論如下:（1）Landsat8 OLI與MODIS傳感器成像參數(shù)存在較大差異,本研究主要考慮兩種影像的光譜差異和成像幾何差異,借助傳感器的點(diǎn)擴(kuò)散函數(shù)特性,利用非對(duì)稱(chēng)二維高斯函數(shù)對(duì)兩種影像進(jìn)行了空間... 

【文章來(lái)源】：中國(guó)地質(zhì)大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

常見(jiàn)空間尺度轉(zhuǎn)換方法

研究總體技術(shù)路線(xiàn)圖

位于北緯 28°25′33″～29°51′00″，東經(jīng) 112°18′31″～114°09′06″之間。該地區(qū)屬于大陸性季風(fēng)氣候，年平均降水量為 1289.8～1556.2mm（張娟等，2018）。該地區(qū)地勢(shì)略有起伏，其中平原占據(jù)整體區(qū)域的 27%，水體面積約占 17.2%，大小湖泊一共 165 個(gè)。洞庭湖地區(qū)是湖南第一產(chǎn)業(yè)最為發(fā)達(dá)的地區(qū)，播種面積為 2570.54×10~3hm~2，占全省的 31.3%;糧食總產(chǎn)量 868.76×10~4t，占全省的30.5%，其中稻谷占全省總產(chǎn)量的 30.1%（唐宇文 ，2014）。岳陽(yáng)市土地資源豐富，植被覆蓋面積較大，覆蓋率較高，植被類(lèi)型多樣，耕地面積 552.19 萬(wàn)畝，其中水田占 70.94%，為 391.72 畝。該地區(qū)有水稻土 387.311 萬(wàn)畝，土壤中包含豐富的氮、鉀元素，具備水稻生長(zhǎng)的適宜條件，水稻種植較為集中，且分布較為廣泛，因此易于進(jìn)行大面積植被生物參數(shù)反演的研究。針對(duì)研究問(wèn)題，選擇具有大面積水稻種植的區(qū)域作為本研究的研究區(qū)，如圖 2-1 為本研究的研究區(qū)，該區(qū)域內(nèi) 80%以上像元為水稻像元，比較適于進(jìn)行水稻葉面積指數(shù)的反演研究。

【參考文獻(xiàn)】：
期刊論文
[1]基于粒子群優(yōu)化算法的邊坡穩(wěn)定性計(jì)算[J]. 竇勇.  化工礦物與加工. 2019(02)
[2]不同波長(zhǎng)誘蟲(chóng)燈對(duì)思茅松毛蟲(chóng)監(jiān)測(cè)研究[J]. 張娟,張貴,王雙,徐海舟.  中南林業(yè)科技大學(xué)學(xué)報(bào). 2018(06)
[3]帶全局判據(jù)的改進(jìn)量子粒子群優(yōu)化算法[J]. 徐珊珊,金玉華,張慶兵.  系統(tǒng)工程與電子技術(shù). 2018(09)
[4]一種新型低存儲(chǔ)二維離散小波變換架構(gòu)[J]. 高家明,梁煜,張為,劉艷艷.  西安電子科技大學(xué)學(xué)報(bào). 2018(02)
[5]分形理論和LiDAR數(shù)據(jù)的滑坡識(shí)別[J]. 賴(lài)自力,陳建平,向杰,徐彬.  測(cè)繪科學(xué). 2018(06)
[6]基于無(wú)人機(jī)遙感的葉面積指數(shù)反演[J]. 褚洪亮,肖青,柏軍華,程娟.  遙感技術(shù)與應(yīng)用. 2017(01)
[7]不同結(jié)構(gòu)長(zhǎng)波紅外探測(cè)器組件的MTF分析[J]. 汪洋,劉大福,徐勤飛,王妮麗,李雪,龔海梅.  紅外與毫米波學(xué)報(bào). 2016(03)
[8]基于Landsat數(shù)據(jù)的條件植被溫度指數(shù)升尺度轉(zhuǎn)換方法[J]. 王鵬新,吳高峰,白雪嬌,劉峻明.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2015(07)
[9]觀賞稻在園林景觀中的應(yīng)用分析[J]. 方浩俊,周錫躍.  中國(guó)稻米. 2015(03)
[10]黃河三角洲土壤含水量狀況的高光譜估測(cè)與遙感反演[J]. 李萍,趙庚星,高明秀,常春艷,王卓然,張同瑞,安德玉,賈吉超.  土壤學(xué)報(bào). 2015(06)

博士論文
[1]條件植被溫度指數(shù)的時(shí)空尺度上推方法研究[D]. 白雪嬌.中國(guó)農(nóng)業(yè)大學(xué) 2017
[2]面向冬小麥遙感同化估產(chǎn)的葉面積指數(shù)空間尺度差異校正[D]. 江佳樂(lè).中國(guó)地質(zhì)大學(xué)(北京) 2017
[3]基于多源遙感數(shù)據(jù)的干旱/半干旱地區(qū)表層土壤水反演方法研究[D]. 黃資彧.華南農(nóng)業(yè)大學(xué) 2016
[4]不同生育期小麥葉面積指數(shù)遙感反演對(duì)光譜和空間尺度的響應(yīng)研究[D]. 黃彥.南京大學(xué) 2015
[5]斷層型沖擊礦壓的動(dòng)靜載疊加誘發(fā)原理及其監(jiān)測(cè)預(yù)警研究[D]. 蔡武.中國(guó)礦業(yè)大學(xué) 2015
[6]基于遙感技術(shù)的漬害識(shí)別方法及其時(shí)空分布特征研究[D]. 金銀龍.武漢大學(xué) 2014
[7]超衍射極限相干反斯托克斯拉曼散射顯微成像技術(shù)研究[D]. 劉偉.天津大學(xué) 2014
[8]用于繪制高分辨小鼠全腦圖譜的斷層成像系統(tǒng)研究[D]. 李安安.華中科技大學(xué) 2010
[9]多目標(biāo)進(jìn)化算法及其應(yīng)用研究[D]. 孟紅云.西安電子科技大學(xué) 2005

碩士論文
[1]面向拉班舞譜自動(dòng)生成的運(yùn)動(dòng)捕捉數(shù)據(jù)分割研究[D]. 盧厚君.北京交通大學(xué) 2017
[2]負(fù)壓充水技術(shù)在楊樹(shù)扦插育苗中的應(yīng)用研究[D]. 辛顯彬.山東農(nóng)業(yè)大學(xué) 2017
[3]基于HJ-1A HSI高光譜遙感數(shù)據(jù)的湟水流域典型植被分類(lèi)[D]. 史飛飛.青海師范大學(xué) 2017
[4]基于支持向量機(jī)和單類(lèi)支持向量機(jī)的在線(xiàn)簽名認(rèn)證研究[D]. 葉姣.華南理工大學(xué) 2016
[5]MODIS輔助深圳灣HJ CCD影像懸浮泥沙濃度反演研究[D]. 田小娟.華中師范大學(xué) 2015
[6]遙感陸表特征參量產(chǎn)品真實(shí)性檢驗(yàn)關(guān)鍵技術(shù)研究與系統(tǒng)實(shí)現(xiàn)[D]. 張良.電子科技大學(xué) 2015
[7]基于MODIS數(shù)據(jù)的云和積雪時(shí)空變化分析[D]. 韓雪蓉.四川師范大學(xué) 2015
[8]陰影的掩膜和內(nèi)陸水體的遙感提取[D]. 包玲.南京師范大學(xué) 2014
[9]面向MODIS數(shù)據(jù)的云檢測(cè)方法研究[D]. 丁玉葉.哈爾濱工業(yè)大學(xué) 2013
[10]自主衛(wèi)星LAI真實(shí)性檢驗(yàn)系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[D]. 張應(yīng)奇.電子科技大學(xué) 2013



本文編號(hào)：3424261