• / 11

长时间序列高精度植被指数改进算法

关 键  词:
长时间 序列 高精度 植被 指数 改进 算法
资源描述:

《长时间序列高精度植被指数改进算法》由会员分享,可在线阅读,更多相关《长时间序列高精度植被指数改进算法(11页珍藏版)》请在我爱发明文档网上搜索。

1、, 将MOD13A2产品数据的像元 分为空值像元、 良好像元、 混合像元、 冰雪像元, 以及云像元alityAssessment) 层, 该层根据MODIS遥感影像可靠指数(良好、 混合、 云雪像元其特征在于, 在所述 S2步骤中, 所述的遥感影像质量评价层为MOD13A2产品数据自带的QA(Qu月, 空间分辨率和时间覆盖范围不变。 3.如权利要求1所述的一种长时间序列高精度植被指数改进算法, 投影转换、 最大值合成法等, 处理预处理后的MODIS遥感影像及GIMMS遥感 影像的时间分辨率均为 时间分辨率为15天, 时间覆盖范围是1982-2015年; 所述的预处理包括遥 感影像数据拼接、 0。

2、02-2015年; 所述的GIMMS遥感影像为空间分辨率8公里的GIMMS NDVI3g产品数据,IS遥感影像为空间分辨率为1公里的MOD13A2产品数据, 时间分辨率为16 天, 时间覆盖范围是2利要求1所述的一种长时间序列高精度植被指数改进算法, 其特征在于: 在所述 S1步骤中, 所述MOD据合并, 并建立影像数据的回归关系, 得到长时间序列高精度的植被绿度变化趋势及 变化指数。 2.如权模及检验; S7, 根据所述S6步骤中重构建模后的遥感影像以及所述S5步骤处理中重叠期的遥感影 像数度分类, 分为重叠期和预测期; S6, 对S5步骤中时间维度分类后的预测期遥感影像进行多源数据重构建骤。

3、中预处理得到的GIMMS遥感影像以及所述S4步骤中合并后的MODIS 遥感影像进行遥感影像的时间维行四维时空插补, 并将插补后的像 元和所述S3步骤中所述的有效像元进行合并; S5, 根据所述S1步像元和缺失像元细分为有效像元和异常 像元; S4, 对所述S3步骤中的MODIS遥感影像的异常像元进S遥感影像 的像元筛选为可用像元和缺失像元两种; S3, 将所述S2步骤中的MODIS遥感影像的可用影像进行预处理; S2, 利用所述S1步骤中MODIS遥感影像包含的遥感影像质量评价层, 将MODI在于, 包括如下步骤: S1, 收集目标区域MODIS遥感影像及GIMMS遥感影像, 并对收集的遥感0。

4、20.11.24 CN 111982822 A 1.一种长时间序列高精度植被指数改进算法, 其特征态保护政策的制定 提供参考。 权利要求书2页 说明书5页 附图3页 CN 111982822 A 2围短、 空间分辨率低等弊 端, 为大区域尺度植被指数的长期变化监测提供 了新数据, 对于大区域尺度生。 这种分析方法综合了不同卫星 传感器的优势, 克服了单一卫星遥感影像存在的 像元污染、 时间覆盖范利用多源遥感及时空数据重构建模, 对大区域 范围内长时间序列的植被指数进行了高精度的 模拟和趋势分析 数改进算法, 包括S1S7七个步骤。 本发明的一 种长时间序列高精度植被指数改进算法, 通过综 合)发明名称 一种长时间序列高精度植被指数改进算法 (57)摘要 本发明涉及一种长时间序列高精度植被指Int.Cl. G01N 21/17(2006.01) G06T 7/00(2017.01) (54汉林史舟 (74)专利代理机构 湖北武汉永嘉专利代理有限 公司 42102 代理人 崔友明 (51)汉工程大学 地址 430074 湖北省武汉市洪山区雄楚大 街693号 (72)发明人 滕洪芬陈颂超王21)申请号 202011039297.4 (22)申请日 2020.09.28 (71)申请人 武19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日。

展开阅读全文
  我爱发明文档网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
关于本文
本文标题:长时间序列高精度植被指数改进算法
链接地址:https://www.woaifaming.net/doc/5065.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

copyright@ 20018-2021 我爱发明网版权所有

经营许可证编号:粤ICP备20005300号-1



收起
展开