项目名称: 基于植被指数斜率的地表覆盖变化检测方法研究

项目编号: No.41501483

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 天文学、地球科学

项目作者: 陆苗

作者单位: 中国农业科学院农业资源与农业区划研究所

项目金额: 20万元

中文摘要: 针对目前地表覆盖变化检测中影像光谱信息难以应对地表覆盖变化复杂性和多样性的问题,本项目从时相信息的角度,提出了基于植被指数斜率的变化检测方法。首先定义和计算植被指数斜率,从植被指数时间序列曲线的整体形状特征和典型物候特征两方面提取时相信息;然后基于植被指数斜率差异和典型物候特征分析,判定变化区域;在此基础上,建立植被指数斜率差异链模型描述地表覆盖的变化规律,并构建专家知识库,通过变化像素和专家知识库的匹配识别变化类型。基于上述方法,以陕西省渭南市为研究区域,分析该区域从2010年到2015年的地表覆盖变化。本项目探索了植被指数斜率在地表覆盖变化检测中的应用,有利于提高变化检测的准确度和实用性,丰富和发展变化检测研究的有关理论、技术和方法。

中文关键词: 土地利用与土地覆被;变化检测;植被指数斜率;时相信息;植被物候

英文摘要: Change detection with remotely sensed imagery plays an important role in land cover mapping, process analysis and dynamic information services. However, many pseudo changes would also be detected because of inter-class spectral variance, which remains a significant challenge for operational remote sensing applications. In order to solve this problem, this study constructs a new land cover change detection method based on the gradient of vegetation index using temporal information of NDVI time series data. Firstly, the gradient of vegetation index is defined and calculated to describe the temporal information from the shape of the NDVI curve and phenology characteristics. And then, the differences of NDVI gradient and phenology characteristics are analyzed to discriminate the change and no-change areas. A chain model of vegetation index gradient is employed to represent the land cover change pattern, and the land cover change types are determined by pattern matching with the knowledgebase of reference gradient difference patterns. Based on this method, Weinan city in Shanxi province is selected as the study area to analyze the land cover change from 2010 to 2015. This study will help to propose the key scientific issues in land cover change detection and to promote the development of theories, methodologies and techniques in related disciplines.

英文关键词: land use/land cover;change detection;gradient of vegetation index ;temporal information;vegetation phenology

成为VIP会员查看完整内容
1

相关内容

基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
「图像异常检测 」最新2022研究综述
专知会员服务
86+阅读 · 2022年4月15日
《2021-2022全球计算力指数评估报告》,46页pdf
专知会员服务
73+阅读 · 2022年3月25日
监控视频的异常检测与建模综述
专知会员服务
48+阅读 · 2021年12月27日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
70+阅读 · 2021年3月23日
【干货书】机器学习特征工程,217页pdf
专知会员服务
124+阅读 · 2021年2月6日
专知会员服务
50+阅读 · 2020年12月28日
小目标检测技术研究综述
专知会员服务
120+阅读 · 2020年12月7日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
「图像异常检测 」最新2022研究综述
专知
5+阅读 · 2022年4月16日
积分梯度:一种归因分析方法
极市平台
1+阅读 · 2022年3月17日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
干货!一文读懂行人检测算法
全球人工智能
11+阅读 · 2018年5月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月16日
小贴士
相关主题
相关VIP内容
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
「图像异常检测 」最新2022研究综述
专知会员服务
86+阅读 · 2022年4月15日
《2021-2022全球计算力指数评估报告》,46页pdf
专知会员服务
73+阅读 · 2022年3月25日
监控视频的异常检测与建模综述
专知会员服务
48+阅读 · 2021年12月27日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
70+阅读 · 2021年3月23日
【干货书】机器学习特征工程,217页pdf
专知会员服务
124+阅读 · 2021年2月6日
专知会员服务
50+阅读 · 2020年12月28日
小目标检测技术研究综述
专知会员服务
120+阅读 · 2020年12月7日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
「图像异常检测 」最新2022研究综述
专知
5+阅读 · 2022年4月16日
积分梯度:一种归因分析方法
极市平台
1+阅读 · 2022年3月17日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
干货!一文读懂行人检测算法
全球人工智能
11+阅读 · 2018年5月31日
相关基金
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员