-
公开(公告)号：CN106446555A
公开(公告)日：2017-02-22
申请号：CN201610861446.2
申请日：2016-09-29
Applicant: 福州大学
CPC classification number: G06F19/00 , G01N21/17 , G01N2021/1797
Abstract: 本发明涉及一种基于时序相似性的植被变化发生时间检测方法，该方法首先建立研究区多年时空连续的植被指数时序数据，然后逐像元逐年计算历年与起始年份植被指数时序曲线的JM距离，生成历年与起始年份JM距离的时序曲线；利用logistic模型拟合历年与起始年份JM距离的时序曲线，从logistic模型参数中获取时间参数，实现植被变化时间的自动提取。该方法利用历年与起始年份植被指数时序曲线的JM距离指示时序相似性，从逐年时序相似性的变化规律中获取植被发生变化时间。该方法能有效地检测时序曲线在幅度、频率等各方面的变化，避免了将原始光谱指数时序数据进行分解的繁琐程序，解决了难以直接从原始光谱指数时序数据中提取指标来全面表征植被变化的难题。
-
公开(公告)号：CN107463775A
公开(公告)日：2017-12-12
申请号：CN201710605772.1
申请日：2017-07-24
Applicant: 福州大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于多遥感指数变化趋势的植被流失去向识别方法。该方法利用JM距离计算历年与起始年份的植被指数时序相似性，生成植被指数时序相似性轨迹，依据植被指数时序相似性变化量提取潜在植被流失区域，进而将植被指数显著下降并且不透水面指数显著上升的区域，明确为植被流失区域，在此基础上，依据水体指数、裸土指数变化趋势特征，最终判断城市化、荒化和湿地化等不同的植被流失去向。该方法通过时序相似性变化量确定植被变化区域，进而依据多种遥感指数判断植被流失去向，不依赖人工干预设置阈值，具有鲁棒性好、分类精度高、自动化程度与抗干扰能力强等特点。
-
公开(公告)号：CN107463775B
公开(公告)日：2019-11-12
申请号：CN201710605772.1
申请日：2017-07-24
Applicant: 福州大学
IPC: G06F17/10
Abstract: 本发明公开了一种基于多遥感指数变化趋势的植被流失去向识别方法。该方法利用JM距离计算历年与起始年份的植被指数时序相似性，生成植被指数时序相似性轨迹，依据植被指数时序相似性变化量提取潜在植被流失区域，进而将植被指数显著下降并且不透水面指数显著上升的区域，明确为植被流失区域，在此基础上，依据水体指数、裸土指数变化趋势特征，最终判断城市化、荒化和湿地化等不同的植被流失去向。该方法通过时序相似性变化量确定植被变化区域，进而依据多种遥感指数判断植被流失去向，不依赖人工干预设置阈值，具有鲁棒性好、分类精度高、自动化程度与抗干扰能力强等特点。
-
公开(公告)号：CN106446555B
公开(公告)日：2019-01-22
申请号：CN201610861446.2
申请日：2016-09-29
Applicant: 福州大学
Abstract: 本发明涉及一种基于时序相似性的植被变化发生时间检测方法，该方法首先建立研究区多年时空连续的植被指数时序数据，然后逐像元逐年计算历年与起始年份植被指数时序曲线的JM距离，生成历年与起始年份JM距离的时序曲线；利用logistic模型拟合历年与起始年份JM距离的时序曲线，从logistic模型参数中获取时间参数，实现植被变化时间的自动提取。该方法利用历年与起始年份植被指数时序曲线的JM距离指示时序相似性，从逐年时序相似性的变化规律中获取植被发生变化时间。该方法能有效地检测时序曲线在幅度、频率等各方面的变化，避免了将原始光谱指数时序数据进行分解的繁琐程序，解决了难以直接从原始光谱指数时序数据中提取指标来全面表征植被变化的难题。
-
-
-
Search Results
4
records
(took 0.018 seconds)
