结果表明GF-6WFV 影像的红边波段和红边指数在湿地分类中具有重要作用，利用优选特征集的分类精度最高，为87.43%，比未进行特征优选的分类精度提高了1.55%。研究成果将为GF-6WFV 影像在湿地监测方面提供技术参考。关键词：GF-6；湿地分类；特征优选；随机森林；红边波段 中图分类号：P237文献标志码：B 文章编号：...
关键词GF-6WFV；叶面积指数；光谱植被指数模型；NDSI3 中图分类号：TP79文献标识码：A DOI：10.3964/j.issn.1000-0593(2022)07-2278-06 引言 叶面积指数(LAI)是植被冠层结构最重要的生物物理参数之一-.,它通常定义为单位地表面积上所有叶片面积之和的一半，它是反映植被个体特征和群体特征长势的关键指标,控制...
分别采用单波段法、波段差值法及水体指数法(NDWI)对4个湖泊水体面积进行了遥感监测,并对上述3种方法提取的结果进行了精度验证,旨在为基于GF-6 WFV卫星影像的高原湖泊、水库水体面积遥感监测提供技术支持和理论参考。
通过选取6种典型抗饱和、 抗土壤和大气光学植被指数与实测叶面积指数建立回归模型。 同时考虑到GF-6 WFV遥感影像包含两个红边波段能更好的反演LAI, 因此将其融入上述6种光学植被指数模型, 构造出新的光学植被指数, 植被指数计算公式如表2所示。 表2 光谱植被指数计算公式 Table 2 Spectral vegetation indices 1.4....
摘要 针对高分六号(GF-6)宽幅多光谱影像具有红边波段的特点,构建一种基于特征优选的GF-6 WFV影像主要粮食作物提取方法。首先从预处理后的GF-6影像中提取光谱特征、植被指数、水体指数和红边指数特征,然后利用递归特征消除...展开更多 In view of the characteristics of multiple red edge bands of GF-6 wide ...
GF-6的另一新增的紫波段相较于其他传统波段，也对于区分艾草和其他作物做出了重要贡献。5月上旬和9月上旬分别为艾草第一茬和第二茬叶片快速繁殖生长阶段，是艾草的最佳识别时期，6月下旬和9月下旬也是区分艾草和其他作物的关键时期。研究表明，GF-6 WFV影像的新增波段以及基于红边波段构建的植被指数能够有效提高作物...
由于Landsat 8 OLI波段较多,波谱范围覆盖宽,容易实现云的高精度识别.为了进一步提高其在光谱范围较窄的GF-6 WFV数据上的云检测应用精度,在模拟出的样本库中加入GF-6 WFV数据典型高亮地表像元.通过目视解译对云检测结果进行精度验证,结果表明,该算法利用可见光和近红外通道的遥感数据可以高精度的识别出植被,水体,建筑...
SVM、最大似然算法对实验区进行土地利用分类，对比原始波段、最佳波段组合、全特征集合、优选特征集合分类结果，研究多特征优选下适宜于土地利用分类的最优分类模型。研究结果表明：不同特征集合的分类结果存在一定的差异，在相同的算法下：最大似然算法下原始光谱波段分类精度最高；随机森林算法下优选特征分类精度最高；...
WFV的16m分辨率与Sentinel-2的10m（部分波段）接近，但幅宽更大，适合大区域监测。与后续高分系列对比：GF-2（2014年发射）全色分辨率达0.8米，但幅宽仅为45公里。GF-6（2018年发射）新增红边波段，增强农业监测能力。五、数据政策与获取 数据分发：GF-1数据主要通过中国资源卫星应用中心（CRESDA）分发，部分数据对...
为获取高精度水稻种植面积提取方法和分析红边信息在作物识别能力上的优越性,该研究选取辽宁省盘锦市为研究区域,利用2020年水稻关键物候期的多时相高分6号宽幅相机(GF-6 WFV)遥感影像,构建归一化植被指数(Normalized Difference Vegetation Index,NDVI)、归一化水体指数(Normalized Difference Water ...