青海柴达木盆地地物波谱特征和遥感最佳波段选择

doi:10.6046/gtzyyg.1990.01.07

全文: PDF(434 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

本文叙述了在航空多光谱扫描成像前, 首先要在工作区进行地物波谱测试, 为多光谱扫描成像取得理想效果、选择最佳波段提供依据。1986年在青海柴达木盆地测得了190多个水、土、植被、岩石与盐类沉积物等地物的波谱数据, 经综合整理, 按DS-1260②的可见光到近红外10个波段, 用数理统计的T检验和秩和检验进行青海柴达木盆地找钾盐航空多光谱遥感最佳波段选择的方法探索。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	谢仁伟
	牛铮
	孙睿
	汤泉
	胡忠贤
	于援帮

关键词 ：土地利用矢量图, 遥感影像, 变化检测, 多波段统计检验

Abstract：

The spectral measurments of ground-cover before the flight with an airborne multispectral scanner in Chaidam Basin, Qinghai Province are represented in this paper, in order to provide the basis for selection of best spectral bands of ground-cover identification. The spectral data over 190 samples to be taken in site, such as water, soil, vagetation, rock and salt ect, has been obtained in 1986. The optimun bands for exploration of potass resources have been selected according to the ten spectral bands in the DS-1260 scanner arranging from visible to near-infrared spectrum, with the help of the T-test and sequence-test methods in statistics.

Key words： Land use vector map Remote sensing Image Change detection Statistical test with multi-band

出版日期: 2011-08-02

引用本文:

罗亨树. 青海柴达木盆地地物波谱特征和遥感最佳波段选择[J]. 国土资源遥感, 1990, 2(1): 40-46.
Lou Henshu . SPECTRAL CHARACTERS AND OPTIMUM BANDS FOR GROUND-COVER IDENTIFICATION IN CHAIDAM BASIN OF QINGHAI PROVINCE. REMOTE SENSING FOR LAND & RESOURCES, 1990, 2(1): 40-46.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.1990.01.07 或 https://www.gtzyyg.com/CN/Y1990/V2/I1/40

[1]	薛白, 王懿哲, 刘书含, 岳明宇, 王艺颖, 赵世湖. 基于孪生注意力网络的高分辨率遥感影像变化检测[J]. 自然资源遥感, 2022, 34(1): 61-66.
[2]	潘建平, 徐永杰, 李明明, 胡勇, 王春晓. 结合相关系数和特征分析的植被区域自动变化检测研发[J]. 自然资源遥感, 2022, 34(1): 67-75.
[3]	宋仁波, 朱瑜馨, 郭仁杰, 赵鹏飞, 赵珂馨, 朱洁, 陈颖. 基于多源数据集成的城市建筑物三维建模方法[J]. 自然资源遥感, 2022, 34(1): 93-105.
[4]	李轶鲲, 杨洋, 杨树文, 王子浩. 耦合模糊C均值聚类和贝叶斯网络的遥感影像后验概率空间变化向量分析[J]. 自然资源遥感, 2021, 33(4): 82-88.
[5]	桑潇, 张成业, 李军, 朱守杰, 邢江河, 王金阳, 王兴娟, 李佳瑶, 杨颖. 煤炭开采背景下的伊金霍洛旗土地利用变化强度分析[J]. 自然资源遥感, 2021, 33(3): 148-155.
[6]	王译著, 黄亮, 陈朋弟, 李文国, 余晓娜. 联合显著性和多方法差异影像融合的遥感影像变化检测[J]. 自然资源遥感, 2021, 33(3): 89-96.
[7]	卢麒, 秦军, 姚雪东, 吴艳兰, 朱皓辰. 基于多层次感知网络的GF-2遥感影像建筑物提取[J]. 国土资源遥感, 2021, 33(2): 75-84.
[8]	胡苏李扬, 李辉, 顾延生, 黄咸雨, 张志麒, 汪迎春. 基于高分辨率遥感影像的神农架大九湖湿地土地利用类型变化及其驱动力分析——来自长时间尺度多源遥感信息的约束[J]. 国土资源遥感, 2021, 33(1): 221-230.
[9]	刘钊, 赵桐, 廖斐凡, 李帅, 李海洋. 基于语义分割网络的高分遥感影像城市建成区提取方法研究与对比分析[J]. 国土资源遥感, 2021, 33(1): 45-53.
[10]	孙珂. 融合超像元与峰值密度特征的遥感影像分类[J]. 国土资源遥感, 2020, 32(4): 41-45.
[11]	卫虹宇, 赵银娣, 董霁红. 基于改进RetinaNet的冷却塔目标检测[J]. 国土资源遥感, 2020, 32(4): 68-73.
[12]	徐锐, 余小于, 张驰, 杨瑨, 黄宇, 潘俊. 融合Unet网络和IR-MAD的建筑物变化检测方法[J]. 国土资源遥感, 2020, 32(4): 90-96.
[13]	郑智腾, 范海生, 王洁, 吴艳兰, 王彪, 黄腾杰. 改进型双支网络模型的遥感海水网箱养殖区智能提取方法[J]. 国土资源遥感, 2020, 32(4): 120-129.
[14]	李国庆, 黄菁华, 刘冠, 李洁, 翟博超, 杜盛. 基于Landsat8卫星影像土地利用景观破碎化研究——以陕西省延安麻塔流域为例[J]. 国土资源遥感, 2020, 32(3): 121-128.
[15]	刁明光, 刘文静, 李静, 刘芳, 王彦佐. 矿山遥感监测矢量成果数据动态变化检测方法[J]. 国土资源遥感, 2020, 32(3): 240-246.