Please wait a minute...
 
国土资源遥感  2015, Vol. 27 Issue (1): 87-91    DOI: 10.6046/gtzyyg.2015.01.14
  技术方法 本期目录 | 过刊浏览 | 高级检索 |
Landsat TM与HJ CCD影像植被指数的交互比较
袁正午1, 杨爱霞1,2, 仲波2
1. 重庆邮电大学计算机科学与技术学院, 重庆 400065;
2. 中国科学院遥感与数字地球研究所遥感科学国家重点实验室, 北京 100101
Cross comparison of the vegetation indexes between Landsat TM and HJ CCD
YUAN Zhengwu1, YANG Aixia1,2, ZHONG bo2
1. College of Computer Science & Technology, Chongqing University of Posts & Telecommunications, Chongqing 400065, China;
2. State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China
全文: PDF(3064 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

为了论证Landsat TM 与 HJ CCD影像植被指数间的相关关系,首先将多对同日过境的环境与灾害监测预报小卫星(HJ 1A/1B)CCD1/CCD2影像及Landsat TM影像的灰度值转换成表观反射率,然后针对不同的土地利用类型影像,通过回归分析建立二者归一化植被指数(normalized difference vegetation index,NDVI)之间的定量关系,计算二者的转换方程,分析二者间的差异。结果表明,HJ CCD及Landsat TM影像的植被指数之间具有显著的线性正相关关系,转换方程的转换精度较高。

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
张廷斌
唐菊兴
李志军
易桂花
别小娟
吴华
郭娜
张志
关键词 尕尔穷遥感找矿预测班公湖-怒江成矿带西藏    
Abstract

In order to demonstrate the correlativity of the vegetation indexes between Landsat TM and HJ CCD imageries, the authors first conducted the conversion from gray values of multi-spectrum bands to apparent reflectance for several pairs of Landsat TM and HJ CCD imageries. The quantitative relationship of normalized differential vegetation indexes between the two imageries was established through regression analysis in the light of different land cover types. At last, the conversion equation was calculated and the difference between the two kinds of data was analyzed. The result shows that vegetation indexes between Landsat TM and HJ CCD have significant linear positive correlation, and the conversion precision of the transformation equation is reasonably high.

Key wordsGa’erqiong    remote sensing    ore prediction    Bangong Lake-Nujiang River metallogenic belt    Tibet
收稿日期: 2013-10-09      出版日期: 2014-12-08
:  TP79  
基金资助:

中国科学院西部行动计划项目"黑河流域生态-水文遥感产品生产算法研究与应用试验"(编号: KZCX2-XB3-15)、 国家"863计划"课题"星机地综合观测定量遥感融合处理与共性产品生产系统"(编号: 2013AA12A301)、国家"863计划"课题"多尺度遥感数据按需快速处理与定量遥感产品生成关键技术"(编号: 2012AA12A304)以及国家自然科学基金项目(编号: NSFC41271349)共同资助。

通讯作者: 仲波(1978- ),男,助理研究员,主要研究方向包括定量遥感反演系统、遥感数据处理、气溶胶遥感等,已在国内外期刊发表论文10余篇,出版专著1部。Email: bzhong1@gmail.com。
作者简介: 袁正午(1968- ),男,博士,主要从事地理信息系统和定位服务等研究。Email: yuanzw@cqupt.edu.cn。
引用本文:   
袁正午, 杨爱霞, 仲波. Landsat TM与HJ CCD影像植被指数的交互比较[J]. 国土资源遥感, 2015, 27(1): 87-91.
YUAN Zhengwu, YANG Aixia, ZHONG bo. Cross comparison of the vegetation indexes between Landsat TM and HJ CCD. REMOTE SENSING FOR LAND & RESOURCES, 2015, 27(1): 87-91.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/gtzyyg.2015.01.14      或      https://www.gtzyyg.com/CN/Y2015/V27/I1/87

[1] 张杰,郭铌,王介民.NOAA/AVHRR与EOS/MODIS遥感产品NDVI序列的对比及其校正[J].高原气象,2007,26(5):1097-1104. Zhang J,Guo N,Wang J M.Contrast and calibration of remote sensing production NDVI of NOAA/AVHRR and EOS/MODIS[J].Plateau Meteorology,2007,26(5):1097-1104.

[2] Yoshioka H,Miura T,Huete A R,et al.Analysis of vegetation isolines in Red-NIR reflectance space[J].Remote Sensing of Environment,2000,74(2):313-326.

[3] 赵英时.遥感应用分析原理与方法[M].北京:科学出版社,2003:372-383. ZhaoY S.The Principle and Methods of Remote Sensing Applications[M].Beijing:Science Press,2003:372-383.

[4] Huete A R.A soil-adjusted vegetation index(SAVI)[J].Remote Sensing of Environment,1988,25(3):295-309.

[5] 郭铌.植被指数及其研究进展[J].干旱气象,2003,21(4):71- 75. Guo N.Vegetation index and its advances[J].Arid Meteorology,2003,21(4):71-75.

[6] 魏宏伟,田庆久.HJ 1B-CCD影像的质量评估及分析[J].遥感信息,2012(5):31-36. Wei H W,Tian Q J.Quality evaluation and analysis of HJ 1B-CCD images[J].Remote Sensing Information,2012(5):31-36.

[7] http://earthexplorer.usgs.gov/.

[8] Markham B L,Barker J L.Landsat MSS and TM post-calibration dynamic ranges,exoatmospheric reflectances and at-satellite temperature[J].EOSAT Landsat Technical Notes,1986(1):3-8.

[9] Gong P,Wang J,Yu L,et al.Finer resolution observation and monitoring of global land cover:First mapping results with Landsat TM and ETM+ data[J].International Journal of Remote Sensing,2013,34(7):2607-2654.

[10] http://blog.csdn.net/kupe87826/article/details/8125224.

[1] 刘文, 王猛, 宋班, 余天彬, 黄细超, 江煜, 孙渝江. 基于光学遥感技术的冰崩隐患遥感调查及链式结构研究——以西藏自治区藏东南地区为例[J]. 自然资源遥感, 2022, 34(1): 265-276.
[2] 王茜, 任广利. 高光谱遥感异常信息在阿尔金索拉克地区铜金矿找矿工作中的应用[J]. 自然资源遥感, 2022, 34(1): 277-285.
[3] 吕品, 熊丽媛, 徐争强, 周学铖. 基于FME的矿山遥感监测矢量数据图属一致性检查方法[J]. 自然资源遥感, 2022, 34(1): 293-298.
[4] 张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[5] 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.
[6] 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.
[7] 李伟光, 侯美亭. 植被遥感时间序列数据重建方法简述及示例分析[J]. 自然资源遥感, 2022, 34(1): 1-9.
[8] 丁波, 李伟, 胡克. 基于同期光学与微波遥感的茅尾海及其入海口水体悬浮物反演[J]. 自然资源遥感, 2022, 34(1): 10-17.
[9] 高琪, 王玉珍, 冯春晖, 马自强, 柳维扬, 彭杰, 季彦桢. 基于改进型光谱指数的荒漠土壤水分遥感反演[J]. 自然资源遥感, 2022, 34(1): 142-150.
[10] 张秦瑞, 赵良军, 林国军, 万虹麟. 改进遥感生态指数的宜宾市三江汇合区生态环境评价[J]. 自然资源遥感, 2022, 34(1): 230-237.
[11] 贺鹏, 童立强, 郭兆成, 涂杰楠, 王根厚. 基于地形起伏度的冰湖溃决隐患研究——以希夏邦马峰东部为例[J]. 自然资源遥感, 2022, 34(1): 257-264.
[12] 艾璐, 孙淑怡, 李书光, 马红章. 光学与SAR遥感协同反演土壤水分研究进展[J]. 自然资源遥感, 2021, 33(4): 10-18.
[13] 李特雅, 宋妍, 于新莉, 周圆锈. 卫星热红外温度反演钢铁企业炼钢月产量估算模型[J]. 自然资源遥感, 2021, 33(4): 121-129.
[14] 刘白露, 管磊. 南海珊瑚礁白化遥感热应力检测改进方法研究[J]. 自然资源遥感, 2021, 33(4): 136-142.
[15] 吴芳, 金鼎坚, 张宗贵, 冀欣阳, 李天祺, 高宇. 基于CZMIL测深技术的海陆一体地形测量初探[J]. 自然资源遥感, 2021, 33(4): 173-180.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发