利用经验模态分解的近地面植被指数时序数据重构研究

论文摘要

NDVI遥感产品可以较好地反映植被的生长情况,已被广泛应用于植被物候的遥感分析。本文利用PhenoCam物候相机观测网络林地站点的近地面多光谱数码相机照片,通过近红外和红光波段组合提取近似NDVI的时序数据,并在景观尺度上采用经验模态分解方法(EMD,Empirical Mode Decomposition)实现一定容差范围内NDVI时序数据的重构。结果表明:EMD方法能够有效地减少NDVI时序数据噪声干扰,经验证,趋势项残差的趋势较为明确。实验基于重构结果进行植被物候分析,得到的物候分布特征与植被实际生长反映的变化特征基本一致。

论文目录

文章来源

类型: 期刊论文

作者: 周玉科

关键词: 多光谱数据,植被指数,时序数据重构,经验模态分解方法

来源: 测绘与空间地理信息 2019年06期

年度: 2019

分类: 基础科学

专业: 自然地理学和测绘学

单位: 中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室

基金: 国家自然科学基金项目(41601478),国家重点研发计划(2018YFB0505301,2016YFC0500103)资助

分类号: P237

页码: 1-3

总页数: 3

文件大小: 1082K

下载量: 107

相关论文文献

• [1].储油罐液位时序数据模式发现[J]. 重庆大学学报 2020(03)
• [2].时序数据库发展研究[J]. 广东通信技术 2020(03)
• [3].基于时序数据库的工业大数据应用研究[J]. 重型机械 2020(04)
• [4].工业互联网中时序数据处理面临的新挑战[J]. 信息通信技术与政策 2019(05)
• [5].基于自相关函数的非平稳时序数据的辨识改进[J]. 微型机与应用 2016(13)
• [6].基于时序数据库的监控数据存储方法研究[J]. 电子元器件与信息技术 2020(01)
• [7].时序数据并行压缩速率改进技术研究[J]. 电子设计工程 2018(20)
• [8].基于时序数据的辽宁省环境库兹涅茨曲线实证分析[J]. 统计与咨询 2013(04)
• [9].基于统计特征的时序数据符号化算法[J]. 计算机学报 2008(10)
• [10].基于相关性分析的工业时序数据异常检测[J]. 软件学报 2020(03)
• [11].基于微局部特征的时序数据二分类算法[J]. 计算机系统应用 2019(11)
• [12].基于动态时间规整的时序数据相似连接[J]. 计算机学报 2018(08)
• [13].《时序数据挖掘与过程神经元网络》[J]. 全国新书目 2013(12)
• [14].多周期时序数据的傅氏级数拟合算法[J]. 计算机系统应用 2015(07)
• [15].时序数据曲线排齐的相关性分析方法[J]. 软件学报 2014(09)
• [16].非平稳NDVI时序数据人工神经网络建模方法[J]. 遥感信息 2019(06)
• [17].路灯监控系统中时序数据流的异常值检测研究[J]. 微处理机 2018(06)
• [18].时序数据的动态有界符号化方法[J]. 控制与决策 2008(10)
• [19].基于GARCH模型下金融时序数据的影响点识别[J]. 统计与管理 2016(11)
• [20].小样本跳变水质时序数据预测方法[J]. 计算机应用 2010(02)
• [21].集思特思发布新一代时序数据产品TSM7[J]. 中国水利 2009(04)
• [22].一种平稳时序数据的高效辨识改进算法[J]. 微处理机 2019(01)
• [23].成品油零售价格变动对销售量影响研究——基于成品油价格时序数据挖掘分析[J]. 价格理论与实践 2019(10)
• [24].面向大规模网络安全态势分析的时序数据挖掘关键技术研究[J]. 信息化建设 2016(05)
• [25].一种新型时序数据库在大型配电网自动化系统数据中心中的应用[J]. 中国电业(技术版) 2014(07)
• [26].时序数据的矢量化符号方法[J]. 小型微型计算机系统 2008(12)
• [27].基于时序数据库的转移规则挖掘算法研究[J]. 计算机仿真 2008(06)
• [28].海量时间序列数据的相关探索[J]. 通信电源技术 2020(10)
• [29].基于时序数据库的分布式网络波动监控系统[J]. 中国传媒科技 2018(03)
• [30].基于自动分发多级分解TCN-BiLSTM-LightGBM家庭PV发电量预测[J]. 电子制作 2020(19)

标签：多光谱数据论文;  植被指数论文;  时序数据重构论文;  经验模态分解方法论文;