导读:本文包含了增强植被指数论文开题报告文献综述及选题提纲参考文献，主要关键词:遥感,土地利用,植被,MODIS,EVI
增强植被指数论文文献综述
程琳琳,李玉虎,孙海元,张也,詹佳琪[1]（2019）在《京津冀MODIS长时序增强型植被指数拟合重建方法适用性研究》一文中研究指出长时间序列植被指数拟合重建的结果可为植被变化动态监测及物候信息提取、生物量信息提取、农作物产量预测及面积估算、生态质量评价及生态系统碳循环研究等提供更精准、更可靠的数据来源,从而有效反映生态环境质量。MODIS EVI数据虽经过最大值合成(MVC)处理,但仍存在云、冰雪、气溶胶等噪声。该文基于Timesat软件中非对称高斯函数拟合法(AG)、双Logistic函数拟合法(DL)、SG滤波法(SG)3种方法对京津冀2001—2015年MODIS EVI时间序列数据进行拟合重建,从时间序列、空间格局两个维度,并结合数理统计方法,对比分析了不同方法的拟合效果。结果表明:噪声比与拟合重建的方法无明显相关关系。在去噪效果和保真性、拟合优度等方面,AG拟合和DL拟合整体无明显差异,在部分像元点上AG拟合表现出更好的重建效果。SG方法可以更有效的保留原始植被特征。3种方法重建后的效果表现出与地类空间分布相关的差异性。对于京津冀地区长时序数据,AG拟合在人类扰动较小的草地、森林和灌木地区域表现出更好的重建效果,SG方法在人类活动干扰更强的耕地区域重建效果更优。(本文来源于《农业工程学报》期刊2019年11期）
郝鹏宇,唐华俊,陈仲新,牛铮[2]（2018）在《基于历史增强型植被指数时序的农作物类型早期识别》一文中研究指出快速准确地获取农作物分布数据对作物估产、灾害预警具有重要意义。该文针对目前农情遥感监测业务中普遍存在的缺乏地面数据和分类时效性较低的问题,以美国堪萨斯州为研究区,提出了基于参考时间序列获得训练样本的方法。首先,基于2006到2013年的MODIS EVI时间序列数据和cropland data layer(CDL)数据,使用免疫系统网络方法建立苜蓿、玉米、高粱和冬小麦的参考EVI时间序列;根据2006年到2013年作物分布情况,将作物超过总记录年数一半的象元作为2014年"潜在"训练样本;通过计算参考EVI时间序列和"潜在"样本的MODIS EVI时间序列的欧氏距离确认2014年训练样本;最后使用这些样本和2014年Landsat NDVI月合成数据进行30 m作物识别,并且评价时间序列长度对作物识别结果的影响。试验结果表明,时间序列长度为4-8月时,获得2014年样本10 183个,样本正确率为96.32%,总体分类精度为94.02%,接近使用完整时间序列数据的结果(总体分类精度94.89%);提取的苜蓿、玉米、高粱和冬小麦的面积分别为549.5、1 999.5、2 851.5和6 415.3 km~2,与CDL数据相比误差低于20%,说明基于参考时间序列方法获得的训练样本具有较高的正确率,具备进行30 m作物早期制图的潜力。该研究可为提高农作物遥感制图工作效率提供参考。(本文来源于《农业工程学报》期刊2018年13期）
沈夏炯,侯柏成,韩道军,马瑞[3]（2018）在《基于GPU和矩阵分块的增强植被指数计算》一文中研究指出增强植被指数(enhanced vegetation index,EVI)算法是生态遥感领域的重要算法,被广泛应用在植被分类、作物长势检测和自然灾害监测等方面。而随着遥感影像获取能力的不断提升,在使用传统的EVI算法处理数据量较大的影像时会出现内存占用率较高且耗时较长的现象,给应用系统的快速响应带来了不便。针对这种情况,结合EVI算法特点,提出一种基于GPU和矩阵分块的EVI算法,充分利用CPU和GPU各自的优势提高算法执行效率。对于需要分块处理的影像数据,该计算方法根据影像数据大小、系统可用内存和GPU可用显存计算出分块数目,在CPU端将影像数据按照相同的规则进行分块,然后将分块后数据在GPU端进行EVI运算,最后将运算结果返回到CPU。实验结果表明,EVI算法经过改进后的运算速度得到了有效的提高,内存使用率得到有效的降低,验证了被改进算法的优越性。(本文来源于《遥感信息》期刊2018年03期）
王行汉,刘超群,丛沛桐,扶卿华[4]（2018）在《基于增强温度植被指数的农业旱情遥感监测》一文中研究指出近年来随着全球极端天气的加剧,中国南方地区干旱灾害频繁发生,研究适合特定区域的旱情监测方法意义重大。TVDI是目前广泛使用的农业旱情遥感监测指标之一,在中国北方地区的农业旱情监测中得到了较好的应用,但其对于中国南方高植被覆盖区的旱情监测效果不理想。基于此该文提出了增强温度植被指数(ETVDI,enhanced temperature vegetation dryness index),该方法克服了TVDI在高植被覆盖区植被指数饱和的缺陷,并采用多项式拟合干湿边方程构建特征空间。利用该方法对珠江流域片2015年5月干旱状况进行监测,并结合标准化降水指数对其结果进行了验证。结果表明:1)ETVDI监测的旱情空间分布与标准化降水指数的旱情空间分布基本一致,能够较好地体现出不同旱情等级的空间分布状况;2)ETVDI模型中采用的多项式拟合干湿边方程的方法,将原来湿边拟合趋势线可靠性由0.16提高到0.97,提高了模型参数计算的精确度。同时,多项式拟合的方法是在保障拟合精度的前提下获得模型参数,相对于传统的线性拟合方式,受数据自身的影响较小,能够保证旱情监测结果的精确性。该研究提出的ETVDI模型,为中国南方地区的旱情监测提供了一种新的方法手段。(本文来源于《干旱区资源与环境》期刊2018年05期）
沈夏炯,侯柏成,韩道军,马瑞[5]（2018）在《基于流水线的增强型植被指数快速提取算法》一文中研究指出针对传统的并行方法难以对增强型植被指数(enhanced vegetation index,EVI)提取链进行加速的问题,结合EVI提取算法的特点,依靠流水线在遥感影像多级连续处理方面的优势,提出一种基于流水线模型的EVI快速提取算法。为了解决相邻处理阶段吞吐率的差异问题,在流水线相邻节点间加入双缓冲队列来存储节点处理的中间结果,进一步提高EVI提取算法各步骤并行度。实验结果表明,提出的EVI快速提取算法的提取效率要高于传统的EVI多线程提取算法。(本文来源于《计算机应用研究》期刊2018年09期）
侯柏成[6]（2017）在《基于嵌套分块和流水线的增强型植被指数快速提取算法研究》一文中研究指出随着我国对地遥感观测技术的逐渐发展与成熟,我们获取的遥感影像的种类越来越丰富,数据规模越来越大。面对如此庞大的数据量,传统的影像处理模型已经无法满足遥感产品应用领域对影像处理算法高效处理的要求。因此研究遥感影像快速处理模型是十分有意义的。增强型植被指数(Enhanced Vegetation Index,EVI)是生态定量遥感监测领域应用广泛的植被指数之一。它通过引入相关参数对EVI计算公式进行了改进,在一定程度上减弱大气和土壤对它的影响,因此能够稳定地反映出所观测地区植被的生长情况。当对数据规模较大的遥感影像进行EVI提取时,由于受到计算机硬件资源的限制,此类影像数据不能全部加载到内存中进行处理,需要对数据进行合理的分块。传统数据分块算法不能对遥感数据做出合理的分块,并且分块效率比较低。传统的EVI多线程提取方法不能对EVI提取的整个处理链进行加速,因此提取效率并不高。结合上述问题,本文对遥感影像EVI提取过程进行了研究,针对提取过程中的各个步骤进行了可并行性分析,对于数据分块部分,基于OpenMP实现并行分块;对于数据计算部分,基于CUDA并行库实现并行计算;对于整个提取链,基于流水线思想设计出EVI快速提取算法,并且通过实验进行对比分析。本文主要成果有以下两点:(1)设计了一种基于OpenMP的嵌套并行分块机制,针对现有的影像分块算法效率低问题,利用OpenMP的嵌套并行技术充分发挥CPU多核的优势来提高分块效率。针对无法快速科学地确定分块数目的问题,设计一个最优分块数目的计算公式。该分块机制不仅可以应用在EVI提取算法中,还可以应用到其它涉及影像分块的相关领域。(2)设计了一个基于流水线的EVI快速提取算法,针对EVI提取过程包括五个连续的处理步骤的特点,依靠流水线在遥感影像多级连续处理方面的优势,对EVI提取过程进行流水线并行设计。为了减少流水线节点间速度不同带来的时间延迟,在算法流水线节点之间采用双缓冲队列来存储每个节点处理的中间结果,进而提高EVI提取过程各步骤并行度。(本文来源于《河南大学》期刊2017-06-01）
马瑞[7]（2015）在《增强植被指数算法的研究及其在生态环境遥感产品生产分系统的应用》一文中研究指出随着高分辨率卫星技术的飞速发展,多种类型的遥感图像在众多行业得到了广泛的应用。遥感图像数据量大、影像文件类型多种多样。这些特点给各类应用带来一系列挑战:如何提高系统处理遥感图像的速度,如何使遥感图像处理方法兼容性更好,如何保证系统处理遥感图像的质量,这些都是遥感行业在遥感图像处理方面亟需解决的问题。增强植被指数算法(EVI)的主要功能是同时减少来自大气和土壤噪音的影响,稳定地反应了所测地区植被的情况。增强植被指数算法需要处理HDF4图像、GeoTIFF图像。目前,HDF GROUP开发的操作HDF4文件的函数库可用于Fortran和C语言,其他编程语言则缺少系统地操作HDF4文件的方法。ArcGIS虽支持大部分栅格数据,但不支持多数据集的HDF数据格式。在生产EVI产品时,C#项目的生产速度明显慢于IDL项目的生产速度。本课题针对项目中遇到的处理遥感图像的多种问题,提出了一种新的机制。该机制不仅为操作HDF4文件提供了新的访问接口,方便增添新的功能;而且通过对遥感图像的分块处理,提高了EVI产品的生产速度。该机制在环保部生态环境遥感产品生产分系统中得到了初步运用,并对该机制进行了分析和实验验证。主要成果有以下两点:(1)为增强植被指数算法设计了一种关于遥感图像HDF4文件的访问机制,不仅可以创建多数据集的HDF4数据文件,而且可以向HDF4文件中添加属性等。该机制不仅可以应用在增强植被指数算法中,还可以封装成库文件,能够供多种语言环境的相关遥感系统调用。(2)通过对遥感图像分块处理,有效提高了生产增强植被指数产品的速度。本机制利用矩阵分块运算不影响运算结果的原理,分别采用了多线程和线程池的机制,对遥感图像进行了分块处理,显着提高了影像文件的处理速度,能够更快地完成增强植被指数产品的生产。(本文来源于《河南大学》期刊2015-05-01）
刘世梁,董玉红,安南南,王军,赵海迪[8]（2014）在《基于增强型植被指数序列和景观格局分析的松嫩平原盐碱地动态——以大安市为例》一文中研究指出吉林省西部是我国盐碱化严重的地区之一,盐碱地动态变化与监测受到关注.基于盐碱化典型区大安市2000、2005和2010年TM影像解译获取的土地利用数据与2000—2012年增强型植被指数(EVI)的序列数据,结合传统景观格局方法分析盐碱地的动态变化,并通过灰色关联方法分析盐碱地动态变化的主要驱动因子.结果表明:2000—2010年,大安市主要景观类型为耕地、草地和盐碱地,其中,盐碱地和耕地面积呈增加趋势,草地呈减少趋势,盐碱地面积的增加主要来源于草地、沼泽和水域,盐碱地呈现出连通性和聚集度增加的特征.大安市年际EVI呈增长趋势,年均EVI空间分布差异明显,盐碱地EVI值低于其他景观类型,2000—2012年植被覆盖改善的面积稍高于植被覆盖退化的面积,景观类型转化影响了EVI的变化趋势.盐碱地景观演变是自然因素与人为因素共同作用的结果,人类活动干扰对土地盐碱化的影响大于气候因子.(本文来源于《应用生态学报》期刊2014年11期）
彭代亮,黄敬峰,孙华生,王福民[9]（2010）在《基于Terra与Aqua MODIS增强型植被指数的县级水稻总产遥感估算》一文中研究指出以湖南省醴陵市为研究区域,在比较分析Terra卫星与Aqua卫星中分辨率成像光谱仪增强型植被指数的基础上,结合这两个卫星提供的空间分辨率为250m、时间分辨率为16d的植被指数产品,建立水稻各主要生育期增强型植被指数平均值乘以水稻面积的结果与乡镇级水稻总产的一次线性、二次非线性及逐步回归模型。通过误差分析,选择最优遥感拟合模型,并在此基础上,预测下一年水稻总产。结果显示,水稻种植区Terra卫星与Aqua卫星中分辨率成像光谱仪增强型植被指数有超过50%的偏差绝对值小于0.03;93.22%、99.50%的偏差绝对值分别小于0.08、0.10。水稻遥感拟合模型模拟结果相对误差小于0.1%,预测模型的估产结果比遥感拟合模型的拟合结果的误差大,但相对误差仍然小于5%。(本文来源于《中国水稻科学》期刊2010年05期）
杨英莲,邱新法,殷青军[10]（2007）在《基于MODIS增强型植被指数的青海省牧草产量估产研究》一文中研究指出利用青海省22个生态环境监测站在2003和2004年牧草生长季内各月所测的牧草鲜草产量数据,并搜集了该时段内逐日的MODIS遥感数据,通过对图像的预处理,云区识别,植被指数的计算及月最大植被指数的合成,形成了与牧草产量数据相对应的MODISEVI数据。然后按牧草生长季和草地类型建立了牧草鲜草产量与MODIS植被指数的关系模型。结果表明,牧草产量和MODISEVI之间存在较高的相关性,用指数函数建立产量模型效果较好。按牧草生长季建立的牧草产量检测模型比按草地类型建立的模型相关性要高。(本文来源于《气象》期刊2007年06期）
增强植被指数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
快速准确地获取农作物分布数据对作物估产、灾害预警具有重要意义。该文针对目前农情遥感监测业务中普遍存在的缺乏地面数据和分类时效性较低的问题,以美国堪萨斯州为研究区,提出了基于参考时间序列获得训练样本的方法。首先,基于2006到2013年的MODIS EVI时间序列数据和cropland data layer(CDL)数据,使用免疫系统网络方法建立苜蓿、玉米、高粱和冬小麦的参考EVI时间序列;根据2006年到2013年作物分布情况,将作物超过总记录年数一半的象元作为2014年"潜在"训练样本;通过计算参考EVI时间序列和"潜在"样本的MODIS EVI时间序列的欧氏距离确认2014年训练样本;最后使用这些样本和2014年Landsat NDVI月合成数据进行30 m作物识别,并且评价时间序列长度对作物识别结果的影响。试验结果表明,时间序列长度为4-8月时,获得2014年样本10 183个,样本正确率为96.32%,总体分类精度为94.02%,接近使用完整时间序列数据的结果(总体分类精度94.89%);提取的苜蓿、玉米、高粱和冬小麦的面积分别为549.5、1 999.5、2 851.5和6 415.3 km~2,与CDL数据相比误差低于20%,说明基于参考时间序列方法获得的训练样本具有较高的正确率,具备进行30 m作物早期制图的潜力。该研究可为提高农作物遥感制图工作效率提供参考。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
增强植被指数论文参考文献
[1].程琳琳,李玉虎,孙海元,张也,詹佳琪.京津冀MODIS长时序增强型植被指数拟合重建方法适用性研究[J].农业工程学报.2019
[2].郝鹏宇,唐华俊,陈仲新,牛铮.基于历史增强型植被指数时序的农作物类型早期识别[J].农业工程学报.2018
[3].沈夏炯,侯柏成,韩道军,马瑞.基于GPU和矩阵分块的增强植被指数计算[J].遥感信息.2018
[4].王行汉,刘超群,丛沛桐,扶卿华.基于增强温度植被指数的农业旱情遥感监测[J].干旱区资源与环境.2018
[5].沈夏炯,侯柏成,韩道军,马瑞.基于流水线的增强型植被指数快速提取算法[J].计算机应用研究.2018
[6].侯柏成.基于嵌套分块和流水线的增强型植被指数快速提取算法研究[D].河南大学.2017
[7].马瑞.增强植被指数算法的研究及其在生态环境遥感产品生产分系统的应用[D].河南大学.2015
[8].刘世梁,董玉红,安南南,王军,赵海迪.基于增强型植被指数序列和景观格局分析的松嫩平原盐碱地动态——以大安市为例[J].应用生态学报.2014
[9].彭代亮,黄敬峰,孙华生,王福民.基于Terra与AquaMODIS增强型植被指数的县级水稻总产遥感估算[J].中国水稻科学.2010
[10].杨英莲,邱新法,殷青军.基于MODIS增强型植被指数的青海省牧草产量估产研究[J].气象.2007