大气顶层反射率无量纲_农作物种植面积遥感监测技术规程大蒜.doc

ICS? FORMTEXT 65.020.01

FORMTEXT B 07

FORMTEXT ?????

DB FORMTEXT 37

FORMTEXT 山东省地方标准

DB FORMTEXT 37/T 3240—2018

FORMTEXT ?????

FORMTEXT 农作物种植面积遥感监测技术规程 大蒜

FORMTEXT Technical Rule for Crop Area Monitoring Using Remote Sensing Data:Garlic

2018 - 08 - 17发布

2018 - 09 - 17实施

山东省质量技术监督局???发布

DB37/T 3240—2018

PAGE \* MERGEFORMAT I

前??言

本标准依据GB/T 1.1—2009给出的规则起草。

本标准由山东省农业厅提出。

本标准由山东省农业标准化委员会归口。

本标准起草单位:山东省农业可持续发展研究所、山东省农业遥感工程技术研究中心、农业部华东都市农业重点实验室。

本标准主要起草人:梁守真、姚慧敏、王猛、隋学艳、侯学会、王祥峰、朱振林。

农作物种植面积遥感监测技术规程 大蒜

范围

本标准规定了基于Landsat OLI遥感影像的大蒜种植面积监测方法。

本标准适用于美国陆地卫星(Landsat)OLI遥感数据进行大蒜面积的监测与调查。

本标准适用于山东省大蒜集中种植区大蒜面积的监测。

规范性引用文件

下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件,仅所注日期的版本适用于本文件。凡是不注日期的引用文件,其最新版本(包括所有的修改单)适用于本文件。

GB/T 14950 摄影测量与遥感术语

GB/T 15968 遥感影像平面图制作规范

GB/T 17694 地理信息术语

GB/T 17798 地球空间数据交换格式

GB/T18316 数字测绘成果质量检查与验收

GJB 2700 卫星遥感器术语

GJB 421A 卫星术语

术语和定义

下列术语和定义适用于本标准。

大蒜种植面积监测 Garlic Area Monitoring

对大蒜集中种植区大蒜面积的监控、测定。

Landsat 8 Operational Land Imager (OLI)

陆地卫星-8陆地成像仪

辐射定标Radiometric Calibration

将传感器记录的无量纲的DN值转换成具有实际物理意义的大气顶层辐射亮度或反射率。

投影变换Projection Transformation

将一种地图投影点的坐标变换为另一种地图投影点的坐标的过程。

归一化植被指数Normalized Difference Vegetation Index(NDVI)

定义为近红外波段反射率与红光波段反射率之差与之和的商,其计算公式为:

( SEQ 标准自动公式 \* ARABIC 1)

式中:

RNIR—近红外波段反射率;

RRED—红光波段反射率。

本标准RRED为Landsat OLI波段4(640 nm~670 nm)反射率;RNIR为Landsat OLI波段5(850 nm~880 nm)反射率。

归一化水指数 Normalized Difference Water Index(NDWI)

基于绿波段与近红外波段的归一化比值指数,它能有效凸显影像中的水体信息,其计算公式为:

( SEQ 标准自动公式 \* ARABIC 2)

式中:

RNIR—近红外波段反射率;

RGREEN—绿光波段反射率。

本标准RGREEN为Landsat OLI波段3(525 nm~600 nm)反射率; RNIR为Landsat OLI波段5(850 nm~880 nm)反射率。

监测流程

基于Landsat OLI遥感影像大蒜种植面积监测流程按照图1。

基于Landsat OLI遥感影像的大蒜种植面积监测流程

数据源

影像数据选择及其质量控制

Landsat OLI遥感数据

选择多时相的Landsat OLI遥感影像多光谱数据

影像时相要求:根据监测的目的确定影像时相,大蒜在10月上旬种植,5月中旬6月初收获。为最大程度避免其他地类的影响,宜在大蒜生长前期(2月)、中期(4月)和后期(5月中下旬)分别选择一期影像。

影像数据质量要求

集中云层的覆盖面积少于5 %,分散云层的覆盖总面积少于10 %。

影像层次丰富、色彩清晰、色调均匀、反差适中。

数据不存在条带、斑点噪声、行丢失等。

地形数据选择及质量控制

地形数据

收集监测区地形图、DEM数据(≤30 m)。

数据质量要求

对纸质图要求其表面、平整度、符号、线条、图廓点及公里网完整。

对电子图的要求,参照GB/T 18316执行。

调查数据准备及质量控制

数据准备

收集监

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
量纲化是机器学习中的一种特征工程方法,用于将数据进行缩放,使其在不改变原始分布的情况下,适应模型的需求。在Python中,可以使用最小最大缩放(MinMaxScaler)来实现无量纲化。通过引入sklearn.preprocessing库中的MinMaxScaler类,可以很方便地进行数据的无量纲化操作。以下是一个使用MinMaxScaler进行无量纲化的Python实现示例: ```python from sklearn.preprocessing import MinMaxScaler data = [[-1, 2], [-0.5, 6], [0, 10], [1, 18]] scaler = MinMaxScaler() result = scaler.fit_transform(data) print(result) ``` 在上述示例中,我们首先导入MinMaxScaler类,并创建一个MinMaxScaler对象scaler。然后,我们使用fit_transform()方法对数据进行处理,并将处理后的结果保存在result变量中。最后,我们打印出结果result。 你还可以使用其他无量纲化方法,如数据标准化(StandardScaler)和归一化(Normalizer),具体选择方法取决于数据的特点和模型的需求。标准化将数据转换为均值为0,方差为1范围内的数据,而归一化是将数据缩放到单位范数(每个样本的特征向量长度为1)。你可以根据具体情况选择合适的方法进行无量纲化操作。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [特征缩放+无量纲化:最小最大缩放 - Python代码实现](https://blog.csdn.net/qq_37934722/article/details/130329998)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [#第27篇分享:数据无量纲化(python语言:sklearn 预处理及特征工程)(3)](https://blog.csdn.net/weixin_46008828/article/details/114296815)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [数据预处理(去量钢化)的四大方法与python实现](https://blog.csdn.net/weixin_42532898/article/details/108284435)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值