XiaoMi-AI文件搜索系统
World File Search System土地覆盖
使用相关成分回归 (CCR) 从土地覆盖变化区域的 VIS‐NIR‐SWIR 光谱中估计土壤有机质和质地
本文已接受出版并经过完整的同行评审，但尚未经过编辑、排版、分页和校对过程，这可能会导致此版本与记录版本之间存在差异。请引用本文 doi: 10.1002/ldr.3250 本文受版权保护。保留所有权利。
土地覆盖验证协议 - eftas
为了确保地球观测衍生产品的可信度，评估分类结果（即土地覆盖图）的准确性应被视为地理空间地图制作中的强制性步骤。在这方面，最合适且毫无疑问的方法是使用收集的地面真实数据来验证地图结果，这些数据被认为是正确的 1 ，并且需要完全独立于用于地图制作的数据集。此外，这些地面数据应尽可能在图像配准的同一时期收集，从中可以得出土地覆盖使用图。第 1.4 节将进一步讨论这种“时间一致性”。地图准确性的定量测量是地图上的类别与现场观察到的独立地面真实数据之间的一致性或对应性水平。地面真实数据可以通过不同的方式收集，例如地面调查或使用 VHR 图像解释，我们称之为“伪真实”数据。然而，需要考虑到从图像解释获得的数据可能包含错误，地面调查总是比遥感更可取。
使用正射影像和激光雷达数据进行基于对象的土地覆盖分类
基于遥感数据的图像分类是自动制图研究的主要领域。随着城市发展的加快，迫切需要更新地理数据库。城市地区土地覆盖类型的自动制图是遥感领域最具挑战性的问题之一。传统的数据库更新费时费力，通常通过人工观察和目视解译进行，为了提高效率和准确性，数据收集和提取方面的新技术越来越必要。本文研究了一种基于正射影像和激光雷达数据（单独和组合）的基于对象的决策树分类。成功提取了四种土地覆盖类型，即森林、水体、空地以及建筑物。基于正射影像的分类准确率为 89.2%，基于激光雷达数据的分类准确率为 88.6%，获得了令人满意的结果。激光雷达数据和正射影像都显示出足够的能力来单独对一般土地覆盖类型进行分类。同时，正射影像和激光雷达数据的组合显示出显著的分类结果，准确率为 95.2%。整合数据的结果显示出非常高的一致性。与单独使用正射影像或激光雷达数据的过程相比，它降低了土地覆盖类型判别的复杂性。此外，还进行了另一种分类算法，支持向量机（SVM）分类。比较
农田鸟类种群和农业土地覆盖
1.1。经济和环境中的主要农业，经合组织国家，2008-10。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。18 2.1。主要农业在经济和环境中的作用，经合组织国家，2008-10。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。41 3.1。转基因作物，经合组织和其他主要生产国，1996 - 2011年。。。。。65 6.1。生物乙醇生产，经合组织国家，1990 - 2011年。 。。。。。。。。。。。。。。。。。。。。。。。。93 6.2。生物柴油生产，经合组织国家，1990 - 2011年。。。。。。。。。。。。。。。。。。。。。。。。。。94 10.1。酸化污染物的总排放量，经合组织国家，1990 - 2010年。。。。。。。。。。136 10.2。氨发射2010年的天花板根据《远程跨跨空气污染公约》，经合组织国家，1990 - 2010年。。。。。。。。。。。。。。。。。。。。138 11.1。总温室气体排放，经合组织国家，1990 - 2010年。。。。。。。。。。。。。。。。147 12.1。 甲基溴化物的使用，世界和经合组织国家，1991 - 2010年。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 153 A.1。 用于评估和监视欧盟农村发展政策的农业环境指标。 。 。 。 。 。 175 A.2。 在最近的经合组织国家环境绩效审查和经济调查中，使用农业环境指标。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 176147 12.1。甲基溴化物的使用，世界和经合组织国家，1991 - 2010年。 。。。。。。。。。。。。。。。。。153 A.1。 用于评估和监视欧盟农村发展政策的农业环境指标。 。 。 。 。 。 175 A.2。 在最近的经合组织国家环境绩效审查和经济调查中，使用农业环境指标。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 176153 A.1。用于评估和监视欧盟农村发展政策的农业环境指标。。。。。。175 A.2。 在最近的经合组织国家环境绩效审查和经济调查中，使用农业环境指标。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 176175 A.2。在最近的经合组织国家环境绩效审查和经济调查中，使用农业环境指标。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。176
卫星获取的土地覆盖数据精度评估
摘要 遥感数据得出的土地覆盖分类的精度评估已被认为是判断这些数据是否适用于特定应用的宝贵工具。空间数据精度领域的最新研究举措以及遥感数据在地理信息系统中的集成重新引发了对精度评估的讨论。本文通过基于位置精度和主题精度划分的评论来促进这一讨论。一个重要的观察结果是，评估数据精度的方法数量有限。然而，应用的定义因作者而异，特别是在主题精度的评估方面。准确度评估通常产生一个单一的测量值，例如均方根误差或正确分类的像素比例。这些单一测量值没有提供足够的信息，并且它们可能基于统计或方法论上无效的方法。因此，不应明确报告单个测量值以及评估这些测量值的整个过程。
IGBP 全球土地覆盖特征化过程分析
摘要 国际地圈生物圈计划 (rcnr) 呼吁开发改进的全球土地覆盖数据，以用于日益复杂的全球环境模型。为了满足这一需求，美国地质调查局和内布拉斯加州林肯大学的工作人员开发并应用了一种全球土地覆盖特征描述方法，该方法使用 1992-1993 年 1 公里分辨率的先进甚高分辨率辐射计 (fnvunn) 和其他空间数据。该方法基于无监督分类和广泛的分类后细化，产生了一个多层数据库，该数据库由八个手工覆盖数据集、描述性属性和源数据组成。独立的 IGBP 精度评估报告称，全球精度为 zs.s%，各大洲的结果从 63% 到 83% 不等。虽然数据质量、方法、解释器性能和物流都会影响结果，但 AvHnR 数据与复杂自然或受干扰景观中精细尺度、光谱相似的土地覆盖模式之间的关系存在重大问题。
科林土地覆盖更新 2000 - 欧洲环境署
5.任务描述 .......................。。。。。。。。。。。。。。。。。。。。。。13 5.1.准备工作。..........................................13 5.1.1.输入数据的收集 ...。。。。。。。。。。。。。。。。。。。。。.............13 5.1.2.来自 I&CLC2000 管理和技术团队的意见 ...........14 5.2.任务 1：IMAGE2000 — 图像购买、正射校正和欧洲及国家马赛克制作 ....................15 5.2.1.目标 ..................。。。。。。。。。。。。。。。。。。。。。。。。...15 5.2.2.任务描述 ...........。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。15 5.2.3.职责。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。15 5.2.4。时间。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。15 5.3。任务 2：CLC2000 — 检测土地覆盖变化。。。。。。。。。。。。。。。15 5.3.1.目标。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。15 5.3.2.任务描述。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。15 5.3.3.职责。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。22 5.3.4.时间。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。22 5.4。任务 3：数据集成、验证和传播。。。。。。。。。。。。。。23 5.4.1.目标。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。23 5.4.2.任务描述。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。23 5.4.3。职责。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。23 5.4.4。时间。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。23 5.5。任务 4：质量保证/质量控制。。。。。。。。。。。。。。。。。。。。。。。。。23 5.5.1.目标。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。23 5.5.2。任务描述。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。23 5.5.3。负责任的合作伙伴。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。24 5.5.4。时间。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。24 5.6。任务5：项目管理。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。24 5.6.1.目标。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。........24 5.6.2.任务描述 ..............。。。。。。。。。。。。。。。。。。。。。。。。...24 5.6.3.负责任的合作伙伴 .................。。。。。。。。。。。。。。。。。。。25 5.6.4。时间。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。26
ATBD 土地覆盖 - LP DAAC
这两个参数都依赖于由 MODIS 2 级和 3 级产品合成的 1 公里网格数据库。输入包括：(1) 将分类限制在陆地区域和浅水区域的 EOS 陆地/水域掩模；(2) 从 MODIS 陆地波段 (1-7) 中的 MODIS BRDF/Albedo 产品 (MOD43B4) 得出的天底 BRDF 调整反射率 (NBAR)，调整为每 16 天周期的中值太阳角度的天底视图；(3) 从 1000 米分辨率的波段 1 (红色，250 米) 得出的空间纹理 MODAGTEX)；(4) 16 天周期的 1k 方向反射率信息 (MOD43B1)；(5) 16 天周期的 1km MODIS 增强植被指数 (EVI) (MOD13)； (6) 8 天内 500 米处的积雪 (MOD10)；(7) 8 天内 1 公里处的地表温度 (MOD11)；以及 (8) 地形海拔信息 (MOD03)。这些数据在一个月的时间段内合成，以在 1 公里网格上生成全球一致的多时间数据库，作为分类和变化表征算法的输入。