XiaoMi-AI文件搜索系统
World File Search System植被指数
应用于土地利用和土地覆盖的时间序列指标...
摘要。山体滑坡是巴西经常发生的现象，造成了许多社会经济损失和人员伤亡。为了监测山体滑坡，土地利用和土地覆盖 (LULC) 以及山体滑坡清单图对于识别高易发区域至关重要。从这个意义上讲，本研究的主要目的是通过半自动方法，使用遥感时间序列图像的数据挖掘技术，对以山体滑坡检测为重点的 LULC 进行分类。为此，从 Sentinel-2 图像中提取了不同的指数，例如归一化差异植被指数、归一化差异建筑指数 (NDBI) 和土壤调整植被指数。从时间序列中提取了基本、极坐标和分形指标。从航天飞机雷达地形任务数字高程模型中提取了六个地貌特征。然后，使用四种不同方法的随机森林进行分类：单时间、双时间、度量和全部。在每种方法中，NDBI 指数或从中得出的度量都具有最高重要性，而斜率则排在前六个预测因子之中。全部方法显示出最高的总体准确率 (OA) (88.96%)，其次是度量 (87.90%)、双时间 (82.59%) 和单时间 (74.95%)。简而言之，度量方法呈现出最有益的结果，呈现出高 OA 和低水平的犯错和遗漏错误。© 作者。由 SPIE 根据知识共享署名 4.0 国际许可发布。分发或复制本作品的全部或部分内容需要完全注明原始出版物，包括其 DOI。[DOI：10.1117/1.JRS.16.034518]
“使用太空技术对迈索尔·塔鲁克（Mysore Taluk）的森林和农业部门的影响及其对森林和农业部门的影响”
摘要通过使用遥感技术来评估迈索尔·塔卢卡（Mysore Taluka）的水资源，土壤水分以及植被指数进行了一项研究。研究区域位于12.630°N的纬度和76.607°E的纬度之间，涵盖了约79,788公顷的面积。土地使用和土地覆盖（LULC）地图是从Landsat图像和地面真相结合使用的。也尝试找出与气候参数有关的LULC和温度对农业的影响。使用Landsat图像使用用于分析NDVI，NDWI和NDMI图。相反，使用相对湿度，土壤水分，太阳辐射和水径径的数据进行NCEP重新分析。该研究的结果表明，年度最高温度从2000年到2016年升高，而在此期间，年度最低温度和年降雨量减少。2000-2016的NDVI分析表明它是增加的。在NCEP重新分析的情况下，在此期间的相对湿度，土壤水分和水径流的年平均值中观察到降低。年度太阳辐射也显示出增加。发现在迈索尔·塔鲁克（Mysore Taluk）减少了用于谷物，小米，豆类，油种子，棉花和粒土植物的裁剪区域。另一方面，迈索尔·塔卢卡（Mysore Taluka）的水果，蔬菜和甘蔗的裁剪区域显示出来。GCM模型的C-MMAC预测，迈索尔·塔卢克（Mysore Taluk）分别降雨和2020年和2030年的温度下降。关键词：土地使用和土地覆盖，归一化差异植被指数，NCEP重新分析和MODIS数据。
使用RGB空中图像和机器学习检测咖啡叶矿工
摘要：咖啡生产的可持续性是全球生产者的关注点。为了保持可持续性，有必要达到令人满意的咖啡生产力和质量。害虫和疾病会降低生产率，并可能影响咖啡豆的质量。为了确保可持续性，生产商需要监测可能导致大量农作物损失的害虫，例如咖啡叶矿工Leucoptera Coffeella（Lepidoptera：Lyonetiidae），属于鳞翅目命令和Lyonetiidae家族。这项研究旨在使用机器学习技术和植被指数来远程识别咖啡叶矿工在咖啡种植地区的侵扰。咖啡叶矿工侵扰的现场评估是在2023年9月进行的。使用远程试验的飞机拍摄航空图像，以确定带有RGB（红色，绿色，蓝色）图像的13个营养指数。使用ArcGIS 10.8软件计算植被指数。一个综合数据库，其中包含咖啡叶矿工侵扰，植被指数和作物数据的详细信息。数据集分为培训和测试子集。使用了四种机器学习算法：随机森林（RF），逻辑回归（LR），支持向量机（SVM）和随机梯度下降（SGD）。超参数调整后，采用了测试子集进行模型验证。值得注意的是，SVM和SGD模型在估计咖啡叶矿工侵扰方面均表现出卓越的性能，KAPPA指数分别为0.6和0.67。植被指数和作物数据的综合使用提高了咖啡叶矿工检测的准确性。RF模型的性能不佳，而SVM和SGD模型的性能更好。这种情况突出了追踪咖啡叶矿工在不同年龄，不同品种和其他环境变量不同的领域中的挑战。
MODIS 土地验证计划
在发射后的前六个月内，MODLAND 将协助进行与 MODLAND 产品相关的初始传感器校准，尽管主要的校准责任在于 MODIS 校准支持团队。在此之后，MODLAND 的主要目标是验证 MODLAND 的 2-4 级产品，包括辐射测量产品，例如植被指数 (VI)、双向反射分布函数 (BRDF)、地表温度 (LST) 和光合有效辐射分数 (FPAR)，以及生物物理产品，例如土地覆盖、火灾痕迹、叶面积指数 (LAI) 和净初级生产力 (NPP)。由于这些都是全球产品，MODLAND 计划针对现有的每个重要地表大气系统开发不确定性信息。
nh0530684.pdf
应用。土壤水分含量会影响生物圈的生理生物成分，并通过表面能和水分通量将地球表面与大气联系起来。SM 是大气的水源，通过陆地的蒸散，包括植物蒸腾和裸土蒸发。此外，SM 条件可以通过控制土壤的渗透能力和将降雨分配到径流来影响陆地表面的水文模式。生态水文学侧重于植被 - 水 - 气候关系之间的联系，已发现其对 SM 动态可用性具有复杂的依赖性（Garcia-Estringana 等人2013 年；Mulebeke 等人2013 年）。所有这些过程都高度体现了 SM 的非线性行为和复杂的反馈机制。因此，SM 的量化条件是建模农业、水文气候和气象属性的重要输入。一组成分以不同的时间和空间尺度控制陆地表面 SM 的动态。因此，天气和气候的变化都受到 SM 条件的影响。Reynolds (1970) 将 SM 分为静态（例如土壤质地和地形）和动态（例如降水和植被）控制要素。对 SM 的评估取决于相关变量的状况。这些元素中的许多都是相互关联的，并且在空间和/或时间上各不相同，这使得识别 SM 模式及其驱动变量之间的关系变得复杂。2021 )。景观要素，包括地形、植被和土地利用，是 SM 的空间和时间控制要素。SM 的空间变化与地形特征（例如坡度、海拔和地形湿度指数）密切相关。因此，在以前的一些研究中，地形属性被用于通过回归、地理空间和水文建模来估计 SM 模式的参数（例如，参见 Western 等人。1999 、2004 ；Adab 等人。2020 ；Li 等人。此外，各种研究都注意到了植被覆盖（例如类型和分布）对 SM 变化的影响。此外，空间属性对植被的影响（通常从遥感图像中解释）也被用于生成 SM 模式（Mohanty 等人。2000 ；Hupet & Vanclooster 2002 ）。通常，SM 的长期时间序列可以在空间上检测到与天气或水文条件。在较大的研究区域中，网络和测量 SM 的种类仍然受到限制，此外，由于过度变化和参数之间缺乏相关性，从现场测量中获得可靠的近似值是一项具有挑战性的任务。在 SM 的几个应用中，各种各样的卫星产品都有可能帮助水文学家测量大面积的 SM 状况。由于遥感器无法直接测量 SM 含量，因此需要提取可以解释测量信号和 SM 含量之间关系的基于数学的方法来解释测量信号和 SM 含量之间的关系。2021 ; Zhu 等人。2021 ）。自 20 世纪 70 年代以来，已经开发出一些遥感技术，通过测量从光学到微波领域的电磁波谱特定区域来分析和绘制 SM（Musick & Pelletier 1988；Engman 1991；Wang & Qu 2009）。微波遥感技术包括 Aqua 卫星上的先进微波扫描辐射计-地球观测系统 (AMSR-E)（自 2002 年起）、土壤湿度和海洋盐度卫星（SMOS，自 2009 年起）、多频扫描微波辐射计（MSMR，自 1999 年起）和土壤湿度主动被动 (SMAP)（自 2015 年 1 月起），目前正在运行，每天在全球范围内生成卫星记录。虽然这些方法提供了许多测量大规模 SM 的技术，但它们的分辨率几乎很低（通常约为 25 公里），不再适用于小集水区或学科尺度。光学/热红外遥感记录被称为表面温度/植被指数法，可提供更高的分辨率（约 1 公里）。最近，Zhang & Zhou（2016）提出了一种新方法，可以通过光学/热遥感进行 SM 估计，该方法特别依赖于 SM 与表面反射率和温度或植被指数之间的关联。该领域的检索策略，如热惯性，强调土壤热特性或三角测年技术，表明 SM、归一化差异植被指数 (NDVI) 和给定区域的陆地表面温度 (LST) 之间的联系正在不同的应用中使用。然而，由于缺乏足够的空间数据（包括地形或低密度植被覆盖图和数据），它们的应用受到限制。用于估计 SM 的遥感植被指数（例如，NDVI、归一化差异水指数 (NDWI) 和归一化多波段干旱指数 (NMDI)）是合适的替代方案；然而，SM 的分布不能通过单一参数和通过计算出特定地表坡向强度之间的参数修改来预测。人们已经做出了大量努力，通过建立遥感 LST 与植被指数之间的联系来利用卫星图像估计 SM（例如，Dari 等人。遥感图像的实际优势之一是，除了地形数据外，还可以通过图像获得具有高空间分辨率（30 米至 1 公里）的植被和 LST 参数。利用从遥感图像中提取的结构化景观因素而不是现场测量来预测 SM 状况，可以快速实时地跟踪 SM 状况。
地球观测助力非洲粮食安全
自 20 世纪 80 年代第一颗地球观测卫星的建立以来，遥感技术就已应用于农业。卫星图像是遥感技术的主要资源，也是农业监测的潜在信息来源。使用这些卫星图像的主要好处是，它们可以更好地了解当前和过去农业活动相关的农业生产和作物特征。至于当前年份的作物活动，这些数据有助于通过将其与其他季节或平均情况进行比较来预测它们是“好”还是“坏”。目前，有不同类型的卫星图像在不同规模（地方、国家和区域）用于生产地表生物物理产品（植被指数、蒸散量、土壤水分等数据）和气候产品（降雨、辐射等），从而可以监测全球的植被、水循环、能量平衡和地形识别（Begué 等人，2006 年）。
索马里粮食与营养应急计划。......
严重粮食不安全 急性营养不良 消费者价格指数 粮食及农业组织 饥荒预警系统网络 索马里联邦政府 联邦成员州 粮食和营养安全 粮食安全和营养分析组 粮食系统、营养和气候变化理事会 全球粮食安全联盟 国际援助透明度倡议 境内流离失所者 综合粮食安全阶段分类 联合监测报告 农业和灌溉部 环境与气候变化部 能源和水资源部 财政部 渔业和蓝色经济部 卫生部 畜牧、林业和放牧部 劳动和社会事务部 计划、投资和经济发展部 圣母院 全球适应倡议 国家发展计划 归一化差异植被指数 总理办公室 索马里国家统计局 索马里灾害管理局 索马里水土信息管理 联合国难民署 世界粮食计划署 世界卫生组织
人工智能技术在土地监测中的应用
摘要。本研究探讨了神经网络处理和地理门户技术在分析秋明市附近农业用地变化中的应用。卫星图像和遥感技术的利用已成为土地监测过程不可或缺的一部分，尤其是在农业领域。通过将卫星数据与人工智能相结合，该研究确定了田地边界、跟踪土地使用情况并监测作物生长情况。主要发现强调了地理门户在实时监测作物状况、生长阶段和虫害方面的有效性。该研究强调了 NDVI 和 EVI 等先进植被指数在评估土地动态和土壤条件方面的作用。结果表明，这些技术有潜力支持可持续农业和土地管理实践。建议继续进行研究和技术进步，以充分利用遥感在促进可持续土地利用和农业发展方面的优势。
地热映射和技术的潜在实施...
这项研究绘制了Kutai Kartanegara Regency中地热的潜力，以支持使用二进制循环技术的净能量过渡。使用遥感方法，Landsat 8油/TIRS卫星图像分析被计算出归一化差异植被指数（NDVI）和地表温度（LST），并使用地质图进行故障识别。通过分析层次结构过程（AHP）方法分析了此数据，以确定潜在领域。结果表明，植被密度较低且表面温度较高的区域，尤其是在活动断层周围，具有显着的地热潜力。Tamapole村和Muara Jawa Ulu被确定为建造基于二元循环的地热电厂的最佳位置。基于这项研究，得出的结论是，该地区二进制周期技术的实施有可能通过提供环保地热能来支持首都的可持续发展目标。关键字：NVDI，LST，AHP，地热，Kutai Kartanegara，二进制周期。
Okitipupa，尼日利亚奥德州，11月5日至8日，2024年，植被健康和土地覆盖的时间动态，拉各斯索科托
OKITIPUPA，尼日利亚翁多州，2014年11月5日至8日，引言气候变化引起的温度变化，降水模式和极端天气事件对植被动态具有深远的影响（IPCC，2014年）。这些变化可以表现为植被物候，生产力和分布的转变，对生态系统功能和服务的影响（Cleland等，2007）。了解植被健康的时间动态对于评估气候变化对生态系统的影响至关重要。近几十年来，人为活动和气候变化在全球范围内发生了显着改变（Myneni等，1997）。归一化差异植被指数（NDVI）已成为量化植被健康和动力学随着时间的变化的宝贵工具（Pettorelli等，2005）。NDVI数据的时间分析提供了对长期植被趋势和对气候变化的反应的见解（Li等人2023; Shoumik和Khan 2023; Verbesselt等，2010）。