1) linear spectral mixing model
线性光谱模型
1.
The ETM+ images acquired on November 1,2000 and November 23,2005 were chosen and the vegetation abundances in Guangzhou were estimated using linear spectral mixing model–LSMM by applying series processes including masking water,choosing better endmembers and so on.
以2000年和2005年ETM+影像为数据源,在水体掩膜和端元光谱优选对比基础上,利用线性光谱模型提取了广州市植被覆盖信息,并对植被覆盖信息的时空动态变化进行了定量分析,结果表明:应用线性光谱模型之前对所占面积不大的水体进行处理是非常必要的,选取植被、硬化地面、土壤三端元法比包含阴影的四端元法更有利于线性光谱分离,而且能达到很高的精度;此外,通过对植被覆盖信息空间结构和景观格局的研究,显示:2000-2005虽然广州市绿化取得了初步成效,但总体植被覆盖状况呈下滑趋势,植被景观破碎程度增加,各植被景观形状趋于复杂化,城市化的发展加之人类活动的干扰,低植被覆盖区不断扩大,而中、高植被覆盖区正处于不断退化时期。
2) LSMM
线性光谱混合模型(LSMM)
3) linear spectral mixture model
线性光谱混合模型
1.
Patterns of urban green spaces based on linear spectral mixture model: an empirical study in Urumqi;
运用线性光谱混合模型解析城市绿色空间格局:乌鲁木齐市的实证研究
2.
The result indicates that vegetation abundance estimation based on linear spectral mixture model can reach high accuracy.
研究结果表明,线性光谱混合模型估算城市植被覆盖度能够达到较高精度。
3.
The linear spectral mixture model and the neutral net model are the two most widely applied techniques in spectral unmixing.
混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。
4) spectral linear mixing model
光谱线性混合模型
5) linear mixing spectral model
线性混合光谱模型
1.
The paper briefly introduced the concept of mixed pixel, development situation,linear mixing spectral model and their resolution method.
遥感图像中普遍存在着混合像元 ,这部分像元的分解一直是遥感应用研究的热点和难点 ,该文简要介绍混合像元的概念、研究现状和广泛用于混合像元分解的线性混合光谱模型及其解算方法 ,然后以OMISⅠ高光谱遥感数据为例 ,通过大量实验对该模型在植被高光谱遥感分类中的应用做了详细地探讨和分析。
补充资料：多元线性回归模型
分子式：
CAS号：
性质：假定从理论上或经验上已经知道输出变量y是输入变x1，x2，…,xm的线性函数，但表达其线性关系的系数是未知的，要根据输入输出的n次观察结果(c11，x21，…，xml，yi)(i=1,n)来确定系数的值。按最小二乘法原理来求出系数值，所得到的模型为多元线性回归模型。
CAS号：
性质：假定从理论上或经验上已经知道输出变量y是输入变x1，x2，…,xm的线性函数，但表达其线性关系的系数是未知的，要根据输入输出的n次观察结果(c11，x21，…，xml，yi)(i=1,n)来确定系数的值。按最小二乘法原理来求出系数值，所得到的模型为多元线性回归模型。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条