• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Computational Science >Identification and visualization of dominant patterns and anomalies in remotely sensed vegetation phenology using a parallel tool for principal components analysis
【24h】

Identification and visualization of dominant patterns and anomalies in remotely sensed vegetation phenology using a parallel tool for principal components analysis

机译：使用平行工具进行主成分分析的平行工具识别和可视化遥感植被素质的主导模式和异常

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We investigated the use of principal components analysis (PCA) to visualize dominant patterns and identify anomalies in a multi-year land surface phenology data set (231 m × 231 m normalized difference vegetation index (NDVI) values derived from the Moderate Resolution Imaging Spectroradiometer (MODIS)) used for detecting threats to forest health in the conterminous United States (CONUS). Our goal is to find ways that PCA can be used with this massive data set to automate the process of detecting forest disturbance and attributing it to particular agents. We briefly describe the parallel computational approaches we used to make PCA feasible, and present some examples in which we have used it to visualize the seasonal vegetation phenology for the CONUS and to detect areas where anomalous NDVI traces suggest potential threats to forest health.
机译：我们调查了主要成分分析（PCA）来可视化显性模式并在多年的陆地表面映像数据集中识别异常（231米×231M归一化差异植被指数（NDVI）值导出的中等分辨率成像光谱辐射器（ Modis）用于检测对康瑟尔美国（康斯）的森林健康威胁。我们的目标是找到PCA可以与此大规模数据一起使用的方法，以自动化检测森林扰动并将其归因于特定代理的过程。我们简要描述了我们用于制造PCA可行的并行计算方法，并提出了一些示例，其中我们使用它来可视化康明斯的季节性植被效果，并检测异常NDVI迹线的区域暗示潜在威胁森林健康威胁。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号