检索结果-内蒙古大学图书馆

林业科学 2025年第4期61卷 46-55页

作者：段彩红林辉龙江平杨培松叶子林张廷琛李洵微朱立新中南林业科技大学林业遥感与信息工程研究中心林业遥感大数据与生态安全湖南省重点实验室、国家林业和草原局南方地区森林资源管理与检测重点实验室长沙410004

【目的】通过改进检测算法获取准确年龄变量,在此基础上提升桉树蓄积量遥感估测精度,缓和桉树蓄积量饱和效应问题。【方法】以多时相Landsat-8和Sentinel-2为数据源,分析桉树的时间序列生长曲线,融合线性插值和动态识别方法,采用模拟连... 详细信息

【目的】通过改进检测算法获取准确年龄变量,在此基础上提升桉树蓄积量遥感估测精度,缓和桉树蓄积量饱和效应问题。【方法】以多时相Landsat-8和Sentinel-2为数据源,分析桉树的时间序列生长曲线,融合线性插值和动态识别方法,采用模拟连续变化检测与分类(CCDC)算法识别采伐点,结合普通最小二乘法和斜率截距显著变化分析采伐点并推算桉树年龄。在此基础上,基于遥感特征和桉树年龄构建变量集1(由波段值、植被指数和纹理特征构成)和变量集2(由变量集1和年龄构成),采用多元线性回归(MLR)、k最邻近(KNN)、随机森林(RF)和支持向量机(SVR)4种模型估测桉树蓄积量。【结果】模拟CCDC算法对100个样本的识别准确率达82%,年龄与蓄积量之间的距离相关系数为0.71,远高于其他遥感变量。桉树蓄积量估测结果表明:变量集1的R^(2)为0.40,RMSE为41.11 m^(3)·hm^(−2),rRMSE为34%;变量集2的R^(2)为0.83,RMSE为22.08 m^(3)·hm^(−2),rRMSE为18%。变量集1中,模型计算结果较弱,R^(2)较低,RMSE和rRMSE较高;引入年龄的变量集2,模型计算结果显著提升,特别是SVR模型中,R^(2)升至0.83,RMSE和rRMSE明显下降,年龄变量的引入可提高桉树蓄积量模型估测精度。【结论】改进的模拟CCDC算法提高了年龄变量的准确性,且年龄与蓄积量呈现显著相关性。年龄变量的引入显著提升了模型性能,估测精度提高16个百分点。

关键词：林业遥感变化检测蓄积量年龄桉树

来源：评论

学校读者我要写书评

暂无评论

中国沼泽湿地净初级生产力时空演变研究

引用

遥感学报 2025年第1期29卷 167-180页

作者：张猛钟安豪齐帅洋刘洋张怀清中南林业科技大学林业遥感信息工程研究中心长沙410004 中南林业科技大学林业遥感大数据与生态安全湖南省重点实验室长沙410004 中南林业科技大学南方森林资源经营与监测国家林业与草原局重点实验室长沙410004 中国林业科学研究院资源信息研究所北京100091

针对目前中国沼泽湿地净初级生产力NPP(Net Primary Production)估算研究相对薄弱以及植被指数饱和导致NPP估算精度偏低等问题,本研究基于MODIS遥感数据产品(MOD13Q1和MCD12Q1),利用核函数RBF(Radial Basis Function)构建的核归一化植... 详细信息

针对目前中国沼泽湿地净初级生产力NPP(Net Primary Production)估算研究相对薄弱以及植被指数饱和导致NPP估算精度偏低等问题,本研究基于MODIS遥感数据产品(MOD13Q1和MCD12Q1),利用核函数RBF(Radial Basis Function)构建的核归一化植被指数(kNDVI)与CASA(Carnegie-Ames-Stanford approach)模型估算了近20年中国沼泽湿地NPP,并定量分析并探讨了2001年—2020年中国沼泽湿地时空演变及其驱动机制。研究结果表明:基于kNDVI估算得到的NPP_Kndvi(以C计)与实测值具有较高的相关性(R^(2)=0.854)和较低的均方根误差(14.46 g/m^(2)·month),与NPP_NDVI相比更接近真实值;相比于NDVI等传统植被指数,kNDVI缓解了植被指数自身的饱和效应,在一定程度上提高了植被净初级生产力NPP的估算精度;近20年中国沼泽NPP年均值变化幅度162.73—189.34 g(/m^(2)·a),呈波动上升趋势,增速为1.215 g(/m^(2)·a)(R^(2)=0.82)。此外,在空间上,中国沼泽湿地NPP增加和减少的区域比例分别为72.96%和26.27%,主要集中在东北平原、青海省东北部和西南部以及四川北部。相比于人类活动,气候变化是影响中国沼泽湿地时空演变的主要驱动因子,两者影响区域占比分别为66.23%和33.76%。本研究可为中国沼泽湿地NPP估算及时空演变研究提供技术与数据支持。

关键词：沼泽湿地净初级生产力时空演变人类活动气候变化

来源：评论

学校读者我要写书评

暂无评论

结合改进模拟CCDC算法的桉树年龄和蓄积量遥感估计

引用

林业科学 2025年

作者：段彩红林辉龙江平杨培松叶子林张廷琛李洵微朱立新中南林业科技大学林业遥感与信息工程研究中心林业遥感大数据与生态安全湖南省重点实验室国家林业局南方地区森林资源管理与检测重点实验室

【目的】通过改进检测算法获取准确年龄变量的基础上，提升桉树蓄积量遥感估计精度，缓和桉树蓄积量饱和度问题。【方法】以多时相Landsat-8和Sentinel-2为主要数据源，分析桉树的时间序列生长曲线，融合线性插值和动态识别方法，采用... 详细信息

【目的】通过改进检测算法获取准确年龄变量的基础上，提升桉树蓄积量遥感估计精度，缓和桉树蓄积量饱和度问题。【方法】以多时相Landsat-8和Sentinel-2为主要数据源，分析桉树的时间序列生长曲线，融合线性插值和动态识别方法，采用模拟连续变化检测与分类（Continuous change detection and classification）检测算法识别采伐点，结合最小二乘法及斜率截距显著变化分析采伐点并推算桉树年龄。在此基础上，利用遥感特征和桉树年龄构建2个变量集：变量集1（由波段值、植被指数和纹理特征构成）和变量集2（由变量集1和年龄构成），采用多元线性回归（MLR）、K邻近（KNN）、随机森林（RF）和支持向量机（SVR）4种模型估计桉树蓄积量。【结果】模拟CCDC检测算法对100个样本的识别结果准确率为82%，年龄与蓄积量之间的DC距离相关系数为0.71，远高于其他遥感变量。桉树蓄积量估测结果表明：变量集1的R2为0.40，RMSE为41.11 m3·hm-2，rRMSE为34%。变量集2的R2为0.83，RMSE为22.08 m3·hm-2，rRMSE为18%。变量集1中，模型计算结果较弱，R 值较低，RMSE 和 rRMSE 较高。而引入年龄变量的变量集2，模型计算结果显著提升，特别是模型SVR中，R提升至0.83，RMSE 和 rRMSE 明显下降，年龄变量的引入提高了桉树蓄积量模型估计精度。【结论】改进的模拟CCDC变化检测方法提高了年龄变量的准确性，且年龄与蓄积呈现显著的相关性。年龄变量的引入显著提升了模型的估测性能，估测精度提高了16个百分点。本研究为桉树蓄积量遥感估计提供了有力的技术支持。

关键词：光学遥感变化检测蓄积量年龄桉树

来源：评论

学校读者我要写书评

暂无评论

基于无人机影像自动检测冠层果的油茶快速估产方法

引用

农业工程学报 2021年第16期37卷 39-46页

作者：严恩萍棘玉尹显明莫登奎中南林业科技大学林业遥感大数据与生态安全湖南省重点实验室长沙410004 中南林业科技大学南方森林资源经营与监测国家林业与草原局重点实验室长沙410004 中南林业科技大学林学院长沙410004

快速准确的产量估算对油茶经营管理和可持续发展具有重要意义。该研究针对油茶快速估产的应用现状,提出一种基于无人机影像自动检测冠层果的方法用于油茶快速估产。首先借助无人机航拍影像,通过随机抽样选取120株油茶树进行无人机近景... 详细信息

快速准确的产量估算对油茶经营管理和可持续发展具有重要意义。该研究针对油茶快速估产的应用现状,提出一种基于无人机影像自动检测冠层果的方法用于油茶快速估产。首先借助无人机航拍影像,通过随机抽样选取120株油茶树进行无人机近景摄影和人工采摘称量;然后利用Mask RCNN(Mask Region Convolutional Neural Networks)网络开展基于近景影像的油茶冠层果自动检测与计数;采用线性回归和K最邻近建立冠层果数与单株果数之间的关系,同时结合研究区典型样木株数和平均单果质量,构建基于冠层果自动检测的估产模型。结果表明:1)无人机超低空近景影像结合Mask RCNN网络能够有效检测不同光照条件油茶果,平均F1值达89.91%;2)同传统卫星遥感相比,基于无人机近景摄影的冠层果自动检测在作物产量估测方面显示出明显优势,Mask RCNN网络预测的冠层果数与油茶样木单株果数之间具有良好的一致性,拟合决定系数R2达0.871;3)结合线性回归和K最邻近构建的模型估产精度均较高,拟合决定系数R2和标准均方根误差NRMSE(Normalized Root Mean Square Error)分别在0.892~0.913和28.01%~31.00%之间,表明基于无人机影像自动检测冠层果的油茶快速估产是一种切实可行的方法。研究结果可为油茶快速估产和智能监测提供参考。

关键词：无人机自动检测油茶快速估产冠层果

来源：评论

学校读者我要写书评

暂无评论

采用全卷积神经网络与Stacking算法的湿地分类方法

引用

农业工程学报 2020年第24期36卷 257-264,F0003页

作者：张猛林辉龙湘仁中南林业科技大学林业遥感信息工程研究中心长沙410004 中南林业科技大学林业遥感大数据与生态安全湖南省重点实验室长沙410004 中南林业科技大学南方森林资源经营与监测国家林业与草原局重点实验室长沙410004

高精度湿地制图对湿地生态保护与精细管理具有重要的支撑作用。针对传统湿地分类方法的精度不高等问题,提出了一种采用全卷积神经(Fully Convolutional Neural,FCN)网络与集成学习的湿地分类方法。首先利用全卷积神经网络(SegNet、UNet... 详细信息

高精度湿地制图对湿地生态保护与精细管理具有重要的支撑作用。针对传统湿地分类方法的精度不高等问题,提出了一种采用全卷积神经(Fully Convolutional Neural,FCN)网络与集成学习的湿地分类方法。首先利用全卷积神经网络(SegNet、UNet及RefineNet)对GF-6影像的语义特征进行提取与融合,然后利用Stacking集成算法对融合后的特征进行判别和分类。结果表明,采用全卷积神经网络与Stacking算法能有效提取湿地信息,总体分类精度为88.16%,Kappa系数为0.85。与采用全卷积神经网络与单一机器学习的随机森林(Random Forest,RF)、支持向量机(Support Vector Machin,SVM)与k-近邻(Nearest Neighbor,kNN)算法相比,该研究提出的湿地分类方法在总体分类精度上分别提高了4.87,5.31和5.08个百分点;与采用单一全卷积神经网络(RefineNet、SegNet、UNet)与Stacking算法下的湿地分类结果,该文提出的湿地分类方法在总体分类精度上分别提高了2.78,4.48与4.91个百分点;该方法一方面能通过卷积神经网络提取遥感影像深层的语义特征,另一方面通过集成学习根据各分类器的表征性能进行合理的选择并重组,从而提高分类精度及其泛化能力。该方法能为湿地信息提取及土地覆盖分类方法的研究提供参考。

关键词：湿地分类卷积神经网络 Stacking 集成学习

来源：评论

学校读者我要写书评

暂无评论

基于地统计学和多源遥感数据的森林碳密度估算

引用

林业科学 2017年第7期53卷 72-84页

作者：严恩萍赵运林林辉莫登奎王广兴中南林业科技大学林业遥感大数据与生态安全湖南省重点实验室长沙410004 中南林业科技大学林学院长沙410004 南伊利诺伊大学地理系卡本代尔629012

【目的】基于遥感影像空间分辨率和地面样地大小不一致的现象,采用地统计学和多源遥感数据进行森林碳密度估算,为MODIS数据在区域森林碳密度估算领域的应用提供参考。【方法】以湖南省攸县为试验区,首先利用基于块的序列高斯协同模拟算... 详细信息

【目的】基于遥感影像空间分辨率和地面样地大小不一致的现象,采用地统计学和多源遥感数据进行森林碳密度估算,为MODIS数据在区域森林碳密度估算领域的应用提供参考。【方法】以湖南省攸县为试验区,首先利用基于块的序列高斯协同模拟算法,将25.8 m×25.8 m的样地数据分别上推到250 m×250 m、500 m×500 m和1 000 m×1 000 m;然后将上推后的样地数据分别与MOD13Q1、MOD09A1、MOD15A2数据结合,利用序列高斯协同模拟算法开展区域森林碳密度估算研究;最后将最优结果用于湖南省森林碳密度估算。【结果】Landsat5和MODIS数据与森林碳密度的敏感因子具有高度相似性,排在前3位的分别为1/TM3、1/TM2、1/TM1和1/Band1、1/Band4、1/Band3;与植被指数产品MOD13Q1和MOD15A2相比,多光谱数据Landsat5和MOD09A1在攸县森林碳密度估算方面显示出巨大潜力,估算精度分别为82.02%和75.64%;基于MOD09A1的序列高斯协同模拟算法具有很好的适用性,可用于湖南省森林碳密度的空间模拟,估算精度为74.07%。【结论】采用基于块的序列高斯协同模拟算法,可以实现由地面样地到不同空间分辨率MODIS像元之间的转换;由于空间分辨率的限制,MOD09A1数据在刻画空间细节方面不如Landsat5精细。该研究方法适用于地面调查样地大小和遥感影像空间分辨率不一致的区域森林碳密度估算。

关键词：林业遥感森林资源清查多源遥感基于块的序列高斯协同模拟森林碳密度

来源：评论

学校读者我要写书评

暂无评论

基于改进Mask RCNN的散坟火灾隐患点自动检测与空间分析

引用

自然灾害学报 2023年第2期32卷 99-107页

作者：严恩萍莫登奎中南林业科技大学林业遥感大数据与生态安全湖南省重点实验室湖南长沙410004 中南林业科技大学南方森林资源经营与监测国家林业与草原局重点实验室湖南长沙410004 中南林业科技大学林学院湖南长沙410004

散坟是森林火灾风险的一个重要来源,是林业、应急、民政部门需要掌握的重要基础数据。由于缺乏足够的重视,目前国内外鲜有散坟快速检测与自动清查的研究报道。本研究提出一个基于Detectron2工具箱的Mask RCNN识别网络,利用高分辨率航拍... 详细信息

散坟是森林火灾风险的一个重要来源,是林业、应急、民政部门需要掌握的重要基础数据。由于缺乏足够的重视,目前国内外鲜有散坟快速检测与自动清查的研究报道。本研究提出一个基于Detectron2工具箱的Mask RCNN识别网络,利用高分辨率航拍影像和实地调查数据对中国湖南长沙县的散坟进行快速检测与自动清查。结合各种空间分布指数,如近邻指数、地理集中指数、不平衡指数和核密度指数,对散落坟墓的空间分布进行绘制和分析。结果表明:改进后的Mask RCNN网络,能够有效识别不同土地覆盖、分布密度和空间区域的散坟目标,平均F1分数分别为90.33%、92.61%和90.41%;研究发现散坟总体呈集群式-随机分布,密度为25.13座/km3,主要受地形和道路因素的影响。研究首次提出绘制散坟火灾隐患点分布数据,对全国散坟的自动检测和及时预警具有潜在的应用价值。

关键词：高分辨率遥感火灾隐患自动检测空间分布改进的Mask-RCNN

来源：评论

学校读者我要写书评

暂无评论

洞庭湖湿地净初级生产力估算研究

引用

遥感学报 2023年第6期27卷 1454-1466页

作者：张猛陈淑丹林辉刘洋张怀清中南林业科技大学林业遥感信息工程研究中心长沙410004 中南林业科技大学林业遥感大数据与生态安全湖南省重点实验室长沙410004 中南林业科技大学南方森林资源经营与监测国家林业与草原局重点实验室长沙410004 中国林业科学研究院资源信息研究所北京100091

湿地是地球上重要的“碳库”之一,针对湿地净初级生产力NPP (Net Primary Productivity)模拟中时空分辨率不高和估算精度不稳定等方面的问题,本文提出了一种修正的CASA (Carnegie-Ames-Stanford Approach)模型。首先采用遥感云计算下的... 详细信息

湿地是地球上重要的“碳库”之一,针对湿地净初级生产力NPP (Net Primary Productivity)模拟中时空分辨率不高和估算精度不稳定等方面的问题,本文提出了一种修正的CASA (Carnegie-Ames-Stanford Approach)模型。首先采用遥感云计算下的时空融合算法快速、准确地获得了时间序列的Landsat 8多光谱影像,解决湿地NPP估算中高时空分辨率影像缺失问题。然后,利用Landsat 8数据集(光谱波段、陆表水体指数、归一化植被指数等)与自适应Stacking算法得到高精度的植被分类图,并结合植被分类图确定每个植被像元理想条件下最大光能利用率εmax。同时,利用时序陆表水体指数及降水数据计算获得NPP估算中所需的水分胁迫因子。最后,基于归一化植被指数、水分胁迫因子、εmax及气象数据等多种参数,驱动CASA模型对洞庭湖湿地NPP进行估测。研究结果显示,与其他模型相比,本文修正CASA模型估算的NPP与实测的NPP具有最高的相关系数(R2=0.85)和最低的RMSE (20.16 g C/m2),表明该方法能有效、准确地模拟区域湿地生态系统NPP。洞庭湖区主要湿地植被类型芦苇与苔草的NPP均值分别为424.26 g C/m2和357.50g C/m2。

关键词：遥感湿地净初级生产力 CASA 时空融合分类洞庭湖湿地

来源：评论

学校读者我要写书评

暂无评论

基于高分二号的旺业甸林场蓄积量估测模型研究

引用

中南林业科技大学学报 2020年第3期40卷 79-84,118页

作者：刘兆华林辉龙江平李新宇中南林业科技大学林业遥感的数据与生态安全湖南省重点实验室湖南长沙410004 中南林业科技大学林学院湖南长沙410004

【目的】为了探究国产高分二号(GF-2)影像在林分蓄积量估测中的潜力,并找到最佳的蓄积量估测模型。【方法】本次实验以内蒙古旺业甸林场为研究区,以高分二号卫星影像为信息源,结合2017年10月份调查的75块样地以及同时期的GF-2影像数据,... 详细信息

【目的】为了探究国产高分二号(GF-2)影像在林分蓄积量估测中的潜力,并找到最佳的蓄积量估测模型。【方法】本次实验以内蒙古旺业甸林场为研究区,以高分二号卫星影像为信息源,结合2017年10月份调查的75块样地以及同时期的GF-2影像数据,提取波段特征、植被指数和纹理特征等43个遥感因子作为候选变量,利用Pearson相关系数选择出与蓄积量显著相关的6个变量,采用多元线性回归模型(MLR)、BP-神经网络模型(BP-ANN)、随机森林模型(RF)、支持向量机模型(SVM)和K邻近模型(KNN)进行蓄积量的估测。以决定系数(R^2)、均方根误差(RMSE)、相对均方根误差(RRMSE%)作为5种模型的评价指标,选择出旺业甸林场的最佳蓄积量估测模型,并绘制了研究区的森林蓄积量分布图。【结果】4种机器学习模型的结果明显优于传统的线性模型,其中随机森林(RF)模型和K邻近模型(KNN)均得到了较高的精度,其中RF模型的R^2为0.66,均方根误差为55.2 m^3/hm^2,相对均方根误差为28.1%,KNN模型的R^2为0.64,均方根误差为57.6 m^3/hm^2相对均方根误差为29.3%。【结论】在利用高分二号数据进行旺业甸林场蓄积量估测时,RF和KNN模型在估测针叶林蓄积量时相比于其他模型可以取得更好的结果。

关键词：森林蓄积量机器学习植被指数纹理特征高分二号

来源：评论

学校读者我要写书评

暂无评论

改进分类回归树模型的青冈枝叶点云分类研究

引用

南京林业大学学报（自然科学版） 2024年第4期48卷 123-131页

作者：潘政尚马开森龙依赖珍贵孙华中南林业科技大学林业遥感信息工程研究中心林业遥感大数据与生态安全湖南省重点实验室南方森林资源经营与监测国家林业和草原局重点实验室湖南长沙410004 中南林业科技大学芦头实验林场湖南岳阳414000

【目的】传统的树木枝叶点云分类模型结构与特征过于复杂,存在稳定性差、精度低、模型过拟合及计算成本高等问题。研究以阔叶树青冈(Quercus glauca)地面激光点云数据为基础,提出一种改进的分类回归树(classification and regression tr... 详细信息

【目的】传统的树木枝叶点云分类模型结构与特征过于复杂,存在稳定性差、精度低、模型过拟合及计算成本高等问题。研究以阔叶树青冈(Quercus glauca)地面激光点云数据为基础,提出一种改进的分类回归树(classification and regression tree, CART)枝叶点云分类模型。【方法】首先根据点的邻域特征构造特征描述子,确定邻域搜索参数的最佳取值。通过逐步引入变量和调整决策树模型结构实现对分类回归树模型的改进。将改进后模型的分类结果与Logistics回归和K近邻模型进行对比。【结果】特征描述子作为变量引入后,模型测试数据分类准确率有所提升,比Logistics回归和K近邻模型分别高出13.1%和13.6%;改进后的分类回归树模型准确率有较大提升,稳定性好且模型大小显著降低,模型大小较改进前减少了99.9%,数据训练时间仅为调整前的51.3%;改进后的方法在树干和树叶上的综合评价指标均在0.9左右,差距小于0.001,无过拟合现象。【结论】改进的CART模型具有较高的精度,在小样本上也能取得较好的分类效果,稳定性好。研究结果可为地面激光雷达枝叶点云精准快速分类提供参考。

关键词：地面激光雷达点云分类点云特征分类回归树

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：