检索结果-内蒙古大学图书馆

中南林业科技大学学报 2020年第2期40卷 95-101页

作者：周柯妙林辉宋仁飞蒋仟陈忠明杜凯中南林业科技大学林业遥感信息工程研究中心湖南长沙410004 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 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

【目的】对银杏Ginkgo biloba L.落叶期(9—12月)的叶片进行连续定期定点的高光谱测量,计算出能代表其生长状况和营养信息的高光谱参量NDVI值,通过选用两种不同的曲线拟合方法对其NDVI值进行宏观上的以时间为自变量的曲线拟合,选出最优... 详细信息

【目的】对银杏Ginkgo biloba L.落叶期(9—12月)的叶片进行连续定期定点的高光谱测量,计算出能代表其生长状况和营养信息的高光谱参量NDVI值,通过选用两种不同的曲线拟合方法对其NDVI值进行宏观上的以时间为自变量的曲线拟合,选出最优拟合方法,更好地了解银杏落叶期叶片光谱特征参量NDVI值的变化趋势,从而更有效地对其进行决策和控制,为植被的大尺度遥感动态监测提供方法参考。【方法】利用SVC HR-1024I全波段地物光谱仪,选取三株健康、生长环境相同、长势相近的中龄银杏为叶片采集对象,对其落叶期冠层叶片进行定期定点定方位的高光谱观测。对获取的高光谱原始数据进行数据筛选与预处理后,通过计算得出叶片的NDVI值,分别采用二次函数拟合法和ARIMA时间序列拟合法对落叶期叶片的NDVI值进行曲线拟合,并对两种拟合方法的拟合结果进行比较,选出最适合银杏叶片落叶期NDVI值的拟合方法。【结果】二次函数拟合结果为NDVI=-0.0221T2+0.0547T+0.711,决定系数R2为0.926,但因拟合结果t值不显著,样本结果随机性大,不具广泛性;ARIMA时间序列拟合中ARIMA(2,1,2)模型估测结果与实际情况接近,R2为0.811,拟合效果较好。【结论】ARIMA时间序列拟合方法比二次行数拟合方法更适用于对银杏落叶期叶片的NDVI值进行拟合。

关键词：高光谱二次函数拟合 ARIMA拟合 NDVI 银杏

来源：评论

学校读者我要写书评

暂无评论

基于带宽优选地理加权回归模型的深圳市植被碳储量反演

引用

生态学报 2022年第12期42卷 4933-4945页

作者：龙依蒋馥根孙华王天宏邹琪陈川石中南林业科技大学林业遥感信息工程研究中心长沙410004 林业遥感大数据与生态安全湖南省重点实验室长沙410004 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 国家林业和草原局中南调查规划设计院长沙410004

植被碳储量估测是自然资源监测的重要内容,遥感技术结合地面样地进行反演可以获得区域范围内植被碳储量的空间连续分布,弥补了传统人工抽样调查估测的不足。然而,现有的参数和非参数遥感估测模型大多忽略了样地数据的变异与空间自相关... 详细信息

植被碳储量估测是自然资源监测的重要内容,遥感技术结合地面样地进行反演可以获得区域范围内植被碳储量的空间连续分布,弥补了传统人工抽样调查估测的不足。然而,现有的参数和非参数遥感估测模型大多忽略了样地数据的变异与空间自相关关系。研究以Landsat 8 OLI影像为数据源提取遥感变量,结合植被碳储量实测调查数据,利用最小信息准则(AICc)、最大空间自相关距离(MSAD)和交叉验证(CV)分别确定最优带宽,组合Gaussian、Bi-square和Exponential核函数构建地理加权回归(GWR)模型估算深圳市植被碳储量,并与多元线性回归(MLR)进行比较,选择最优模型绘制深圳市植被碳储量空间分布图。研究结果表明,GWR模型整体精度优于MLR模型,GWR模型的决定系数(R;)均高于MLR模型,且均方根误差(RMSE)和平均绝对误差(MAE)显著降低。带宽和核函数的选择对GWR模型估测结果产生了显著影响。以CV确定带宽、Exponential为核函数组合构建的GWR模型效果最佳,其R;为0.697,RMSE为10.437 Mg C/hm^(2),相比其它模型精度上升了13.87%—32.28%,且变量回归参数均存在显著空间非平稳性,能较好反映空间异质性。结合最优GWR模型和植被类型空间分布估算深圳市植被碳储量,得到其碳储量值在1.63—60.95 Mg C/hm^(2)之间,其中高值和低值主要分布于森林和草地区域,与深圳市植被覆盖情况基本一致。GWR模型考虑了变量空间异质性,基于带宽优选的GWR模型一定程度上能获得更合理的碳储量空间分布,能为深圳市植被碳储量遥感估算提供方法与技术参考。

关键词：遥感反演植被碳储量局部模型地理加权回归 Landsat 8

来源：评论

学校读者我要写书评

暂无评论

结合自适应阈值与峰值的LiDAR林分平均高反演方法研究

引用

林草资源研究 2021年第1期 61-68页

作者：吴思敏孙华林辉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与草原局重点实验室

随着激光雷达获取的点云密度不断增加,提取样地尺度的林分平均高成为可能。但样地尺度林分平均高的提取精度与树种之间的关系尚不明确,急需一种能适应各种树种的林分平均高提取方法。以广西省国有高峰林场为例,采用机载LiDAR点云数据生... 详细信息

随着激光雷达获取的点云密度不断增加,提取样地尺度的林分平均高成为可能。但样地尺度林分平均高的提取精度与树种之间的关系尚不明确,急需一种能适应各种树种的林分平均高提取方法。以广西省国有高峰林场为例,采用机载LiDAR点云数据生成的冠层高度模型（Canopy height model, CHM）,结合地面实测的201个样地数据,提出了一种结合自适应阈值与峰值的林分平均高提取算法,并分析了树种对提取精度的影响。结果表明:1)不同树种的林分平均高提取精度存在差异,杉木精度最高,而桉树和其他阔叶树种精度次之;2)自适应阈值结合峰值的算法能够较好提取林分平均高（R2=0.75,RMSE=3.11m,rRMSE=22.07%）,并且对于不同的树种都有较强的稳健性;3)阔叶树种和针叶树种对不同的提取方法存在敏感性差异。研究提取的林分平均高可为森林蓄积量与生物量反演研究提供依据和参考。

关键词： LiDAR 自适应阈值冠层高度模型林分平均高

来源：评论

学校读者我要写书评

暂无评论

基于SPOT5遥感影像分类的抽样技术研究

引用

西南林业大学学报（自然科学） 2018年第3期38卷 145-150页

作者：蒋仟林辉严恩萍罗攀中南林业科技大学林业遥感信息工程研究中心湖南长沙410004 湖南省科学技术厅林业遥感大数据与生态安全重点实验室湖南长沙410013 中南林业科技大学林学院湖南长沙410004

以湖南省攸县为研究区,利用2009、2010年SPOT5影像,在抽样可靠性指标为95%的情况下,设计系统抽样方案、分层抽样方案和简单随机抽样,通过SVM进行图像分类,并结合2009年湖南省连续清查数据对方案进行精度验证,得到适合研究区的抽样方案... 详细信息

以湖南省攸县为研究区,利用2009、2010年SPOT5影像,在抽样可靠性指标为95%的情况下,设计系统抽样方案、分层抽样方案和简单随机抽样,通过SVM进行图像分类,并结合2009年湖南省连续清查数据对方案进行精度验证,得到适合研究区的抽样方案。结果表明:3种抽样方案中,适宜攸县森林资源调查的最优方案为,以抽样间隔为4 km×6 km(第Ⅰ层)、4 km×4 km(第Ⅱ层)、4 km×4 km(第Ⅲ层)进行的分层抽样,总体分类精度达到90.48%。其中,在系统抽样中,抽样间隔为4 km×4 km和2 km×2 km的方案总体精度均为88.10%,但前者训练样本数较少,表明在实际调查中,训练样本的数量与抽样的总体精度不是一直呈正相关。在分层抽样中,适合各层的最优抽样方案不一定相同,并且与系统抽样的最优方案也不一定相同。当抽样间隔相同时,分层抽样的总体精度要高于系统抽样的总体精度,但训练样本数少于系统抽样的训练样本数。所以在实际调查中,采用分层抽样较系统抽样,得到的精度较高,并且耗费的人力物力较少,较为高效。

关键词：森林资源调查系统抽样分层抽样支持向量机 SPOT5影像攸县

来源：评论

学校读者我要写书评

暂无评论

基于国产高分数据的森林蓄积量反演研究

引用

林草资源研究 2021年第3期 101-107页

作者：肖越许晓东龙江平林辉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与草原局重点实验室

以内蒙古旺业甸林场为研究区,结合地面调查,对高分二号遥感数据进行预处理,并提取光谱信息、植被指数及纹理信息等48个遥感因子,采用Pearson相关系数法筛选出8个因子进行建模。采用多元线性回归、多层感知机、K-近邻、支持向量机、随机... 详细信息

以内蒙古旺业甸林场为研究区,结合地面调查,对高分二号遥感数据进行预处理,并提取光谱信息、植被指数及纹理信息等48个遥感因子,采用Pearson相关系数法筛选出8个因子进行建模。采用多元线性回归、多层感知机、K-近邻、支持向量机、随机森林模型估测森林蓄积量,得到研究区内森林蓄积量反演图。结果表明:1)高分二号影像提取的遥感因子中,基于二阶矩阵的纹理特征均值(Mean)与森林蓄积量的相关性较高;2)随机森林相对于多元线性、多层感知机、K-近邻、支持向量机等方法具有更好的森林蓄积量估测精度,其相对均方根误差(rRMSE)为25.40%;3)研究区内森林蓄积量高的地区主要分布在西部和东南部;森林蓄积量低的地区主要分布在西北部、中部及北部,与实际调查情况一致。国产高分二号影像利用随机森林算法在森林蓄积量反演方面具有一定的潜力。

关键词：遥感高分二号随机森林森林蓄积量空间分布

来源：评论

学校读者我要写书评

暂无评论

基于MODIS影像的森林类型决策树分类方法研究

引用

中南林业科技大学学报 2017年第9期37卷 80-85页

作者：吴梓尚林辉孙华林欣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 中国地质大学信息工程学院湖北武汉430074

以4种MODIS时序数据为基础,以湖北省为研究区,开展区域森林类型快速提取的分类方法研究。将湖北省的森林植被划分为针叶林、阔叶林、混交林、竹林、灌木林和非林地6种地类,通过分析不同森林类型一年内的生长差异,根据各植被指数的均值... 详细信息

以4种MODIS时序数据为基础,以湖北省为研究区,开展区域森林类型快速提取的分类方法研究。将湖北省的森林植被划分为针叶林、阔叶林、混交林、竹林、灌木林和非林地6种地类,通过分析不同森林类型一年内的生长差异,根据各植被指数的均值建立了研究区各森林类型的分类参数,选取2010年MODIS数据产品NDVI第10期、NDVI第12期、NDVI第15期、EVI第10期、LAI第16期、LAI第17期数据,建立了针叶林、阔叶林、混交林、竹林、灌木林、非林地的决策树分类模型,并对研究区进行了分类。结果表明:植被指数均值曲线具有一定的区域地类代表性,分类参数对不同森林类型具有较强的分异性;将分类结果与第八次全国森林资源清查结果相比较,森林类型分类总体精度为85.45%,KAPPA系数为0.770 1,效果较好,说明通过MODIS数据进行区域的森林类型提取是可行的。

关键词：遥感影像分类决策树 MODIS

来源：评论

学校读者我要写书评

暂无评论

东洞庭湖湿地植被高光谱数据降维与分类

引用

中南林业科技大学学报 2019年第11期39卷 36-41页

作者：李世波林辉葛淼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 贵州林业勘察设计有限公司贵州贵阳550001 润雅信息技术(上海)有限公司上海215008

湿地植被的精细识别与分类是林业遥感中一个亟待解决的难点。本研究以东洞庭湖自然保护区为研究区,以苔草、芦蒿、辣蓼、杨柳和芦苇为研究对象开展高光谱数据观测。采用数据平滑、导数变换、对数变换和归一化变换等方式对高光谱数据进... 详细信息

湿地植被的精细识别与分类是林业遥感中一个亟待解决的难点。本研究以东洞庭湖自然保护区为研究区,以苔草、芦蒿、辣蓼、杨柳和芦苇为研究对象开展高光谱数据观测。采用数据平滑、导数变换、对数变换和归一化变换等方式对高光谱数据进行预处理,再运用PCA算法分别对其进行降维运算,随后采用马氏距离、朴素贝叶斯、Knn、径向基内核支持向量机和随机森林等分类方法对降维后的数据进行分类。结果表明:1)不同预处理方式经过PCA降维后能保持自身特有的特征;2)降维后的累计方差贡献率与分类精度不存在必然联系,主成分个数能对分类精度产生影响;3)不同的分类方法对降维后的数据灵敏度不同,随机森林和径向基内核支持向量机保持较高的稳定性。

关键词：高光谱降维分类主成分分析东洞庭湖

来源：评论

学校读者我要写书评

暂无评论

基于TanDEM-X数据的林分平均高反演方法研究

引用

西南林业大学学报（自然科学） 2019年第5期39卷 110-117页

作者：蔡耀通林辉孙华张猛龙江平中南林业科技大学林业遥感信息工程研究中心湖南长沙410004 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 南方森林资源经营与监测国家林业局重点实验室湖南长沙410004

以TanDEM-X/TerraSAR-X HH单极化干涉对和GF-2遥感数据为基础,提出结合极化干涉与混合像元分解技术的改进差分法来反演林分平均高,并利用外业数据进行精度验证。结果表明:以植被丰度校正冠层高度模型,林分平均高的估测精度和R^2值得到... 详细信息

以TanDEM-X/TerraSAR-X HH单极化干涉对和GF-2遥感数据为基础,提出结合极化干涉与混合像元分解技术的改进差分法来反演林分平均高,并利用外业数据进行精度验证。结果表明:以植被丰度校正冠层高度模型,林分平均高的估测精度和R^2值得到大幅提高,均方根误差也随之降低。因此,本研究提出的方法能有效降低林分低郁闭度产生的混合像元作用对林分平均高反演的影响,提高林分平均高的反演精度。

关键词： TanDEM-X 冠层高度模型 DSM-DEM差分法混合像元分解林分平均高

来源：评论

学校读者我要写书评

暂无评论

基于国产高分遥感数据的黑龙江三江湿地分类

引用

中南林业科技大学学报 2022年第9期42卷 71-81页

作者：潘煜琳林辉中南林业科技大学林业遥感信息工程研究中心湖南长沙410004 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 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

【目的】湿地是重要的生态系统之一,实现湿地信息的自动提取和动态监测对湿地资源的科学管理和利用有重要的意义。黑龙江三江湿地是我国最大的淡水沼泽湿地,具有丰富的野生动植物资源。探究国产高分五号(GF-5)高光谱和高分六号(GF-6)多... 详细信息

【目的】湿地是重要的生态系统之一,实现湿地信息的自动提取和动态监测对湿地资源的科学管理和利用有重要的意义。黑龙江三江湿地是我国最大的淡水沼泽湿地,具有丰富的野生动植物资源。探究国产高分五号(GF-5)高光谱和高分六号(GF-6)多光谱遥感数据及其不同特征组合在中高纬度湿地信息分类中的能力,为三江湿地的可持续发展提供科学依据。【方法】首先对获取的高分数据进行辐射定标、大气校正、地理配准、镶嵌和裁剪预处理后,然后采用主成分分析法(Principal Component Analysis,PCA)对高光谱数据进行降维和特征筛选,最终从GF-5遥感影像中选取了5个特征;在GF-6的8个原始波段基础上通过波段计算提取了指数特征(NDVI、NDWI),增加到10个波段,并将GF-5和GF-6影像提取特征进行组合,利用支持向量机(SVM)、随机森林算法(RF)和K-近邻算法(KNN)等3种分类器提取湿地信息。【结果】基于GF-5和GF-6波段组合后的特征组合与SVM算法的结合获取的湿地信息总体分类效果最好,总体精度可达到88.96%,Kappa系数为0.85,能够合理地提取三江湿地的不同地类信息。根据混淆矩阵的数据统计可知,湿地重要的地类草本和水域错分比例明显减少,此外大面积噪声情况有所改善并且细小狭长的水域能够被识别分类。【结论】不同源数据和特征组合的湿地信息提取的精度表明高光谱和多光谱遥感数据的特征组合可以提供丰富的光谱信息,显著减少了“同物异谱,同谱异物”的情况;而且基于GF-5和GF-6特征组合,应用SVM算法,可以获得较高的分类精度,对比单一的GF-5和GF-6遥感数据,总体精度分别提高了16.74%和3.3%,为构建国产高分卫星数据的湿地信息智能提取理论和方法提供技术支撑。

关键词：三江湿地支持向量机随机森林 K-近邻算法 GF-5 GF-6

来源：评论

学校读者我要写书评

暂无评论

西藏自治区草地地上生物量遥感反演研究

引用

生态学报 2023年第13期43卷 5600-5613页

作者：宋柯馨蒋馥根胡宗达吕云兵龙依邓目丽陈松孙华中南林业科技大学林业遥感信息工程研究中心长沙410004 林业遥感大数据与生态安全湖南省重点实验室长沙410004 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 四川农业大学资源学院成都611130 西藏详图测绘有限公司拉萨851414

草地地上生物量(Aboveground Biomass,AGB)是反映草地生态系统功能和质量的关键指标,大尺度地准确估算草地AGB对草地生态系统经营管理至关重要。研究以MODIS影像为数据源,提取反射率、植被指数和植被产品三种不同类型的特征变量,结合野... 详细信息

草地地上生物量(Aboveground Biomass,AGB)是反映草地生态系统功能和质量的关键指标,大尺度地准确估算草地AGB对草地生态系统经营管理至关重要。研究以MODIS影像为数据源,提取反射率、植被指数和植被产品三种不同类型的特征变量,结合野外实测样地草地AGB数据,构建以多元线性逐步回归为代表的参数模型以及随机森林、支持向量机和kNN等非参数模型进行西藏自治区草地AGB估测及空间分布制图。结果表明:(1)多元线性逐步回归、随机森林、支持向量机和kNN模型在加入植被产品特征变量后,RMSE分别降低了15.8%、13.5%、4.1%和17.3%,表明植被产品作为建模变量用于草地AGB估测可有效提高模型精度;(2)三种组合变量构建的草地AGB估测模型中,反射率、植被指数、植被产品组合构建的模型效果最佳,其中kNN模型估测精度最高,R2达到0.60,RMSE和MAE分别为0.43、0.34 t/hm^(2);(3)草地AGB空间分布呈现出西北地区较低、中部地区较高且分布形态较破碎和东部地区较高的变化特征;(4)利用MODIS植被产品结合kNN模型的预测值与草地实测的AGB空间分布趋势基本一致。综上,MODIS植被产品结合kNN模型可作为大尺度区域草地AGB遥感估测的有效参考。

关键词：草地地上生物量机器学习 kNN MODIS 植被产品

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：