精细的田块数据是现代农业的重要基础资料,该研究针对从高分辨率遥感影像中提取田块精细数据的需求,建立了一种先验知识融合语义特征的冬小麦田块精细提取方法(prior knowledge and semantic features integration-based farmland parce...
详细信息
精细的田块数据是现代农业的重要基础资料,该研究针对从高分辨率遥感影像中提取田块精细数据的需求,建立了一种先验知识融合语义特征的冬小麦田块精细提取方法(prior knowledge and semantic features integration-based farmland parcel extraction methodology,PKFFPE),PKFFPE以遥感图像和相应的边缘图像作为输入,采用编码器-解码器结构进行特征提取,利用多尺度注意力模块捕获不同尺度的关键特征,使用SoftMax对图像进行初步分割;通过深入分析同一田块内颜色、纹理等特征的分布规律获取先验知识,利用先验知识建立后处理方法,对初分割结果进行优化,生成田块精细数据。选择河北省邯郸市馆陶县和山东省泰安市宁阳县作为试验区,用于验证PKFFPE方法在平原地区和丘陵地区的适用性;选择UNet、ErfNet、SegNet、EIGNet,以及面向对象分类的方法作为初分割的对比方法,选择条件随机场和形态学处理作为的后处理的对比方法开展对比试验。试验结果表明,PKFFPE方法在馆陶县、宁阳县结果的准确率(96.1%、93.2%)、精确率(90.6%、87.6%)、召回率(93.2%、90.6%)、和F1分数(91.9%,89.0%)均优于对比方法,证明了PKFFPE方法在从高分辨遥感影像中提取田块精细数据方面具有突出的优势,能够应用于科研和生产实践。
为提升贺兰山东麓葡萄园晚霜冻灾害精细化防御能力,利用2020—2023年4—5月贺兰山东麓葡萄园农田小气候站最低气温观测数据,分析葡萄园最低气温变化特征、晚霜冻发生频率和区域分布特征,并基于欧洲中期天气预报中心(European Centre for...
详细信息
为提升贺兰山东麓葡萄园晚霜冻灾害精细化防御能力,利用2020—2023年4—5月贺兰山东麓葡萄园农田小气候站最低气温观测数据,分析葡萄园最低气温变化特征、晚霜冻发生频率和区域分布特征,并基于欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)模式预报产品和宁夏地区格点气温实况,采用径向基函数(Radial Basis Function,RBF)神经网络算法,构建贺兰山东麓葡萄园最低气温和霜冻预报模型。结果表明:贺兰山东麓葡萄园轻霜冻最为普遍,其次是中霜冻,4月是霜冻发生的主要月份,东方裕兴酒庄霜冻出现最频繁,观兰酒庄霜冻最少,红寺堡产区是霜冻易发区。最低气温和霜冻预报检验结果显示,与ECMWF模式相比,RBF模型对贺兰、永宁和红寺堡产区的最低气温预报准确率提高,最高提升幅度达33.8%,平均绝对误差降低0.20~1.50℃。从单站霜冻预报看,RBF模型有明显优势,准确率普遍提升1.0%~14.0%,平均绝对误差降低0.04~0.37℃;从产区平均看,RBF模型对红寺堡产区霜冻预报准确率提高最多,达13.0%。在针对霜冻的实例分析中,RBF模型预报效果更优,特别是对中霜冻预报优势明显,相比ECMWF模式准确率提升25.0%~50.0%,平均绝对误差降低1.80~2.10℃。
暂无评论