检索结果-内蒙古大学图书馆

地理学报 2025年第1期80卷 12-27页

作者：张慧朱文泉史培军唐海萍何邦科刘若杨杨欣怡赵涔良北京师范大学遥感科学国家重点实验室北京100875 北京师范大学地理科学学部北京市陆表遥感数据产品工程技术研究中心北京100875 北京师范大学应急管理部—教育部减灾与应急管理研究院北京100875 北京师范大学地理科学学部北京100875

青藏高原植被具有高海拔及垂直地带性分布特征,这给植被遥感精细分类带来了诸多挑战,主体表现为特定植被类型之间的遥感可分性较差,解决之道是有效融入其他非遥感特征。本文发展了一种逐步融入粗空间分辨率植被与环境特征的植被遥感精... 详细信息

青藏高原植被具有高海拔及垂直地带性分布特征,这给植被遥感精细分类带来了诸多挑战,主体表现为特定植被类型之间的遥感可分性较差,解决之道是有效融入其他非遥感特征。本文发展了一种逐步融入粗空间分辨率植被与环境特征的植被遥感精细分类新方法,以提高分类的准确性和精细度。新方法首先筛选出对植被分类改善贡献更大、特征差异更明显的植被与环境特征,并利用这些特征采用广义相加模型计算获得各类别的先验概率,同时利用遥感特征进行机器学习分类以获得各类别的后验概率,最后将粗空间分辨率的先验概率利用贝叶斯算法对高空间分辨率的后验概率进行调整,从而计算出最终的精细分类结果。基于10m空间分辨率的Sentinel-2遥感数据、90~10000 m空间分辨率的植被与环境数据以及地面调查数据,选择青藏高原的祁连山区、黄河源区和横断山区对新方法进行应用,获得了10 m空间分辨率的植被精细分类结果。相较于仅使用遥感特征的分类结果,新方法的分类精度提升8%~24%。新方法为提高植被分类的准确性和精细度提供了有效的技术支撑,对青藏高原及其他类似地区的植被精细分类具有重要参考价值。

关键词：青藏高原遥感环境特征植被特征植被分类

来源：评论

学校读者我要写书评

暂无评论

基于遥感技术的水生态空间健康综合评价体系

引用

遥感学报 2025年第3期29卷 689-699页

作者：陶果丰薛万来袁博李添雨李文忠李杰赵琳琳崔宇然徐为业魏香琴贾坤北京师范大学地理科学学部卫星应用前沿交叉研究院遥感科学国家重点实验室北京师范大学地理科学学部北京市陆表遥感数据产品工程技术研究中心北京市水科学技术研究院中国科学院空天信息创新研究院

科学合理地评价水生态空间健康状况，对于保护水生态系统的核心结构和服务功能具有重要意义。目前，区域水生态空间的综合性评价研究较少，且评价指标体系存在指标类型单一、受限于地面观测等问题。因此，本研究基于遥感视角，构建了全... 详细信息

科学合理地评价水生态空间健康状况，对于保护水生态系统的核心结构和服务功能具有重要意义。目前，区域水生态空间的综合性评价研究较少，且评价指标体系存在指标类型单一、受限于地面观测等问题。因此，本研究基于遥感视角，构建了全方位涵盖生态空间物理结构、水文水质要素、陆域岸线植被要素的北京市水生态空间健康评价指标体系。同时，综合层次分析法与熵权法开展主客观结合的指标赋权，创建了水生态空间健康遥感评价体系，并基于综合评价指数将水生态空间分为健康、良好、一般、较差4个等级。本研究以北京市永定河、潮白河、昆明湖、密云水库等10个典型水体为例，开展了综合性的水生态空间健康评价，结果表明：（1）评价体系能够合理评价水生态空间健康状况，其中水文水质要素对水生态空间健康影响最大，陆域岸线植被要素次之，生态空间物理结构影响最小；（2）北京市10个典型水体中，永定河、圆明园湖的水生态空间健康评价等级为良好，其余水体为健康，建议未来对永定河、圆明园湖开展针对性的生态修复。

关键词：遥感水生态空间健康评价评价体系指标赋权北京市北京二号综合评价指数构建

来源：评论

学校读者我要写书评

暂无评论

社会经济统计数据空间化研究进展

引用

地理学报 2022年第10期77卷 2650-2667页

作者：郭红翔朱文泉北京师范大学地理科学学部遥感科学国家重点实验室北京100875 北京师范大学地理科学学部遥感科学与工程研究院北京市陆表遥感数据产品工程技术研究中心北京100875

社会经济统计数据通常是以各级行政区为单位的汇总数据,它虽然能反映统计单元之间的差异但却不能反映统计单元内部的异质性,在实际应用中,无法满足统计任意区域内的社会经济数据的需求,而社会经济统计数据空间化则是有效解决该问题的一... 详细信息

社会经济统计数据通常是以各级行政区为单位的汇总数据,它虽然能反映统计单元之间的差异但却不能反映统计单元内部的异质性,在实际应用中,无法满足统计任意区域内的社会经济数据的需求,而社会经济统计数据空间化则是有效解决该问题的一条重要途径。本文对现有社会经济统计数据的空间化方法、社会经济统计数据空间化过程所依赖的辅助数据、现有主要的社会经济空间化数据产品进行了归纳总结,并从空间化方法的制约因素和改进方向、新型辅助数据的探索和多源辅助数据的综合利用、高时空分辨率和高精度数据产品研发3个方面展望了社会经济统计数据空间化的未来发展趋势。研究结果可为社会经济统计数据空间化方法的选择与改进、辅助数据的选择与综合利用、社会经济空间化数据产品的选择与改进提供参考。

关键词：社会经济数据空间化人口 GDP 数据产品

来源：评论

学校读者我要写书评

暂无评论

结合光照信息的多尺度K-均值植被几何光学四分量提取算法

引用

地球信息科学学报 2023年第5期25卷 1037-1049页

作者：冯耀伟屈永华北京师范大学地理科学学部北京师范大学遥感科学国家重点实验室北京100875 北京市陆表遥感数据产品工程技术研究中心北京师范大学地理科学学部遥感科学与工程研究院北京100875

遥感几何光学模型利用传感器视场内植被、土壤组分随着光照与观测几何的变化模拟冠层多角度反射率。在近地遥感中,向下观测相机图像中的光照土壤、阴影土壤、光照植被和阴影植被这4种像元类型(称为植被几何光学四分量,简称四分量)是几... 详细信息

遥感几何光学模型利用传感器视场内植被、土壤组分随着光照与观测几何的变化模拟冠层多角度反射率。在近地遥感中,向下观测相机图像中的光照土壤、阴影土壤、光照植被和阴影植被这4种像元类型(称为植被几何光学四分量,简称四分量)是几何光学模型的重要输入参数。本文基于低成本成像传感器的RGB图像,提出一种结合光照信息和多尺度图像分层模型的K-均值四分量提取算法(MSI-Kmeans),首先通过综合利用颜色指数构成聚类空间,之后利用图像的光照分量和阴影分量子图分别构建多尺度图像分层模型,再在多尺度图像分层模型中进行K-均值聚类得到植被分量和土壤分量结果,最后将得到的四分量结果组合输出,从而实现植被几何光学四分量提取。对不同自然光照条件下获取的52幅多种植被冠层图像进行实验,结果表明:(1)在与多种常见算法的精度比较中,本文方法在四分量的分类中制图精度与用户精度均表现良好,综合评价Kappa系数最高(0.82);(2) MSI-Kmeans算法在不同冠层覆盖度和太阳高度角连续变化的条件下均可得到良好稳定的分类效果,具有应用于长期植被监测和单日内连续监测植被四分量变化的潜力。本算法的优势在于提高了阴影分量的分类精度和解决了高植被覆盖度下四分量的提取问题,后续的改进方向在于减小计算代价,提高算法在复杂场景下的适用性。本文研究成果对于利用数字相机进行植被几何光学四分量的提取和植被结构参数的估计具有较为重要的理论与应用价值。

关键词：几何光学模型四分量提取光照信息多尺度图像分层模型 K-均值聚类植被监测

来源：评论

学校读者我要写书评

暂无评论

北极气候和陆地环境变化对第一产业影响研究进展

引用

地理学报 2022年第11期77卷 2838-2861页

作者：赵涔良朱文泉郭红翔陈力原谢志英北京师范大学地理科学学部遥感科学国家重点实验室北京100875 北京师范大学地理科学学部遥感科学与工程研究院北京市陆表遥感数据产品工程技术研究中心北京100875 北京师范大学水科学研究院北京100875

北极地区正在经历前所未有的气候及陆地环境变化,气温升高、植被绿化、冻土融化以及野火频发等因素已经对北极地区的第一产业产生了广泛而深远的影响。为了支撑气候变化背景下北极第一产业的可持续发展与相关政策的制定,有必要加强北极... 详细信息

北极地区正在经历前所未有的气候及陆地环境变化,气温升高、植被绿化、冻土融化以及野火频发等因素已经对北极地区的第一产业产生了广泛而深远的影响。为了支撑气候变化背景下北极第一产业的可持续发展与相关政策的制定,有必要加强北极气候及陆地环境变化对第一产业影响的整体性认识。本文针对北极地区的种植业、畜牧业、林业以及渔业4个第一产业部门,系统梳理了它们受到气候及陆地环境变化影响的类型与程度。同时,本文基于跨部门视角总结了当前北极环境变化对第一产业影响的相关研究,并从5个方面进行了分析与展望:①气候及陆地环境变化对第一产业的具体影响方式;②整合局域性科学认识的挑战;③气候变化适应策略的制定与实施;④数据与方法层面的整合与创新;⑤气候变化影响下北极第一产业变化对中国的启示。本文总结了未来气候变化背景下北极第一产业研究的重点领域,可为中国参与北极第一产业资源的可持续利用与开发提供参考。

关键词：北极气候变化陆地环境变化第一产业

来源：评论

学校读者我要写书评

暂无评论

黑河中游农作物MODIS叶面积指数产品时间序列精度验证与变化特征分析

引用

遥感学报 2024年第2期28卷 359-374页

作者：王丹彤屈永华北京师范大学遥感科学国家重点实验室北京100875 北京师范大学北京市陆表遥感数据产品工程技术研究中心/地理科学学部遥感与工程研究院北京100875

叶面积指数LAI (Leaf Area Index)是表征植被生长状态的一个重要的冠层结构参数。MODIS LAI产品是全球常用的遥感LAI产品之一。然而,由于地表异质性、数据质量、模型精度等多方面的差异,MODIS LAI产品质量各有不同。基于无线传感器网络... 详细信息

叶面积指数LAI (Leaf Area Index)是表征植被生长状态的一个重要的冠层结构参数。MODIS LAI产品是全球常用的遥感LAI产品之一。然而,由于地表异质性、数据质量、模型精度等多方面的差异,MODIS LAI产品质量各有不同。基于无线传感器网络的LAINet仪器可以自动获取时间频率更密集的LAI实测数据,为验证卫星遥感LAI产品质量提供了有力支持。本文基于2018年和2019年黑河中游时间序列地面实测LAI数据与高空间分辨率卫星遥感植被指数数据,建立经验回归模型。将该模型反演高空间分辨率卫星遥感LAI作为参考LAI真值,对MODIS LAI产品进行了精度验证与稳定性评价,分析了MODIS LAI与LAINet地面测量的差异原因。结果表明:与Landsat 8参考真值相比,MODIS LAI生长季的质量(RMSE_(2018)=1.17,RMSE_(2019)=1.14)优于衰落季(RMSE_(2018)=1.39,RMSE_(2019)=1.84),MODIS LAI总体低估,尤其是生长季后期。时间序列上,MODIS LAI产品能够刻画植被生长和凋落的季节特征,但生长前期波动性要强于后期。与LAINet观测方式的差异是MODIS LAI低估的主要原因,即遥感传感器从太空平台向下观测,LAI值在生长季后期受到叶绿素降低的影响,而LAINet仪器从冠层下向上观测,主要受到冠层间隙率的影响,因此对叶片内色素变化不敏感。对MODIS LAI产品的精度验证与稳定性评价结果表明,可以利用地面实测数据和卫星遥感数据反演时间序列LAI,但是,在使用类似玉米作物的生长季后期数据的时候,需要考虑到MODIS LAI与LAINet LAI观测对象与算法原理的差异。本研究可为MODIS LAI产品的使用者和算法研究者提供参考。

关键词： MODIS 叶面积指数 LAINet 精度验证稳定性评价

来源：评论

学校读者我要写书评

暂无评论

深度学习农作物分类的弱样本适用性

引用

遥感学报 2022年第7期26卷 1395-1409页

作者：许晴张锦水张凤盖爽杨志段雅鸣北京师范大学遥感科学国家重点实验室北京100875 北京师范大学地理科学学部北京市陆表遥感数据产品工程技术研究中心北京100875 北京师范大学地理科学学部遥感科学与工程研究院北京100875

基于大数据驱动的深度学习挖掘图像数据的规律和层次已成为遥感影像解译的研究热点。海量标签样本是训练深度学习模型的前提条件,但成本昂贵的人工标记样本限制了深度学习技术在遥感领域的应用。本文提出了一种基于弱样本的深度学习模... 详细信息

基于大数据驱动的深度学习挖掘图像数据的规律和层次已成为遥感影像解译的研究热点。海量标签样本是训练深度学习模型的前提条件,但成本昂贵的人工标记样本限制了深度学习技术在遥感领域的应用。本文提出了一种基于弱样本的深度学习模型农作物分类策略:以GF-1影像为数据源,将传统分类器SVM分类结果视为弱样本,训练深度卷积网络模型DCNN(Deep Convolutional Neural Networks),获取辽宁省水稻和玉米的空间分布,分析弱样本的适用性。结果显示:测试集总体精度达到0.90,水稻和玉米F1分数分别为0.81和0.90;在不同地形地貌、复杂种植结构的农业景观下均表现出良好的分类效果;与SVM结果的空间一致性为0.90;当弱样本最大面积误差比例小于0.36时,弱样本仍适用于DCNN作物分类,结果的总体精度保持在0.86以上。综上,该策略一定程度上消除了深度学习模型对大量人工标记样本高度依赖的局限性,为实现大尺度农作物遥感分类提供了一种新途径。

关键词：弱样本卷积神经网络模型深度学习 GF-1影像农作物遥感分类

来源：评论

学校读者我要写书评

暂无评论

基于无人机遥感影像的覆膜农田面积及分布提取方法

引用

农业工程学报 2019年第4期35卷 106-113页

作者：朱秀芳李石波肖国峰北京师范大学北京市陆表遥感数据产品工程技术研究中心北京100875 北京师范大学地理科学学部遥感科学与工程研究院北京100875 中国地质大学土地科学技术学院北京100083

针对基于无人机遥感的覆膜农田识别研究甚少的现状,该文以云南省昭通市鲁甸县为研究区,获取了研究区中地表类型复杂程度不同的2幅航空影像(复杂区影像和简单区影像)作为试验数据,利用灰度共生矩阵对原始航片影像进行纹理特征提取并选择... 详细信息

针对基于无人机遥感的覆膜农田识别研究甚少的现状,该文以云南省昭通市鲁甸县为研究区,获取了研究区中地表类型复杂程度不同的2幅航空影像(复杂区影像和简单区影像)作为试验数据,利用灰度共生矩阵对原始航片影像进行纹理特征提取并选择纹理特征最佳提取参数;然后基于随机森林算法进行纹理特征重要性评价,优选纹理特征,结合原始数据进行最大似然初步分类;运用众数分析进行分类后处理;最后结合图像形态学算法与面积阈值分割法提取出了最终的覆膜农田面积及分布。通过试验结果发现,依据该文提出的方法,复杂区和简单区覆膜农田识别的总体精度、Kappa系数、产品精度、用户精度和面积误差分别达到了94.84%、0.89、92.48%、93.39%、0.38%和96.74%、0.93、97.39%、94.63%、1.95%。该文提出的融合监督分类和图像形态学算法的覆膜农田提取方法可以简单、快速的将地膜连成块,形成覆膜农田对象,进而通过面积阈值分割法获取高精度的覆膜农田分布信息。该方法可以为精准覆膜农田识别算法的发展提供参考。

关键词：无人机算法提取覆膜农田纹理特征最大似然分类阈值分割

来源：评论

学校读者我要写书评

暂无评论

迁移深度卷积神经网络模型秋粮作物泛化识别

引用

遥感学报 2024年第3期28卷 661-676页

作者：张凤张锦水段雅鸣杨志北京师范大学遥感科学国家重点实验室北京100875 北京师范大学地理科学学部北京市陆表遥感数据产品工程技术研究中心北京100875 北京师范大学地理科学学部遥感科学与工程研究院北京100875 青海师范大学高原科学与可持续发展研究院西宁810016

深度卷积神经网络DCNN (Deep Convolutional Neural Networks)具有“端到端”、高效提取多尺度语义特征的优点,被广泛应用于遥感农作物识别中,取得了重要的进展。但深度学习模型需要大量标签样本,获取费时费力、成本高,限制了其广泛使... 详细信息

深度卷积神经网络DCNN (Deep Convolutional Neural Networks)具有“端到端”、高效提取多尺度语义特征的优点,被广泛应用于遥感农作物识别中,取得了重要的进展。但深度学习模型需要大量标签样本,获取费时费力、成本高,限制了其广泛使用。本文基于模型迁移学习策略,将美国农业部统计署作物数据层CDL(Cropland Data Layer)作为作物标签数据,利用伊利诺伊州和印第安州的作物生长季Landsat OLI卫星影像训练2016年—2019年4个单年份模型和2016年—2017年、2016年—2018年两个多年份的U-net模型,将模型直接在美国3个测试区和中国黑龙江省黑河市的2016年—2020年迁移泛化分类。研究结果表明:1)基于CDL训练的U-net模型能够在美国本土推广应用,美国3个测试区的2016年—2020年的时间泛化总体精度在80%以上,玉米识别精度高于大豆,说明了模型在空间上具有很好的迁移能力。(2)对于黑河市秋粮,多年玉米识别总体精度平均高出大豆3%,原因是玉米种植地块更为规整、种植规模更大,单年份秋粮识别总体精度69%—79%,但多年份模型要优于单年份模型,这可能是随标签样本数量增多提升了训练样本的代表性,将中国与美国秋粮种植的差异通过样本数量的增加得以弥补,模型迁移到中国黑河区域的精度均低于美国本土,这是由于洲际间气候、作物物候、种植农业景观等差异导致遥感特征不一致,导致模型泛化能力降低。

关键词：遥感迁移学习 CDL 时空泛化大豆玉米

来源：评论

学校读者我要写书评

暂无评论

基于像元物候曲线匹配的生长季内河北省冬小麦空间分布识别

引用

农业工程学报 2020年第23期36卷 193-200页

作者：张锦水赵光政洪友堂孙智虎段雅鸣北京师范大学遥感科学国家重点实验室北京100875 中国地质大学(北京)土地科学技术学院北京100083 北京师范大学地理科学学部北京市陆表遥感数据产品工程技术研究中心北京100875 北京师范大学地理科学学部遥感科学与工程研究院北京100875

及时、准确的农作物空间分布信息是进行作物长势监测、灾害评估与产量估计的基础。传统方法一般在作物收获期前后进行作物的识别,时间上滞后,难以满足农业生产的应用,时空泛化能力差,模型复用程度低。该研究以历史知识为支撑,提出冬小... 详细信息

及时、准确的农作物空间分布信息是进行作物长势监测、灾害评估与产量估计的基础。传统方法一般在作物收获期前后进行作物的识别,时间上滞后,难以满足农业生产的应用,时空泛化能力差,模型复用程度低。该研究以历史知识为支撑,提出冬小麦像元匹配模型(Pixel-Matched Model,PMM)进行冬小麦空间分布提取,旨在生长季内实现冬小麦空间分布的快速提取。研究结果表明,PMM能充分利用作物物候特征变化,排除冬小麦种植物候空间异质性的影响,能够在播种后2个月内实现冬小麦的准确提取,总体精度达到了95.49%,F1分数为0.83,且不随物候曲线的延伸而大幅提高精度。与传统参考曲线模型(Reference Curve Model,RCM)相比,PMM在消除区域内冬小麦生长物候差异方面具有优势,可在年际间实现冬小麦的准确识别,具有较强的时间泛化能力,能够实现冬小麦的自动化识别。

关键词：模型物候时间序列时间泛化像元相似度先验知识冬小麦

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：