检索结果-内蒙古大学图书馆

遥感学报 2023年第12期27卷 2796-2814页

作者：盖爽张锦水朱爽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 南京大学江苏省地理信息技术重点实验室/国际地球系统科学研究所南京210023 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 北京工业职业技术学院北京100042

大数据驱动训练的深度学习模型是当今农作物分类的最新方法。当前研究仍然主要关注该模型方法的创新性,其在特定时间、特定地区的作物分类模型的泛化能力分析经常被忽略。因此,提高遥感分类模型在大尺度空间范围的有效迁移能力是遥感技... 详细信息

大数据驱动训练的深度学习模型是当今农作物分类的最新方法。当前研究仍然主要关注该模型方法的创新性,其在特定时间、特定地区的作物分类模型的泛化能力分析经常被忽略。因此,提高遥感分类模型在大尺度空间范围的有效迁移能力是遥感技术支撑地球系统科学研究和社会应用的关键。本研究通过设计实验分析了模型架构、作物物候特征、农区地块尺度、数据类型等因素对作物分类模型泛化能力的影响。结果表明:一方面当训练区和测试区地块大小发生明显变化时,MultiResUNet相对于SegNet,DeepLab V3+和U-Net具有更好的泛化性能。然而,单纯依靠MultiResUNet的泛化能力依然无法完全克服地块空间形态的变化对模型迁移的不利影响,为获得更高精度的华北玉米分布信息,需要优先使用与华北地区农业景观更相似的东北作物分布数据产品进行深度学习模型训练;另一方面,相对于TOA (Top of Atmosphere)数据,采用SR (Surface Reflectance)数据更有利于模型在跨洲际尺度进行空间迁移,因此,在大尺度作物制图研究中,应优先考虑使用SR数据。综上,本研究从一定程度上验证了影响农作物分类模型迁移性能的内在因素,可为大尺度作物制图提供科学依据。

关键词：模型泛化深度学习 SegNet DeepLab V3+ U-Net MultiResUNet 作物制图

来源：评论

学校读者我要写书评

暂无评论

基于GF-1和Sentinel-2时序数据的茶园识别

引用

农业工程学报 2021年第14期37卷 179-185页

作者：柏佳孙睿张赫林王岩金志凤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北京市陆表遥感数据产品工程技术研究中心北京100875 中国科学院空天信息创新研究院/数字地球科学重点实验室北京100094 中国科学院大学北京100049 浙江省气候中心杭州310002

由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶... 详细信息

由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。

关键词：遥感图像处理光谱分析茶园识别 GF-1 Sentinel-2时序信息随机森林

来源：评论

学校读者我要写书评

暂无评论

全球长时序植被聚集指数的年际周期变化研究

引用

北京师范大学学报(自然科学版) 2024年第6期60卷 861-869页

作者：谭哲友焦子锑李志龙郭静王晨霞尹思阳佟一冬高歌陈偲喆遥感科学国家重点实验室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

植被聚集指数(clumping index,CI)是表征植被冠层叶片空间聚集程度的结构参数.基于作者所在研究团队研发生产的全球长时序(2001−2019年)、逐月的植被聚集指数(CI)遥感产品,使用傅里叶分解的方法逐像元地对CI的年际周期变化规律进行探究... 详细信息

植被聚集指数(clumping index,CI)是表征植被冠层叶片空间聚集程度的结构参数.基于作者所在研究团队研发生产的全球长时序(2001−2019年)、逐月的植被聚集指数(CI)遥感产品,使用傅里叶分解的方法逐像元地对CI的年际周期变化规律进行探究.步骤如下:1)预处理去除数据缺失较多的像元并填补部分缺失较少的像元,以产生相对完整的年际时间序列,预处理筛选出有效研究区占全球植被区面积的75.58%;2)假设CI年际变化可以分解为由多组余弦波信号与随机噪声构成的序列,使用离散傅里叶变换提取时间序列中振幅最大的余弦波(主波),发展了表征CI年际周期(1 a 1周期)变化参数指标体系;3)基于模拟数据和部分高质量数据检验了该方法的抗噪性,并将提取结果与MODIS物候产品(MCD12Q2)的1 a物候周期数(NumCycles,NC)及峰值时间(Peak_1)进行对比验证.结果表明:主波周期12(月)像元占比显著大于其他周期像元,占研究区的76.22%,表明CI最显著、最普遍的年周期性变化特征是周期长度12个月的年际变化;在研究区中主波周期等于12(月)区域与物候产品的1 a物候周期数(NC=1)高度重合,精度达到96%;对主波周期12月的像元,主波低峰值月与物候产品peak值较接近,全球平均差异为1.37月,且CI低峰值月(植被最聚集月份)普遍提前于peak值,说明年周期植被叶片的最聚集状态(CI的季节变化低峰值)要普遍早于该周期植被叶片的绿度峰值(物候产品的peak最大值).该研究为理解植被聚集效应的年际周期变化提供了证据.

关键词：聚集指数核驱动模型二向性反射分布函数 NDHD MCD12Q2时间序列分析

来源：评论

学校读者我要写书评

暂无评论

GF-7卫星多角度特征作物识别

引用

遥感学报 2023年第9期27卷 2127-2138页

作者：孙智虎张锦水洪友堂杨珺雯朱爽遥感科学国家重点实验室北京师范大学北京100875 中国地质大学(北京)土地科学技术学院北京100083 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 北京工业职业技术学院北京100042

多角度遥感对地观测能够提供更加丰富、多方向的遥感特征,提高地类之间的可区分性,为地物覆盖的精确识别打下坚实的数据基础。GF-7是中国继ZY-3卫星后的首颗亚米级测绘卫星,这为利用多角度特性解决“异物同谱”的问题,提高作物的识别精... 详细信息

多角度遥感对地观测能够提供更加丰富、多方向的遥感特征,提高地类之间的可区分性,为地物覆盖的精确识别打下坚实的数据基础。GF-7是中国继ZY-3卫星后的首颗亚米级测绘卫星,这为利用多角度特性解决“异物同谱”的问题,提高作物的识别精度带来了机遇。本文利用GF-7前视、后视全色及后视多光谱数据,各种特征组合输入到支撑向量机分类器进行分类,相对于光谱、纹理等特征,分析多角度特征对作物识别精度的作用。结果表明,较仅应用光谱特征,光谱与角差特征组合使用大蒜和冬小麦的制图精度分别提高了4.07%和3.15%,用户精度分别提高了6.73%和2.12%;较应用光谱与纹理特征,光谱、纹理与角差特征组合使用大蒜和冬小麦的制图精度分别提高了3.14%和1.01%,用户精度分别提高了5.11%和0.67%。通过McNemar检验分析,这种分类精度的提高是稳定的,角差特征使用能有效提高作物的识别精度。究其原因,多角度特征对不同作物类型在多角度观测时的光谱响应具备特有的差异性,这种差异提高了作物之间的可分性,从而保证作物遥感识别的精度。

关键词： GF-7 支撑向量机角差遥感冬小麦大蒜农业

来源：评论

学校读者我要写书评

暂无评论

基于Landsat影像的雄安新区2013−2021年土地利用变化检测和生态政策评估

引用

北京师范大学学报（自然科学版） 2024年第2期60卷 250-259页

作者：朱国梁江波刘雨菲北京师范大学地理科学学部北京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

利用2013−2021年共9期Landsat8影像,采用面向对象的监督分类方法,得到新区逐年土地利用与覆盖分类结果,进行LUCC分析及生态品质评价.结论:1)分类结果总体精度>86.8%,K为0.81~0.88,优于同期FROM-GLC及GLC_FCS全球分类产品;2)雄安新区... 详细信息

利用2013−2021年共9期Landsat8影像,采用面向对象的监督分类方法,得到新区逐年土地利用与覆盖分类结果,进行LUCC分析及生态品质评价.结论:1)分类结果总体精度>86.8%,K为0.81~0.88,优于同期FROM-GLC及GLC_FCS全球分类产品;2)雄安新区设立至今耕地面积减少,不透水面和林地面积增长,蓝绿空间面积占比由12%增加至30%,雄安3县(雄县、容城县和安新县)建设严格遵循了新区《规划纲要》中植树造林、城市发展、湿地涵养3项不同的建设任务,各县主要土地利用覆盖变化分别为耕地向林地的转变、耕地与不透水面的相互转变以及耕地向水体和水生植被的转变;3)不透水面扩张与城市建设对生态品质的负面影响正逐步被森林覆盖率、蓝绿空间面积增加带来的正面影响所抵消.总体看,雄安新区土地利用/覆盖变化遵循新区规划要求,体现了经济社会发展和生态建设的成果.

关键词：雄安新区土地利用/覆盖变化面向对象分类遥感 Landsat8 建设政策评估

来源：评论

学校读者我要写书评

暂无评论

气候变暖背景下青藏高原草本植物物候变化空间换时间预测

引用

植物生态学报 2020年第7期44卷 742-751页

作者：李雪莹朱文泉李培先谢志英赵涔良北京师范大学地表过程与资源生态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

气候变暖背景下的植物物候变化广受关注,然而常用的植物物候变化预测模型未充分考虑植物对环境的适应性,给预测结果带来了较大的不确定性。该文基于2002–2011年青藏高原10个站点的地面物候观测资料以及年平均气温数据,对空间换时间模... 详细信息

气候变暖背景下的植物物候变化广受关注,然而常用的植物物候变化预测模型未充分考虑植物对环境的适应性,给预测结果带来了较大的不确定性。该文基于2002–2011年青藏高原10个站点的地面物候观测资料以及年平均气温数据,对空间换时间模型预测车前(Plantago asiatica)和蒲公英(Taraxacum mongolicum)各主要物候事件(展叶始期、开花始期和黄枯普遍期)变化的可行性及其在升温背景下的变化规律进行了分析。首先利用不同海拔高度的气温和物候事件分别与地理因子(经度、纬度和海拔)建立多元线性回归模型,然后在此基础上剔除经度和纬度的影响,单独考察海拔变化所引起的气温与植物物候变化,最后以海拔高度作为桥梁来考察物候变化与温度变化的关系。结果表明,采用各站点对应的海拔高度来模拟年平均气温空间差异的R2均大于0.89,表明海拔梯度可以用来反映时间尺度下的年际温度变化;车前和蒲公英各物候事件发生日期拟合值均与海拔高度变化关系显著,R2均大于0.70,表明海拔变化是影响它们各物候事件变化的主要地理因子;在物候事件发生日期拟合值和年平均气温拟合值的回归方程中,R2均大于0.93,说明基于不同海拔高度模拟得到的年平均气温变化可以对时间尺度上车前和蒲公英的物候事件变化进行预测。空间换时间预测表明,温度每升高1℃,车前展叶始期和开花始期分别提前5.1和5.4 d,而黄枯普遍期推迟4.8 d;蒲公英展叶始期和开花始期分别提前6.5和7.8 d,而黄枯普遍期推迟6.7 d。

关键词：青藏高原气候变暖车前蒲公英空间换时间物候

来源：评论

学校读者我要写书评

暂无评论

基于混合式特征选择的高分五号影像农田识别

引用

遥感学报 2022年第7期26卷 1383-1394页

作者：陈珠琳贾坤李强子肖晨超魏丹丹赵祥魏香琴姚云军李娟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 北京师范大学北京市陆表遥感数据产品工程技术研究中心北京100875 中国科学院空天信息创新研究院北京100101 自然资源部国土卫星遥感应用中心北京100048

精准农田识别是农作物估产和粮食安全评估的基础。遥感数据作为农田识别的重要数据源,可提供动态、快速的监测结果。高光谱数据在农田识别分类方面具有巨大的应用潜力,但其中的冗余波段影响了分类效率和分类精度。因此,本研究提出了一... 详细信息

精准农田识别是农作物估产和粮食安全评估的基础。遥感数据作为农田识别的重要数据源,可提供动态、快速的监测结果。高光谱数据在农田识别分类方面具有巨大的应用潜力,但其中的冗余波段影响了分类效率和分类精度。因此,本研究提出了一种适用于高光谱数据农田分类的混合式特征选择算法。首先,基于变量的重要性排序或约束程度,按步长逐步进行降维;其次,寻找分类精度骤减的转折点,并将其对应的变量作为特征子集;最后,利用序列后向选择SBS(Sequential Backward Selection)方法搜索最优分类特征子集。本研究利用GF-5高光谱数据,共研究了3种降维方法(随机森林RF(Random Forest)、互信息MI(Multi-Information)和L1正则化(L1 regularization))和3种分类算法(随机森林、支持向量机SVM(Support Vector Machine)和K近邻KNN(K-Nearest Neighbor))的组合在农田分类中的表现。结果表明,基于L1正则化法得到的特征子集自相关性较低,并且包含的红边和近红外波段有效提高了农田、森林和裸土的区分度。在不同分类模型比较中发现,SVM在高维空间中表现出非常好的抗噪能力,分类精度高于RF和KNN。而RF在低维空间中的泛化能力要高于SVM和KNN。相比于第一步降维得到的特征子集,使用SBS搜索得到的最优特征子集均提高了分类精度。最终,具有23维输入的L1-SVM-SBS分类模型得到了最高的总体分类精度(94.64%)和农田召回率(95.83%)。本研究为高光谱数据特征优选提供了一种新思路,筛选出了更具代表性的特征波段,提高了农田分类精度,对高光谱遥感分类研究具有参考价值。

关键词：农田识别高分五号特征选择高光谱遥感 L1正则化后向序列选择

来源：评论

学校读者我要写书评

暂无评论

融合遥感和空间关系特征的森林火灾遥感探测研究

引用

北京师范大学学报(自然科学版) 2024年第6期60卷 852-860页

作者：高世莹张锦水周佳乐北京师范大学遥感科学国家重点实验室北京北京师范大学地理科学学部遥感科学与工程研究院北京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

综合分析短波红外波段、地形校正、空间关系特征对过火面识别的影响,提出了融合多源特征的森林火灾分类方法.本文采用地形校正和增加短波红外波段的方法,以降低山体阴影和烟雾对过火面识别的影响,并引入空间语义关系特征进一步修正过火... 详细信息

综合分析短波红外波段、地形校正、空间关系特征对过火面识别的影响,提出了融合多源特征的森林火灾分类方法.本文采用地形校正和增加短波红外波段的方法,以降低山体阴影和烟雾对过火面识别的影响,并引入空间语义关系特征进一步修正过火面的识别结果.以2022年重庆市的森林火灾为例,基于哨兵2号影像和支持向量机对森林火灾过火面进行遥感识别.研究表明:1)短波红外波段可降低烟雾对过火面识别的干扰,识别精度提高3%~8%;2)地形校正可在一定程度上改善山体阴影的影响,但对过火面识别精度提高不大;3)引入空间关系特征能明显降低裸地、硬质铺装地等因光谱混淆造成的干扰,精度会提升3%~4%.该方法物理机制明确,对森林火灾(尤其是燃烧的森林火灾)可有效地提取.

关键词：森林火灾遥感提取烟雾山体阴影光谱混淆

来源：评论

学校读者我要写书评

暂无评论

考虑目标光谱差异的机载离散激光雷达叶面积指数反演

引用

遥感学报 2020年第12期24卷 1450-1463页

作者：田罗屈永华 Korhonen Lauri Korpela Ilkka Heiskanen Janne 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遥感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 东芬兰大学森林科学学院东芬兰70210 赫尔辛基大学地理科学学部赫尔辛基00100 赫尔辛基大学大气与地球系统研究所赫尔辛基00100

利用间隙率模型反演LAI(Leaf Area Index),需要同时获取冠层间隙率和消光系数,后者与冠层叶倾角分布有关。基于点云数量构建激光雷达穿透指数LPI(LiDAR Penetration Index),用以代替冠层间隙率GF(Gap Fraction),并利用间隙率模型反演冠... 详细信息

利用间隙率模型反演LAI(Leaf Area Index),需要同时获取冠层间隙率和消光系数,后者与冠层叶倾角分布有关。基于点云数量构建激光雷达穿透指数LPI(LiDAR Penetration Index),用以代替冠层间隙率GF(Gap Fraction),并利用间隙率模型反演冠层LAI是利用LiDAR PCD(LiDAR Point Cloud Data)数据反演冠层LAI主要思路。冠层和背景的光谱差异是影响PCD数据中冠层和背景点云数量的重要因素,因此从LPI到GF的校正需要获取背景和冠层的后向散射系数比(μ=ρg/ρv)。本文基于PCD数据中点云强度进行μ值获取,用以实现LPI到GF的校正;在假设区域内叶倾角满足椭球形叶倾角分布的基础上,利用样地尺度下的多角度GF,采用有约束的非线性最优化方法获取椭球形叶倾角分布参数χ,实现冠层消光系数的获取;最后利用间隙率模型实现基于PCD数据的LAI反演。本文探讨了基于PCD数据进行冠层LAI反演时,样地尺度Rxy_Tile、样方尺度Rxy_Plot以及进行背景和冠层分割的高度阈值Ht对模型的影响。结果显示,由于区域内地衣植被广泛覆盖,基于点云强度的μ值接近1,符合区域特点;经过μ值校正后的GF对冠层间隙率具有较好的反映能力(R2=0.78,RMSE=0.09);对于优势种明显的区域,基于样地尺度内多角度GF的χ值反演受样地内冠间大间隙的影响,选择合适的样地尺度能够减小LAI反演过程中的系统性误差;结合地面参考数据,确定的最优Rxy_Tile、Rxy_Plot和Ht分别为950 m、10 m和2.6 m,在此基础上反演的LAI与地面测量数据具有高度的一致性(R2=0.84,RMSE=0.51);与Rxy_Plot相比,基于间隙率模型的LAI反演对Ht的选择更为敏感。

关键词：遥感叶面积指数 LiDAR 间隙率消光系数目标光谱特性

来源：评论

学校读者我要写书评

暂无评论

北京地区城市化对辐射强迫的影响估算

引用

北京师范大学学报（自然科学版） 2017年第4期53卷 443-450页

作者：唐荣云赵祥唐碧剑魏红陈嘉彭义峰遥感科学国家重点实验室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

能引起城市区域辐射强迫的因素较多,但是目前城市化引起的辐射强迫的相关研究较少.本文利用GLASS反照率遥感数据和CERES地表短波辐射数据计算了近10年来北京地区城市化过程引起的辐射强迫,讨论了辐射强迫的空间分布规律及数量统计特征.... 详细信息

能引起城市区域辐射强迫的因素较多,但是目前城市化引起的辐射强迫的相关研究较少.本文利用GLASS反照率遥感数据和CERES地表短波辐射数据计算了近10年来北京地区城市化过程引起的辐射强迫,讨论了辐射强迫的空间分布规律及数量统计特征.基于2000、2010年2期的Globeland30土地分类数据提取了城市边缘区,并结合辐射强迫遥感数据计算了主城核心区、內缘区、各级外缘区的辐射强迫,探究了土地覆盖变化强迫因子、气候等其他强迫因子的相对贡献大小.结果表明:近10年北京市全区域的辐射强迫为2.52W·m^(-2),表现为增温效应,其中土地覆被不变区域产生的辐射强迫为2.51 W·m^(-2),耕地、林地是2种主要辐射强迫源;土地覆被变化区域产生的辐射强迫为2.67 W·m^(-2),非植被类型之间的土地覆被变化引起的平均辐射强迫为2.23 W·m^(-2),有植被参与的土地覆被变化区域产生的辐射强迫为2.95 W·m^(-2);主城核心区的辐射强迫为-1.16 W·m^(-2),表现为降温效应;辐射强迫变化与距离主城区的距离呈先增大后减小的变化趋势.研究结果可为城市区域的辐射强迫研究提供参考,有助于了解北京市区域气候分布差异.

关键词：反照率辐射强迫土地覆被变化城市化

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：