检索结果-内蒙古大学图书馆

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

栎类次生林自稀疏条件下的林分空间结构单元划分方法

引用

中南林业科技大学学报 2024年第6期44卷 128-134页

作者：王子卫肖化顺龙时胜曾思齐孙华吴小群中南林业科技大学湖南长沙410004 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 国家林业和草原局林草调查规划院北京100013

【目的】划分栎类次生林自稀疏结构单元,是应用林分自稀疏发生规律开展栎类次生林经营的基础性工作。【方法】以湖南省2009年和2014年两期森林资源连续清查数据中6块栎类次生林样地为数据源,使用3种林分空间结构单元划分方法,分别得到... 详细信息

【目的】划分栎类次生林自稀疏结构单元,是应用林分自稀疏发生规律开展栎类次生林经营的基础性工作。【方法】以湖南省2009年和2014年两期森林资源连续清查数据中6块栎类次生林样地为数据源,使用3种林分空间结构单元划分方法,分别得到若干个结构单元,计算各结构单元内林木的株数密度和平均胸径,建立Reineke密度指数模型,比较模型的拟合效果和检验效果。【结果】方法1、方法2和方法3所得样本拟合的自稀疏边界线R^(2)分别为0.882、0.780、0.893;RMSE分别为0.180、0.229、0.169;方法3的拟合效果最好。3种方法的检验结果中,方法3对自稀疏判断的正确率为72%,检验效果较好;其余2种方法均低于50%。【结论】3种结构单元划分方法中,方法1忽略了距离死亡木较远的样木;方法2没有考虑位置不同的样木对死亡木影响的差异;方法3(Voronoi图+样圆权重法)更为完整地统计了对自稀疏有影响的样木,并区分为Ⅰ类样木和Ⅱ类样木,分别计算权重,分析其对死亡木影响的差异。方法3是一种考虑了林木空间分布差异,同时还依据对死亡木影响大小区分样木类别的林分空间结构单元划分方法。

关键词：栎类次生林自稀疏林分空间结构单元湖南省

来源：评论

学校读者我要写书评

暂无评论

2000—2018年深圳市植被覆盖动态变化与预测

引用

应用生态学报 2020年第11期31卷 3777-3785页

作者：吴炳伦孙华石军南张雨田石灵杰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

采用Landsat系列多时相影像数据,以像元二分法估算植被覆盖度,运用线性回归分析、重心迁移等方法来探究深圳市2000—2018年植被覆盖的时空变化特征,并结合CA-Markov模型对深圳市未来土地覆盖情况进行预测。结果表明:2000—2018年,深圳... 详细信息

采用Landsat系列多时相影像数据,以像元二分法估算植被覆盖度,运用线性回归分析、重心迁移等方法来探究深圳市2000—2018年植被覆盖的时空变化特征,并结合CA-Markov模型对深圳市未来土地覆盖情况进行预测。结果表明:2000—2018年,深圳市植被覆盖呈明显的地域分异特征,在区域上表现为东部大于西部、南部大于北部,此分异特征与区域地形效应具有良好的一致性。植被覆盖度重心的空间迁移特征为西北-东南-西北,迁移速率为551.2 m·a-1,此进程与深圳市城市化进程密切相关。2000—2018年间,深圳市植被覆盖度总体呈改善趋势,改善速率为0.005·a-1,其中,植被覆盖度显著改善和退化的面积比例分别为30.8%和12.8%。采用CA-Markov方法分理论、自然两种情景对深圳市2024年土地覆盖/利用类型进行预测,两种预测方法所得土地覆盖/利用类型的面积所占比例之间没有显著差异,其差异阈值在0~1.2%。与2018年之前相比,2024年深圳市乔木林、耕地等转化为建设用地的比例将明显减少,但供需矛盾仍然紧张。

关键词：植被覆盖度重心迁移 CA-Markov模型预测深圳市

来源：评论

学校读者我要写书评

暂无评论

林分结构对湖南栎类天然次生林林下植被生物量的影响

引用

应用生态学报 2020年第2期31卷 349-356页

作者：陈昊泓朱昕朱光玉刘飞虎中南林业科技大学林学院长沙410004 湖南省林业局长沙410004 南方森林资源经营与监测国家林业局重点实验室长沙410004

对湖南栎类天然次生林不同林分类型的林下植被生物量特征及其影响因素进行研究。结果表明:将50块样地划分为甜槠-鹿角杜鹃混交林、亮叶水青冈-箭竹混交林、石栎-虎刺+山茶混交林、甜储+枹栎-鹿角杜鹃混交林、青冈栎-油茶+杜鹃混交林5种... 详细信息

对湖南栎类天然次生林不同林分类型的林下植被生物量特征及其影响因素进行研究。结果表明:将50块样地划分为甜槠-鹿角杜鹃混交林、亮叶水青冈-箭竹混交林、石栎-虎刺+山茶混交林、甜储+枹栎-鹿角杜鹃混交林、青冈栎-油茶+杜鹃混交林5种林分类型。5种林分的林下植被生物量均较低,不超过2.3 t·hm-2。5种林分类型的林下灌木生物量没有显著差异,甜槠-鹿角杜鹃混交林草本层生物量显著低于其他4种林分类型。影响不同林分林下植被生物量的因素不同。在甜槠-鹿角杜鹃混交林,草本层生物量与郁闭度、角尺度呈显著负相关,林下植被总体生物量与开敞度呈显著正相关;在亮叶水青冈-箭竹混交林,灌木层生物量与林分的角尺度、郁闭度呈显著负相关,草本层生物量与林下植被总体生物量与混交度呈显著正相关;在石栎-虎刺+山茶混交林,草本层生物量与林分的聚集指数呈显著正相关;在甜储+枹栎-鹿角杜鹃混交林,灌木层生物量与林分的混交度呈显著负相关,草本层生物量与林分的株数密度呈显著正相关;而在青冈栎-油茶+杜鹃混交林,林分结构与林下生物量没有显著相关关系。对林下植被生物量进行调整,应该以调整林分水平分布格局为主,综合考虑林分遮盖程度与树种结构。

关键词：林下植被生物量林分结构

来源：评论

学校读者我要写书评

暂无评论

基于Sentinel-2的复杂山区常用植被指数地形效应分析

引用

生态学杂志 2023年第4期42卷 956-965页

作者：陈怡欣莫登奎严恩萍中南林业科技大学林学院长沙410004 湖南省林业遥感大数据与生态安全重点实验室长沙410004 国家林业与草原局南方森林资源管理与监测重点实验室长沙410004

结合典型地形校正模型,比较复杂山区不同植被指数的地形效应去除效果,能够为地表植被的准确评估提供科学依据。本文以湖南省炎陵县的Sentinel-2影像为数据源,采用C模型、SCS+C模型以及Teillet-回归模型对比值型植被指数(NDVI和SR)和非... 详细信息

结合典型地形校正模型,比较复杂山区不同植被指数的地形效应去除效果,能够为地表植被的准确评估提供科学依据。本文以湖南省炎陵县的Sentinel-2影像为数据源,采用C模型、SCS+C模型以及Teillet-回归模型对比值型植被指数(NDVI和SR)和非比值型植被指数(MNDVI和RSR)进行地形校正,从视觉效果、相关性、坡度、坡向、植被覆盖度方面分析4种植被指数的地形效应去除效果。结果表明:(1)植被指数的波段比形式能够有效抑制地形引起的噪声。坡度<15°时,植被指数的地形效应均有不同程度的抑制;坡度>15°时,MNDVI的校正效果最好,RSR次之,NDVI和SR容易出现过度校正。(2)3种地形校正模型均能削弱复杂山区植被指数的地形效应,特别是坡度>15°时,C模型效果最好,SCS+C模型次之,Teillet模型效果较差。(3)MNDVI指数结合地形校正模型,能够有效抑制复杂山区地形效应的影响,提高植被覆盖度的估算精度。其中,坡度<25°时,Teillet模型效果最好;坡度>25°时,C模型效果最好。

关键词：植被指数地形效应地形校正 Sentinel-2 复杂山区

来源：评论

学校读者我要写书评

暂无评论

联合GF-6和Sentinel-2红边波段的森林地上生物量反演

引用

生态学报 2021年第20期41卷 8222-8236页

作者：蒋馥根孙华李成杰马开森陈松龙江平任蓝翔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 广西壮族自治区森林资源与生态环境监测中心南宁530000 国家林业和草原局中南调查规划设计院长沙410004

光谱反射率能反映地物差异,是森林地上生物量(Aboveground Biomass, AGB)遥感反演的理论基础。红边波段处于近红外与红光波段交界处快速变化的区域,能对植被冠层结构和叶绿素含量的微小变化做出快速反应,对植被生长状况较敏感。研究以G... 详细信息

光谱反射率能反映地物差异,是森林地上生物量(Aboveground Biomass, AGB)遥感反演的理论基础。红边波段处于近红外与红光波段交界处快速变化的区域,能对植被冠层结构和叶绿素含量的微小变化做出快速反应,对植被生长状况较敏感。研究以GF-6和Sentinel-2多光谱影像作为数据源,结合野外调查AGB数据,构建落叶松和樟子松AGB线性和非线性估测模型,通过比较模型精度选择最优模型进行森林AGB反演和空间分布制图。结果表明:GF-6和Sentinel-2影像红边波段反射率与落叶松、樟子松AGB均呈显著相关(P<0.05),红边波段对AGB估测较敏感。多变量估测模型整体估测效果优于单变量模型,所有模型中多元线性回归模型取得了最优的决定系数(落叶松R2=0.66,樟子松R2=0.65)和最低的均方根误差(落叶松RMSE=31.45 t/hm^(2),樟子松RMSE=54.77 t/hm^(2))。相比单个数据源,联合GF-6和Sentinel-2影像构建的多元线性回归模型估测效果得到了显著提升,模型RMSE对于落叶松和樟子松AGB估测分别最大降低了22.9%和11.2%。增加红边波段进行AGB估测能显著提高模型估测精度,三组数据源分别加入红边波段信息后进行建模,模型RMSE得到了显著降低。GF-6拥有800 km观测幅宽和高效的重访周期,可以快速地提供大尺度时间序列数据,在森林地上生物量反演和动态监测方面有着很大潜力。

关键词：森林地上生物量落叶松樟子松遥感反演 GF-6 Sentinel-2

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

基于相机拍照的油茶果形状特征提取研究

引用

南京林业大学学报(自然科学版) 2022年第2期46卷 63-70页

作者：棘玉尹显明严恩萍蒋佳敏彭邵锋莫登奎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森林资源管理与监测重点实验室中南林业科技大学林学院湖南省林业科学院

【目的】为实现油茶果实尺寸及大小分布的快速获取，提出一种基于相机拍摄的油茶果形状特征参数批量化提取方法。【方法】首先将采摘油茶果摆放于含刻度尺的背景板，利用相机快速获取油茶果图像并进行校正；然后利用Mask R-CNN模型对图... 详细信息

【目的】为实现油茶果实尺寸及大小分布的快速获取，提出一种基于相机拍摄的油茶果形状特征参数批量化提取方法。【方法】首先将采摘油茶果摆放于含刻度尺的背景板，利用相机快速获取油茶果图像并进行校正；然后利用Mask R-CNN模型对图像油茶果进行快速检测计数，根据生成的掩码采用椭圆拟合法统计油茶果特征参数（长轴长、短轴长、面积、周长）的像元个数；最后结合背景板刻度尺计算的像元大小，获取油茶果特征参数，同时利用实测值进行精度验证。【结果】Mask R-CNN模型的平均识别准确率和召回率分别为99.55%和91.19%,测度值为95.22%,满足用于统计油茶果形状特征参数的要求。对油茶果面积的估测精度最高，决定系数（R2）、平均绝对误差（MAE）、均方根误差（RMSE）分别为0.999 0、10.75 mm2、14.88 mm2;其次为周长和长轴长，短轴长的估测精度最低，其R2、MAE、RMSE分别为0.864 7、3.15 mm、3.74 mm。【结论】该方法实现了油茶果采摘后的快速准确计数以及形状特征参数的批量化提取，可为大量果实特征参数的快速准确检测提供参考，为指导油茶果实分级和快速测产提供科学依据。

关键词：近景摄影形状特征提取图像处理卷积神经网络油茶果

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中南林业科技大学芦头实验林场

【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 ... 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

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

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：