检索结果-内蒙古大学图书馆

基于蒲公英优化随机森林模型的沙漠土壤Fe_(2)O_(3)含量高光谱遥感反演

中国沙漠 2025年第2期45卷 191-204页

作者：胡昕买买提·沙吾提张峰崔锦涛艾尼玩·艾买尔阿斯娅·曼力克新疆大学地理与遥感科学学院/绿洲生态教育部重点实验室/智慧城市与环境建模自治区普通高校重点实验室/塔克拉玛干沙漠腹地绿洲过程新疆野外科学观测研究站新疆乌鲁木齐830017 新疆畜牧科学院草业研究所/天山北坡草地生态环境野外定位观测研究站新疆乌鲁木齐830057

沙漠土壤光谱与氧化铁(Fe_(2)O_(3))含量之间的关系尚不明确,且缺乏有效监测方法。以新疆古尔班通古特沙漠为研究区,采集沙漠样本,获取其Fe_(2)O_(3)含量和光谱数据。通过对原始光谱进行分数阶微分(FOD)和连续小波变换(CWT),利用相关性... 详细信息

沙漠土壤光谱与氧化铁(Fe_(2)O_(3))含量之间的关系尚不明确,且缺乏有效监测方法。以新疆古尔班通古特沙漠为研究区,采集沙漠样本,获取其Fe_(2)O_(3)含量和光谱数据。通过对原始光谱进行分数阶微分(FOD)和连续小波变换(CWT),利用相关性分析确定了沙漠土壤Fe_(2)O_(3)含量的最优光谱变换形式,并采用遗传算法(GA)进行敏感波段的提取。建立了蒲公英优化随机森林(DO-RF)模型估算沙漠土壤Fe_(2)O_(3)含量。结果表明:(1)随着Fe_(2)O_(3)含量的增加,沙漠土壤的反射率逐渐降低,即沙漠土壤Fe_(2)O_(3)含量和土壤光谱反射率负相关;(2)FOD和CWT均可以提高沙漠土壤反射率及其Fe_(2)O_(3)含量反演的相关性水平。其中,基于1.2阶次的FOD和1尺度下CWT的相关性最高,相关系数分别达0.840和0.839;(3)GA能够有效剔除共线性较强的冗余波段,在1.2阶次的FOD下,从512个光谱波段中优选出31个特征波段,压缩了93.945%,在1尺度的CWT下,从119个光谱波段中优选出13个特征波段,压缩了89.076%;(4)基于CWT处理的DO-RF模型精度和稳定性最佳,模型验证决定系数(R^(2))达0.908,均方根误差(RMSE)为0.340,相对分析误差(RPD)为3.390,比未优化的RF、PLSR和SVM,R^(2)分别提高了2.7%、22.6%、4%,RMSE分别降低了6.6%、27.8%、8.7%,RPD分别提高了54.9%、152.2%、68.6%。

关键词：沙漠土壤 Fe_(2)O_(3)含量高光谱遥感蒲公英优化随机森林

来源：评论

学校读者我要写书评

暂无评论

基于深度学习和GEE的作物遥感分类

引用

新疆农业科学 2024年第11期61卷 2807-2814页

作者：赵昊楠马海燕阿斯娅·曼力克田聪徐俊潘竟孙宗玖郑逢令新疆农业大学草业学院乌鲁木齐830052 新疆畜牧科学院草业研究所乌鲁木齐830057 新疆畜牧科学院天山北坡草地生态环境野外定位观测研究站乌鲁木齐830057

【目的】利用遥感数据和深度学习方法准确获取农作物的种植结构和分布。【方法】通过实地调查新疆奇台县获取样本集,借助Google Earth Engine云平台获取Sentinel-2号和Sentinel-1号影像,利用Google Colab进行深度学习算法的模型训练和验... 详细信息

【目的】利用遥感数据和深度学习方法准确获取农作物的种植结构和分布。【方法】通过实地调查新疆奇台县获取样本集,借助Google Earth Engine云平台获取Sentinel-2号和Sentinel-1号影像,利用Google Colab进行深度学习算法的模型训练和验证,调整和优化深度学习的相关参数来提升分类精度,并且比较了深度学习、随机森林和支持向量机3种分类方法的精度。【结果】深度学习的分类精度最高,总体精度达到94.6%。【结论】利用深度学习算法可实现奇台县农作物种植结构的精准监测。

关键词：农作物遥感分类深度学习谷歌地球引擎 Google Colab

来源：评论

学校读者我要写书评

暂无评论

基于ResNet深度残差网络的白喉乌头检测

引用

草业科学 2023年第1期40卷 144-151页

作者：梁俊欢董峦阿斯娅·曼力克孙宗玖魏鹏马海燕艾尼玩·艾买尔阿仁郑逢令新疆农业大学草业学院新疆乌鲁木齐830052 新疆农业大学计算机与信息工程学院新疆乌鲁木齐830052 新疆畜牧科学院草业研究所新疆乌鲁木齐830057 新疆畜牧科学院天山北坡草地生态环境野外定位观测研究站新疆乌鲁木齐830057

在人类活动和气候变化的影响下,毒害草的蔓延威胁着生态安全和畜牧业的健康发展,白喉乌头(Aconitum leucostomum)是新疆伊犁地区危害最为严重的毒害草之一。为了实现天然草原异质背景下快速、精准、自动检测毒害草的目标,以白喉乌头为... 详细信息

在人类活动和气候变化的影响下,毒害草的蔓延威胁着生态安全和畜牧业的健康发展,白喉乌头(Aconitum leucostomum)是新疆伊犁地区危害最为严重的毒害草之一。为了实现天然草原异质背景下快速、精准、自动检测毒害草的目标,以白喉乌头为研究对象,利用无人机航拍正射影像构建白喉乌头数据集。基于Faster-RCNN和SSD算法,采用ResNet50和ResNet101两种深度的主干网络提取特征,对比不同方法的检测精度。结果表明:通过对比测试集的检测精度Faster-RCNN_ResNet50的mAP (平均精确度)值最高,达到64.74%,而SSD_ResNet50的mAP最低,仅为48.70%,Faster-RCNN_ResNet101的mAP值为63.37%,而SSD_ResNet101的为52.55%。本研究对从航拍正射影像中检测白喉乌头有借鉴意义和参考价值。

关键词：毒害草深度学习卷积神经网络无人机遥感目标识别 Faster-RCNN SSD

来源：评论

学校读者我要写书评

暂无评论

基于Sentinel数据的新疆奇台县小麦作物识别和秸秆产量估算

引用

草食家畜 2023年第5期 51-60页

作者：潘竞艾尼玩·艾买尔阿斯娅·曼力克阿仁田聪马海燕孙宗玖郑逢令新疆农业大学草业学院乌鲁木齐830052 新疆畜牧科学院草业研究所乌鲁木齐830057 新疆畜牧科学院天山北坡草地生态环境野外定位观测研究站乌鲁木齐830057

【目的】新疆奇台县小麦作物种植面积大,秸秆资源丰富。监测并获取秸秆资源的分布与产量,对于促进秸秆综合利用、减少环境污染具有重要意义。【方法】以奇台县境内小麦作物为研究对象,融合多时相的Sentinel-2光学和Sentinel-1雷达数据,... 详细信息

【目的】新疆奇台县小麦作物种植面积大,秸秆资源丰富。监测并获取秸秆资源的分布与产量,对于促进秸秆综合利用、减少环境污染具有重要意义。【方法】以奇台县境内小麦作物为研究对象,融合多时相的Sentinel-2光学和Sentinel-1雷达数据,选择合适的特征,使用三种机器学习方法对奇台县小麦作物进行识别和小麦秸秆估产。【结果】使用随机森林分类器的分类结果最好,在仅使用Sentinel-1的雷达极化特征分类时,总体精度为96%。在使用Sentinel-1的雷达极化特征与Sentinel-2光学波段特征分类时,总体精度为94%。当使用Sentinel-1的雷达极化特征、Sentinel-2光学波段特征以及植被特征指数的组合分类时精度最高,总体精度可达到98%,Kappa系数可达到97%。基于地面抽样调查数据,估算小麦作物秸秆每公顷产量为27007 kg,总产量为100615.5 t。【结论】在小麦抽穗期,特征组为Sentinel-1的雷达极化特征、Sentinel-2光学波段特征以及植被特征指数的组合,使用随机森林分类效果最好。

关键词： Sentinel 遥感作物识别小麦秸秆

来源：评论

学校读者我要写书评

暂无评论

基于Sentinel数据和机器学习算法的苜蓿遥感识别研究

引用

草食家畜 2024年第6期 35-45页

作者：潘竞赵浩楠田聪阿斯娅·曼力克贠静艾尼玩·艾买尔孙宗玖郑逢令新疆农业大学草业学院乌鲁木齐830052 新疆畜牧科学院草业研究所乌鲁木齐830057 新疆畜牧科学院天山北坡草地生态环境野外定位观测研究站乌鲁木齐830057

【目的】旨在准确获取苜蓿(Medicagos ativaL.)生产空间分布信息,为管理部门提供饲草饲料安全供给情况和技术支持。【方法】本研究使用Google Earth Engine(GEE)平台获取和处理哨兵(Sentine)系列卫星Sentinel-1和Sentinel-2数据,构建了... 详细信息

【目的】旨在准确获取苜蓿(Medicagos ativaL.)生产空间分布信息,为管理部门提供饲草饲料安全供给情况和技术支持。【方法】本研究使用Google Earth Engine(GEE)平台获取和处理哨兵(Sentine)系列卫星Sentinel-1和Sentinel-2数据,构建了光谱特征、植被指数和雷达极化特征数据集。利用决策树、随机森林、支持向量机和深度学习四种分类算法,评价不同特征组合遥感分类精度,筛选出最优的特征组合和苜蓿遥感识别模型。【结果】结果表明,结合光谱特征、植被指数和雷达极化特征的深度神经网络模型在苜蓿遥感分类中表现最优,总体精度为94.85%,Kappa系数为94.2%;研究证明了机器学习方法在提高苜蓿遥感分类精度方面的有效性;在四种分类模型中,光学特征加雷达特征综合组合的精度均为最高,说明了多源遥感信息对于提高模型性能的重要性。【结论】基于深度神经网络的苜蓿遥感识别模型,在结合光谱特征、植被指数和雷达极化特征的特征组合条件下,识别效果最好。

关键词：苜蓿遥感分类机器学习哨兵卫星

来源：评论

学校读者我要写书评

暂无评论

垂直与倾斜相机观测对遥感物候参数验证影响的对比研究

引用

遥感学报 2024年第10期28卷 2565-2581页

作者：许丽娜屈永华孙晨曦万华伟阿斯娅·曼力克刘绍民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科学与工程研究院北京100875 生态环境部卫星环境应用中心北京100094 新疆畜牧科学院草业研究所新疆畜牧科学院天山北坡草地生态环境野外定位观测研究站乌鲁木齐830057 北京师范大学地理科学学部地表过程与资源生态国家重点实验室北京100875

基于卫星遥感的大尺度植被物候监测对于农业生产管理、气候变化响应等领域具有重要意义。卫星遥感提取的物候参数真实性检验常以近地面数字相机观测为数据源。以往验证研究大多关注观测尺度的差异造成的影响,忽略了地面相机与卫星观测... 详细信息

基于卫星遥感的大尺度植被物候监测对于农业生产管理、气候变化响应等领域具有重要意义。卫星遥感提取的物候参数真实性检验常以近地面数字相机观测为数据源。以往验证研究大多关注观测尺度的差异造成的影响,忽略了地面相机与卫星观测天顶角的不一致性。本文将获取的垂直(PhotoNet)与倾斜(PhenoCam)物候相机在相近纬度、同种植被类型的观测站点数据,分别与Sentinel-2卫星提取的物候参数进行对比,系统性地评估2种地面相机观测角度对卫星物候期验证结果的影响。结果表明:相机的观测角度是卫星遥感物候验证研究中的不确定性原因之一;在多数情况下,卫星遥感与垂直观测相机提取的物候期表现出更好一致性,平均相差9 d,而与倾斜观测相机平均相差可达19 d,偏差天数受植被类型和生长阶段的影响;在玉米凋落期至休眠期,垂直观测偏差反而高于倾斜观测;植被冠层方向反射特性和相机视场范围内目标组分差异是引起这种现象的主要原因。本研究证实了地面相机观测角度是卫星物候真实性检验中不可忽视的影响因素,相机野外布设时应充分考虑角度效应带来的验证误差,从而为卫星遥感物候监测提供更可靠的验证数据。

关键词：遥感数字相机观测角度卫星物候近地物候植被绿度

来源：评论

学校读者我要写书评

暂无评论

基于改进Faster-RCNN模型的无人机影像白喉乌头物种的检测

引用

新疆农业大学学报 2022年第4期45卷 323-329页

作者：梁俊欢董峦孙宗玖马海燕艾尼玩·艾买尔阿仁阿斯娅·曼力克郑逢令新疆农业大学草业学院乌鲁木齐830052 新疆农业大学计算机与信息工程学院乌鲁木齐830052 新疆畜牧科学院草业研究所乌鲁木齐830057 新疆畜牧科学院天山北坡草地生态环境野外定位观测研究站乌鲁木齐830057

伊犁地区的白喉乌头(Aconitum leucostomum)是危害草原生态和畜牧业安全最为严重的毒害草物种,为了实现精准快速检测白喉乌头,本研究用无人机航拍获取白喉乌头影像数据集,采用深度学习技术,在Faster-RCNN算法基础上,以VGG16为主干网络,... 详细信息

伊犁地区的白喉乌头(Aconitum leucostomum)是危害草原生态和畜牧业安全最为严重的毒害草物种,为了实现精准快速检测白喉乌头,本研究用无人机航拍获取白喉乌头影像数据集,采用深度学习技术,在Faster-RCNN算法基础上,以VGG16为主干网络,根据领域知识和数据集特点优化锚框大小等超参数改善算法性能。通过优化Faster-RCNN的锚框大小和微调学习率后,模型在测试集上取得的平均准确率为67.24%,相对于基准模型提高了21.57%。

关键词：白喉乌头深度学习卷积神经网络 Faster-RCNN

来源：评论

学校读者我要写书评

暂无评论

基于Mask-RCNN的无人机影像白喉乌头检测

引用

草食家畜 2023年第1期 44-51页

作者：梁俊欢董峦孙宗玖马海燕艾尼玩·艾买尔阿仁魏鹏田聪阿斯娅·曼力克郑逢令新疆农业大学草业学院乌鲁木齐830052 新疆畜牧科学院草业研究所乌鲁木齐830057 新疆畜牧科学院天山北坡草地生态环境野外定位观测研究站乌鲁木齐830057 新疆农业大学计算机与信息工程学院乌鲁木齐830052

白喉乌头(Aconitum leucostomum)是伊犁的主要毒害草之一。快速精准识别白喉乌头可为监测其分布和扩散提供必要的数据和技术支持。本研究利用无人机影像获取白喉乌头影像并构建数据集,分别采用深度残差网络ResNet50和ResNet101提取特征... 详细信息

白喉乌头(Aconitum leucostomum)是伊犁的主要毒害草之一。快速精准识别白喉乌头可为监测其分布和扩散提供必要的数据和技术支持。本研究利用无人机影像获取白喉乌头影像并构建数据集,分别采用深度残差网络ResNet50和ResNet101提取特征,应用深度学习目标检测算法Mask-RCNN对白喉乌头自动识别。结果表明,通过对比测试集的检测精度,ResNet50的平均精确度(mAP)最高,达到66.0%,ResNet101的mAP最低,为65.3%,ResNet50网络在检测白喉乌头的性能表现优异。Mask-RCNN应用于无人机影像识别白喉乌头,实现白喉乌头的自动检测切实可行。

关键词：毒害草白喉乌头深度学习 Mask-RCNN

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：