检索结果-内蒙古大学图书馆

中南林业科技大学学报 2017年第9期37卷 80-85页

作者：吴梓尚林辉孙华林欣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湖南长沙410004 中国地质大学信息工程学院湖北武汉430074

以4种MODIS时序数据为基础,以湖北省为研究区,开展区域森林类型快速提取的分类方法研究。将湖北省的森林植被划分为针叶林、阔叶林、混交林、竹林、灌木林和非林地6种地类,通过分析不同森林类型一年内的生长差异,根据各植被指数的均值... 详细信息

以4种MODIS时序数据为基础,以湖北省为研究区,开展区域森林类型快速提取的分类方法研究。将湖北省的森林植被划分为针叶林、阔叶林、混交林、竹林、灌木林和非林地6种地类,通过分析不同森林类型一年内的生长差异,根据各植被指数的均值建立了研究区各森林类型的分类参数,选取2010年MODIS数据产品NDVI第10期、NDVI第12期、NDVI第15期、EVI第10期、LAI第16期、LAI第17期数据,建立了针叶林、阔叶林、混交林、竹林、灌木林、非林地的决策树分类模型,并对研究区进行了分类。结果表明:植被指数均值曲线具有一定的区域地类代表性,分类参数对不同森林类型具有较强的分异性;将分类结果与第八次全国森林资源清查结果相比较,森林类型分类总体精度为85.45%,KAPPA系数为0.770 1,效果较好,说明通过MODIS数据进行区域的森林类型提取是可行的。

关键词：遥感影像分类决策树 MODIS

来源：评论

学校读者我要写书评

暂无评论

西藏自治区草地地上生物量遥感反演研究

引用

生态学报 2023年第13期43卷 5600-5613页

作者：宋柯馨蒋馥根胡宗达吕云兵龙依邓目丽陈松孙华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 四川农业大学资源学院成都611130 西藏详图测绘有限公司拉萨851414

草地地上生物量(Aboveground Biomass,AGB)是反映草地生态系统功能和质量的关键指标,大尺度地准确估算草地AGB对草地生态系统经营管理至关重要。研究以MODIS影像为数据源,提取反射率、植被指数和植被产品三种不同类型的特征变量,结合野... 详细信息

草地地上生物量(Aboveground Biomass,AGB)是反映草地生态系统功能和质量的关键指标,大尺度地准确估算草地AGB对草地生态系统经营管理至关重要。研究以MODIS影像为数据源,提取反射率、植被指数和植被产品三种不同类型的特征变量,结合野外实测样地草地AGB数据,构建以多元线性逐步回归为代表的参数模型以及随机森林、支持向量机和kNN等非参数模型进行西藏自治区草地AGB估测及空间分布制图。结果表明:(1)多元线性逐步回归、随机森林、支持向量机和kNN模型在加入植被产品特征变量后,RMSE分别降低了15.8%、13.5%、4.1%和17.3%,表明植被产品作为建模变量用于草地AGB估测可有效提高模型精度;(2)三种组合变量构建的草地AGB估测模型中,反射率、植被指数、植被产品组合构建的模型效果最佳,其中kNN模型估测精度最高,R2达到0.60,RMSE和MAE分别为0.43、0.34 t/hm^(2);(3)草地AGB空间分布呈现出西北地区较低、中部地区较高且分布形态较破碎和东部地区较高的变化特征;(4)利用MODIS植被产品结合kNN模型的预测值与草地实测的AGB空间分布趋势基本一致。综上,MODIS植被产品结合kNN模型可作为大尺度区域草地AGB遥感估测的有效参考。

关键词：草地地上生物量机器学习 kNN MODIS 植被产品

来源：评论

学校读者我要写书评

暂无评论

点云切片结合聚类算法的TLS单木探测方法研究

引用

南京林业大学学报（自然科学版） 2024年第4期48卷 113-122页

作者：易静马开森向建平唐杰蒋馥根陈松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湖南长沙410004 湖南科技大学地理空间信息技术国家地方联合工程实验室湖南湘潭411201 中南林业科技大学芦头实验林场湖南岳阳414000

【目的】针对直接使用地面激光雷达生成的冠层高度模型(canopy height model,CHM)和归一化点云(normalized point cloud,NPC)在复杂林分探测中存在单木探测能力不足的问题,研究引入点云切片结合聚类的方法以提高单木探测精度。【方法】... 详细信息

【目的】针对直接使用地面激光雷达生成的冠层高度模型(canopy height model,CHM)和归一化点云(normalized point cloud,NPC)在复杂林分探测中存在单木探测能力不足的问题,研究引入点云切片结合聚类的方法以提高单木探测精度。【方法】以广西壮族自治区6个不同林分密度的人工林样地为研究对象,利用地面激光扫描获取样地的归一化点云数据,提取高度在1.3 m处的点云切片,分别采用基于密度噪声应用空间聚类(DBSCAN)和均值漂移聚类(MS)算法对切片中的树干点云进行聚类。利用野外实测调查数据进行精度验证,并与基于CHM的局部最大值算法和基于NPC的点云分割算法(point cloud segmentation,PCS)的探测结果对比,评价和分析不同探测方法的适用性与参数敏感性。【结果】所有方法均可获得良好的探测结果,各样地的最优总体探测精度得分F≥0.86;点云切片结合聚类算法的单木探测方法结果最优。DBSCAN算法的聚类阈值(Eps)和均值漂移算法的聚类半径可显著影响单木探测率,最大Eps取决于最大林木间距,聚类半径接近最大单木胸径时的探测结果最优。【结论】基于点云切片结合聚类算法的单木探测能提高下层林木探测率,可有效改善高密度林分的单木探测精度,为不同林分的单木探测方法选择提供参考。

关键词：地面激光扫描单木探测点云切片聚类算法林木参数提取人工林

来源：评论

学校读者我要写书评

暂无评论

东洞庭湖湿地植被高光谱数据降维与分类

引用

中南林业科技大学学报 2019年第11期39卷 36-41页

作者：李世波林辉葛淼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湖南长沙410004 贵州林业勘察设计有限公司贵州贵阳550001 润雅信息技术(上海)有限公司上海215008

湿地植被的精细识别与分类是林业遥感中一个亟待解决的难点。本研究以东洞庭湖自然保护区为研究区,以苔草、芦蒿、辣蓼、杨柳和芦苇为研究对象开展高光谱数据观测。采用数据平滑、导数变换、对数变换和归一化变换等方式对高光谱数据进... 详细信息

湿地植被的精细识别与分类是林业遥感中一个亟待解决的难点。本研究以东洞庭湖自然保护区为研究区,以苔草、芦蒿、辣蓼、杨柳和芦苇为研究对象开展高光谱数据观测。采用数据平滑、导数变换、对数变换和归一化变换等方式对高光谱数据进行预处理,再运用PCA算法分别对其进行降维运算,随后采用马氏距离、朴素贝叶斯、Knn、径向基内核支持向量机和随机森林等分类方法对降维后的数据进行分类。结果表明:1)不同预处理方式经过PCA降维后能保持自身特有的特征;2)降维后的累计方差贡献率与分类精度不存在必然联系,主成分个数能对分类精度产生影响;3)不同的分类方法对降维后的数据灵敏度不同,随机森林和径向基内核支持向量机保持较高的稳定性。

关键词：高光谱降维分类主成分分析东洞庭湖

来源：评论

学校读者我要写书评

暂无评论

基于高分二号的旺业甸林场蓄积量估测模型研究

引用

中南林业科技大学学报 2020年第3期40卷 79-84,118页

作者：刘兆华林辉龙江平李新宇中南林业科技大学林业遥感的数据与生态安全湖南省重点实验室湖南长沙410004 中南林业科技大学林学院湖南长沙410004

【目的】为了探究国产高分二号(GF-2)影像在林分蓄积量估测中的潜力,并找到最佳的蓄积量估测模型。【方法】本次实验以内蒙古旺业甸林场为研究区,以高分二号卫星影像为信息源,结合2017年10月份调查的75块样地以及同时期的GF-2影像数据,... 详细信息

【目的】为了探究国产高分二号(GF-2)影像在林分蓄积量估测中的潜力,并找到最佳的蓄积量估测模型。【方法】本次实验以内蒙古旺业甸林场为研究区,以高分二号卫星影像为信息源,结合2017年10月份调查的75块样地以及同时期的GF-2影像数据,提取波段特征、植被指数和纹理特征等43个遥感因子作为候选变量,利用Pearson相关系数选择出与蓄积量显著相关的6个变量,采用多元线性回归模型(MLR)、BP-神经网络模型(BP-ANN)、随机森林模型(RF)、支持向量机模型(SVM)和K邻近模型(KNN)进行蓄积量的估测。以决定系数(R^2)、均方根误差(RMSE)、相对均方根误差(RRMSE%)作为5种模型的评价指标,选择出旺业甸林场的最佳蓄积量估测模型,并绘制了研究区的森林蓄积量分布图。【结果】4种机器学习模型的结果明显优于传统的线性模型,其中随机森林(RF)模型和K邻近模型(KNN)均得到了较高的精度,其中RF模型的R^2为0.66,均方根误差为55.2 m^3/hm^2,相对均方根误差为28.1%,KNN模型的R^2为0.64,均方根误差为57.6 m^3/hm^2相对均方根误差为29.3%。【结论】在利用高分二号数据进行旺业甸林场蓄积量估测时,RF和KNN模型在估测针叶林蓄积量时相比于其他模型可以取得更好的结果。

关键词：森林蓄积量机器学习植被指数纹理特征高分二号

来源：评论

学校读者我要写书评

暂无评论

Landsat8时间序列影像支持下的农田防护林提取方法研究

引用

中南林业科技大学学报 2020年第4期40卷 57-63页

作者：雷思君孙华刘华蒋馥根陈松吴童谢勇中南林业科技大学湖南长沙410004 林业遥感大数据与生态安全湖南省重点实验室湖南长沙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湖南长沙410004 中国林业科学研究院资源信息研究所北京100091

【目的】农田防护林空间分布是三北防护林生态工程监测的重要内容之一。传统的人工调查方式获取农田防护林费时耗力,效率较低,遥感技术可以弥补传统人工调查的不足。现有农田防护林空间分布研究中,基于单期高分辨率遥感影像可以较好提... 详细信息

【目的】农田防护林空间分布是三北防护林生态工程监测的重要内容之一。传统的人工调查方式获取农田防护林费时耗力,效率较低,遥感技术可以弥补传统人工调查的不足。现有农田防护林空间分布研究中,基于单期高分辨率遥感影像可以较好提取植被信息,但是不能很好的解决影像中一些地类存在的同谱异物和同物异谱现象。利用中等分辨率遥感影像进行农田防护林信息提取也仅限于利用光谱信息、形状指数等进行决策树分类,且精度受限。鉴于此,依托中低分辨率遥感影像的农田防护林提取方法有待研究。【方法】选择甘肃省张掖市甘州区为研究区,选取2017年4个季度9期Landsat8 OLI时间序列数据为农田防护林信息提取的数据源,在进行辐射定标和大气校正的基础上,基于分层分类的思想,融入植被物候特征、水体和植被指数,利用时间序列遥感影像以及多特征分类指标,逐步提取并掩膜研究区内其他地物,最终实现农田防护林的提取。利用野外样点调查结果和甘州区土地利用数据库对信息提取结果进行精度评价。【结果】该方法分类总体精度为85.93%,kappa系数为0.79,其中野外调查记录的33个农田防护林样点中29个被正确提取,精度达到87.8%。【结论】时间序列遥感数据能有效提取植被的物候参数。基于多时序、多特征分层分类方法能有效提取农田防护林的空间分布信息,降低了同谱异物和同物异谱现象对农田防护林信息提取的干扰。说明利用时间序列遥感影像结合多种特征分类指标的分层分类方法开展甘州区的农田防护林提取是可行的。

关键词：遥感影像分类甘州区农田防护林多时序影像 Landsat8 OLI

来源：评论

学校读者我要写书评

暂无评论

基于高景一号遥感影像的林地信息提取

引用

中南林业科技大学学报 2020年第7期40卷 32-40页

作者：曾文林辉李新宇肖越鲁宏旺中南林业科技大学林业遥感信息工程研究中心湖南长沙410004 中南林业科技大学林学院湖南长沙410004 林业遥感大数据与生态安全湖南省重点实验室湖南长沙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

【目的】及时、准确地掌握林地信息是森林经营管理的前提,高分辨率遥感影像为林地信息精细识别提供了可能。【方法】以当阳市玉泉乡为研究区,以国产卫星高景一号(SV-1)遥感影像为数据源,提取各波段光谱信息和植被指数作为分类特征,采用... 详细信息

【目的】及时、准确地掌握林地信息是森林经营管理的前提,高分辨率遥感影像为林地信息精细识别提供了可能。【方法】以当阳市玉泉乡为研究区,以国产卫星高景一号(SV-1)遥感影像为数据源,提取各波段光谱信息和植被指数作为分类特征,采用特征可分性、重要性及特征间冗余度分别构建了4种特征评价准则,基于支持向量机(SVM)分类器对研究区进行林地信息提取,结合森林资源二类调查结果进行精度验证。【结果】1、评价准则中,特征重要性优于可分性,特征可分性受高度相关的特征组合(如OSAVI和NDVI等)的影响会造成分类精度的下降。2、在特征重要性和可分性的基础上结合特征间冗余度能进一步提高分类精度并有效降低特征维数,特征维数由11维降至8维,特征可分性方法和特征重要性的分类精度分别提高了4.65%和4.58%;3、根据特征重要性结合冗余度选择RGVI、EVI、B1、B3、B2、DVI、RVI、Brightness 8个特征,建立SVM线性核分类模型可以达到最优分类效果,总体分类精度高达92.49%,Kappa系数为0.9084。【结论】SV-1遥感影像由于其高空间分辨率在林地信息精细提取中具有可行性,本研究通过建立特征评价准则筛选分类特征能进一步挖掘分类器的泛化能力,为及时、准确地获取林地信息提供技术支撑,同时也为同等高分辨率遥感卫星数据处理提供了参考。

关键词：林地信息提取特征评价准则支持向量机分类高景一号

来源：评论

学校读者我要写书评

暂无评论

LA-UNet网络模型在城市绿地遥感分类中的应用

引用

应用生态学报 2024年第4期35卷 1101-1111页

作者：徐亮亮马开森王霞李东胜孙华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 湖南科技大学地理空间信息技术国家地方联合工程实验室湖南湘潭411201 河北省林业和草原调查规划设计院石家庄050011

城市绿地的精准识别和监测在城市规划和生态管理方面具有重要意义。城市绿地背景复杂,使用传统遥感分类技术容易出现错分粘连的问题。本研究以长沙市雨花区为研究区,高分二号(GF-2)遥感影像为数据源,提出一种基于LA-UNet模型的城市绿地... 详细信息

城市绿地的精准识别和监测在城市规划和生态管理方面具有重要意义。城市绿地背景复杂,使用传统遥感分类技术容易出现错分粘连的问题。本研究以长沙市雨花区为研究区,高分二号(GF-2)遥感影像为数据源,提出一种基于LA-UNet模型的城市绿地遥感分类方法,该方法以UNet模型为基础,引入DWTCA通道注意力机制模块提升网络对绿地信息的关注度,并使用CARAFE模块对提取特征进行上采样,实现对城市复杂背景下乔木、灌草等多种地类的精准分类。结果表明:利用标准假彩色遥感影像时,LA-UNet模型的城市绿地分类效果最优,总体准确率和平均交并比分别为96.3%和90.9%,比UNet模型分别提高2.8%和6.1%。在波茨坦公开数据集中,LA-UNet模型的总体准确率和平均交并比也同样优于UNet模型,分别提高0.9%和1.8%,表明LA-UNet模型具有较好的鲁棒性和通用性。本研究提出的LA-UNet模型能有效缓解城市绿地错分粘连问题,在城市绿地遥感分类中具有显著优势。改进后的LA-UNet模型比UNet模型具有更小的参数体积,能有效提升城市绿地分类精度。本研究将为城市绿地的精准分类及其空间分布规律研究提供方法参考。

关键词：遥感分类城市绿地高分二号 LA-UNet 注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于多源遥感数据的CNN水稻提取研究

引用

国土资源遥感 2020年第4期32卷 97-104页

作者：蔡耀通刘书彤林辉张猛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局重点实验室长沙410004 中南林业科技大学林学院长沙410004

水稻是中国种植面积最广泛的粮食作物之一,适时、准确的水稻识别与监测对于国家粮食安全和农用地空间格局演变具有重要意义。基于水稻物候关键期的多时相Sentinel-2A光谱数据、植被指数、植被丰度以及基于Landsat8反演得到的地表温度(la... 详细信息

水稻是中国种植面积最广泛的粮食作物之一,适时、准确的水稻识别与监测对于国家粮食安全和农用地空间格局演变具有重要意义。基于水稻物候关键期的多时相Sentinel-2A光谱数据、植被指数、植被丰度以及基于Landsat8反演得到的地表温度(land surface temperature,LST),采用卷积神经网络(convolutional neural network,CNN)、支持向量机(support vector machine,SVM)和随机森林(random forest,RF)算法对高异质化的长株潭核心区的水稻进行了提取,并得到了对应的水稻填图。研究结果显示,利用多时相多源遥感数据通过CNN算法能够有效提取高异质化程度区域的水稻信息,水稻分类总体精度(overall accuracy,OA)和Kappa系数分别达到了92%与0.90以上。该文提出的基于CNN的水稻信息识别方法,能够为改善与提高异质化程度较高区域水稻信息提取的精度提供行之有效的技术与途径。

关键词：水稻 Sentinel-2A Landsat8 CNN 长株潭地区

来源：评论

学校读者我要写书评

暂无评论

笼养白冠长尾雉(Syrmaticus reevesii)夏秋季节行为节律研究

引用

野生动物学报 2018年第2期39卷 347-352页

作者：王双业赵运林李立段酬苍吴良徐正刚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 湖南省动物物联网工程技术研究中心长沙410000 湖南省野生动物救助繁殖中心长沙410116

2016年的夏季6月和秋季10月采用瞬时扫描法对湖南省野生动物救护繁育中心笼养的4只白冠长尾雉(Syrmaticus reevesii)的行为节律开展研究,其中6月观测期间处于笼养白冠长尾雉繁殖期,与10月的非繁殖时期正好做出对比。研究共记录白冠长尾... 详细信息

2016年的夏季6月和秋季10月采用瞬时扫描法对湖南省野生动物救护繁育中心笼养的4只白冠长尾雉(Syrmaticus reevesii)的行为节律开展研究,其中6月观测期间处于笼养白冠长尾雉繁殖期,与10月的非繁殖时期正好做出对比。研究共记录白冠长尾雉5类14种行为,在夏季和秋季,运动类行为均是5类行为中行为频次百分比最高的(夏季18.8%～59.8%,秋季30.8%～42.2%)。由于适应了笼舍及人类活动,警觉类行为的百分比相对偏低(夏季10.2%～17.1%,秋季5.2%～10.4%),在繁殖后期的夏季中略高于秋季。另外,笼养白冠长尾雉的取食策略与野生个体相比亦出现了不同,生存在人工补给的笼舍中,其能量的补充比较便利,所以在取食行为上,频次的百分比排列在5类行为的中等水平(夏季4.2%～26.4%,秋季12.9%～26.0%)。通过笼养白冠长尾雉的行为节律研究,可为物种的保护和繁育提供科学依据,反映存在的问题,提出保护建议,对白冠长尾雉的物种发展壮大有重要意义。

关键词：白冠长尾雉繁殖期瞬时扫描法行为种数行为节律

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：