检索结果-内蒙古大学图书馆

福州大学学报（自然科学版） 2024年第2期52卷 168-175页

作者：郭家江洪张雍福州大学空间数据挖掘与信息共享教育部重点实验室卫星空间信息技术综合应用国家地方联合工程研究中心数字中国研究院(福建)福建福州350108

针对更丰富卷积特征(RCF)算法检测电力线时存在边缘模糊、特征图包含太多噪声、在融合特征图时丢失多尺度信息等问题,对RCF算法进行改进.首先,使用具有平移不变性的下采样技术增强模型的鲁棒性;然后,在RCF主干网络中引入卷积块注意力模... 详细信息

针对更丰富卷积特征(RCF)算法检测电力线时存在边缘模糊、特征图包含太多噪声、在融合特征图时丢失多尺度信息等问题,对RCF算法进行改进.首先,使用具有平移不变性的下采样技术增强模型的鲁棒性;然后,在RCF主干网络中引入卷积块注意力模块(CBAM)机制,提高模型对电力线特征的表达能力;最后,在RCF的侧输出网络中加入级联网络,借助基于通道注意力机制的多尺度特征融合模块对特征图进行融合,从而获得更优异的细节保持效果.实验结果表明,改进模型的最优数据集规模、最佳图像比例和平均精度可分别提高0.7%、 1.3%和1.7%,检测结果噪声数量少,电力线更加清晰准确.

关键词：电力线边缘检测更丰富卷积特征(RCF) 无人机注意力机制多尺度融合

来源：评论

学校读者我要写书评

暂无评论

福建全省海洋藻类养殖区高精度智能提取方法研究

引用

海洋环境科学 2025年第1期44卷 116-125页

作者：陈红梅吴婷林万强陈芸芝罗冬莲福建省水产研究所福建厦门361013 福州大学数字中国研究院(福建) 福建福州350108 福州大学空间数据挖掘与信息共享教育部重点实验室福建福州350108 卫星空间信息技术综合应用国家地方联合工程研究中心福建福州350108

为建立适合省级尺度的海洋藻类养殖区高精度智能提取方法,推进海洋藻类养殖面积的准确测算和变化监测,本文基于国产高分辨率遥感影像,对海洋藻类养殖区遥感智能提取方法进行研究。对比U-Net模型、DeepLab V3+模型、MSUResUnet模型在典... 详细信息

为建立适合省级尺度的海洋藻类养殖区高精度智能提取方法,推进海洋藻类养殖面积的准确测算和变化监测,本文基于国产高分辨率遥感影像,对海洋藻类养殖区遥感智能提取方法进行研究。对比U-Net模型、DeepLab V3+模型、MSUResUnet模型在典型海洋藻类养殖区提取的结果,MSUResUnet模型提取的准确率(accuracy)、召回率(recall)、平均交并比(m IoU)、F1分数(F1-score)较U-Net模型提高0.14%、0.84%、0.34%、0.32%,较DeepLab V3+模型提高0.18%、0.88%、0.40%、0.36%,因此,选择MSUResUnet模型进行福建全省海洋藻类养殖区自动化提取。经提取结果统计,2022年7月至2023年5月,福建全省海洋藻类养殖面积约为345.6912 km^(2)。

关键词：三沙湾海洋藻类养殖深度学习高分辨率遥感影像

来源：评论

学校读者我要写书评

暂无评论

结合遥感林龄因子的亚热带森林蓄积量估算方法

引用

林业科学 2023年第4期59卷 88-99页

作者：周小成黄婷婷李媛肖祥希朱洪如陈芸芝冯芝淸福州大学空间数据挖掘与信息共享教育部重点实验室、卫星空间信息技术综合应用国家地方联合工程研究中心福州350108 福建省林业科学研究院福州350012 福建省林业调查规划院福州350003 福建金森林业股份有限公司将乐353300

【目的】应用XGBoost算法建立包含林龄的遥感因子-蓄积量模型,评价遥感估算的林龄因子与遥感因子相结合提高森林蓄积量估算精度的有效性,为实现高效、快速、精准的大范围森林蓄积量估算提供一种新的思路和方法。【方法】以福建省将乐县... 详细信息

【目的】应用XGBoost算法建立包含林龄的遥感因子-蓄积量模型,评价遥感估算的林龄因子与遥感因子相结合提高森林蓄积量估算精度的有效性,为实现高效、快速、精准的大范围森林蓄积量估算提供一种新的思路和方法。【方法】以福建省将乐县为研究示范区,首先,基于1987—2016年时序Landsat影像,采用LandTrendr森林干扰与恢复监测算法监测年度林分更替干扰并估算干扰区林龄;然后,基于GF-1号影像光谱、纹理、地形等特征,采用递归特征消除的随机森林算法(RFE-RF)估算非干扰区林龄;在此基础上,结合GF-1影像光谱、纹理因子和森林资源二类调查小班实测蓄积量数据,采用极端梯度提升算法估算研究区森林蓄积量。对比有无林龄因子的森林蓄积量估算精度,进一步验证遥感林龄因子对提高森林蓄积量估算精度的重要性。【结果】采用LandTrendr森林干扰与恢复监测算法获得的干扰区林分林龄误差仅1~2年,林龄估算精度明显优于传统利用遥感因子估算的林龄精度(误差4~12年)。仅采用常规遥感因子估算森林蓄积量时,XGBoost模型决定系数(R^(2))为0.59,平均均方根误差(RMSE)为30.72 m^(3)·hm^(-2),相对均方根误差(rRMSE)为16.46%;加入林龄因子后,模型R^(2)提高至0.73,平均RMSE减少至23.73 m^(3)·hm^(-2),rRMSE为13.26%,森林蓄积量估算平均总体精度约提高10.4%,达84.4%。【结论】相比仅采用常规遥感因子估算森林蓄积量,应用XGBoost算法建立包含林龄的遥感因子-蓄积量模型,其估算精度接近森林资源调查相关规定要求,可为大范围亚热带森林资源快速调查评估提供重要技术支持。

关键词：森林蓄积量林龄时序遥感递归特征消除的随机森林极端梯度提升算法

来源：评论

学校读者我要写书评

暂无评论

基于三维模型的枇杷冠层光截获模拟与分析

引用

福州大学学报（自然科学版） 2023年第4期51卷 532-538页

作者：谯鹏唐丽玉黄洪宇姜泽福州大学空间数据挖掘与信息共享教育部重点实验室福州大学地理空间信息技术国家地方联合工程研究中心数字中国研究院(福建)福建福州350108

利用点云数据与L-系统规则结合的建模方法,生成高精度、高真实感的枇杷果树模型;利用辐射度模型模拟枇杷冠层截获的光合有效辐射,并从受光面积与光合速率的角度对不同冠形的枇杷冠层光截获效率进行定量分析.结果表明:植物冠形对于入射... 详细信息

利用点云数据与L-系统规则结合的建模方法,生成高精度、高真实感的枇杷果树模型;利用辐射度模型模拟枇杷冠层截获的光合有效辐射,并从受光面积与光合速率的角度对不同冠形的枇杷冠层光截获效率进行定量分析.结果表明:植物冠形对于入射光的响应有明显差异,枝叶排列较为开阔且均匀的冠形,其光截获能力与光合速率更优,冠层日平均直射和散射的光合有效辐射强度分别为154.77和47.20μmol·(m^(2)·s)^(-1),日最高光合速率为3.97μmol·(m^(2)·s)^(-1).

关键词：枇杷冠层虚拟植物光截获模拟 L-系统定量分析

来源：评论

学校读者我要写书评

暂无评论

基于机载LiDAR数据的福建柏人工林林木参数提取

引用

应用生态学报 2024年第2期35卷 321-329页

作者：姜泽陈杰唐丽玉虞灿谢汝根黄丹泠苏顺德福州大学空间数据挖掘与信息共享教育部重点实验室福州350108 福州大学地理空间信息技术国家地方联合工程研究中心福州350108 数字中国研究院(福建) 福州350108 福建省林业科学研究院福州350012 福建省官庄国有林场福建三明365500

准确高效地提取人工林林木参数可为估算单木材积、林分蓄积量提供关键信息。本文提出基于机载LiDAR数据的高精度单木参数提取方法,其实现过程包括数据预处理、地面滤波、单木分割和参数提取。以福建省沙县官庄国有林场的福建柏大径材人... 详细信息

准确高效地提取人工林林木参数可为估算单木材积、林分蓄积量提供关键信息。本文提出基于机载LiDAR数据的高精度单木参数提取方法,其实现过程包括数据预处理、地面滤波、单木分割和参数提取。以福建省沙县官庄国有林场的福建柏大径材人工林为试验区,采集高密度机载点云数据,对点云进行去噪、重采样等预处理。使用布料滤波算法(CSF)分离出植被点云和地面点云,并采用Delaunay三角网法将植被点云数据插值生成数字表面模型(DSM),采用反距离加权插值法将地面点云数据插值生成数字高程模型(DEM),两者作差运算获得冠层高度模型(CHM)。利用分水岭分割算法分析不同分辨率的CHM对单木分割及参数提取精度的影响。采用点云距离聚类算法对归一化植被点云进行单木分割,分析不同的距离阈值对单木分割及参数提取精度的影响。结果表明:使用分水岭分割算法处理0.3 m分辨率CHM单木分割调和值最高,达到91.1%,提取的树高精度较优,决定系数(R^(2))达到0.967,均方根误差(RMSE)为0.890 m;使用间距阈值为平均冠幅的点云分割算法单木分割调和值最高,达到91.3%,提取的冠幅精度较优,R2为0.937,RMSE为0.418 m。估算该试验区的树高、冠幅、株数和树木的空间分布等信息发现:共有福建柏5994株,平均树高为16.63 m,平均冠幅为3.98 m;树高在15~20 m区间的数量最多,有2661株,其次是10~15 m。本林木参数提取方法可为人工林资源监测和管理提供技术支撑。

关键词：人工林机载LiDAR 单木分割林木参数提取

来源：评论

学校读者我要写书评

暂无评论

基于多特征优选的无人机可见光遥感林分类型分类

引用

林业科学 2021年第6期57卷 24-36页

作者：周小成郑磊黄洪宇福州大学地理空间信息技术国家地方联合工程研究中心空间数据挖掘与信息共享教育部重点实验室福州350116

【目的】以无人机可见光遥感影像为数据源实现竹林、针叶林和阔叶林的分类识别,扩展无人机可见光遥感数据在森林资源调查中的应用范围。【方法】利用无人机获取仅包含红、绿、蓝3个波段光谱信息的航拍影像,经预处理生成空间分辨率为0.1 ... 详细信息

【目的】以无人机可见光遥感影像为数据源实现竹林、针叶林和阔叶林的分类识别,扩展无人机可见光遥感数据在森林资源调查中的应用范围。【方法】利用无人机获取仅包含红、绿、蓝3个波段光谱信息的航拍影像,经预处理生成空间分辨率为0.1 m的数字正射影像图(DOM)和数字表面模型(DSM),从DSM和DOM中提取包括高度特征、光谱特征、常见的可见光植被指数、HSV颜色分量、HSV颜色分量基础上提取的纹理特征以及扩展的形态学多属性剖面(EMAPs)6类特征;采用递归特征消除随机森林算法(RF_RFE)优选特征子集,根据不同类型特征和优选特征子集设置8组试验,使用随机森林分类器(RFC)进行林分类型分类,运用目视解译获得的地面真实影像建立混淆矩阵评价分类结果。【结果】1)单独利用光谱特征进行林分类型分类效果不理想,总体精度为65.68%,Kappa系数为0.53;以光谱特征为基础单独引入其他特征进行林分类型分类,除植被指数外,其他特征均可提高总体分类精度;2)采用递归特征消除随机森林算法优选出11个特征,包括5个EMAPs特征、3个HSV纹理特征、1个高度特征、1个植被指数和1个HSV颜色分量,11个特征组合获得8组试验中最高分类精度,总体精度为81.05%,Kappa系数为0.73;3)将多特征优选方法应用于不同分辨率的可见光无人机影像上均取得较好分类结果,其中分辨率为0.3 m时分类精度最高,总体精度为82.46%,Kappa系数为0.75。【结论】递归特征消除随机森林算法综合多类型特征中最有利于林分类型分类的特征,从而提高分类精度,研究结果可为无人机可见光遥感数据在森林资源调查中林分类型信息的提取提供参考。

关键词：林分类型可见光遥感无人机特征提取特征优选分类

来源：评论

学校读者我要写书评

暂无评论

融合无人机多光谱和纹理特征的马铃薯LAI估算

引用

华南农业大学学报 2023年第1期44卷 93-101页

作者：李健江洪罗文彬麻霞张雍福州大学数字中国研究院(福建)/空间数据挖掘与信息共享教育部重点实验室/卫星空间信息技术综合应用国家地方联合工程研究中心福建福州350108 福建省农业科学院作物研究所福建福州350013

【目的】研究融合无人机遥感影像多光谱信息和纹理特征估算马铃薯Solanum tuberosum叶面积指数(Leaf area index,LAI)方法,提高马铃薯LAI反演精度。【方法】利用大疆P4M无人机采集2021年2-4月南方冬种马铃薯幼苗期、现蕾期、块茎膨大期... 详细信息

【目的】研究融合无人机遥感影像多光谱信息和纹理特征估算马铃薯Solanum tuberosum叶面积指数(Leaf area index,LAI)方法,提高马铃薯LAI反演精度。【方法】利用大疆P4M无人机采集2021年2-4月南方冬种马铃薯幼苗期、现蕾期、块茎膨大期多光谱影像,用LAI-2000冠层分析仪实测LAI数据。提取影像光谱、纹理等信息,分析植被指数、纹理特征与LAI的相关性,基于R^(2)_(adj)的全子集分析优选特征变量。采用主成分分析,融合光谱和纹理特征,用PCA-MLR(Principal component analysis-multiple linear regression)模型估算马铃薯LAI。【结果】从幼苗期到块茎膨大期,PCA-MLR估算模型优于T-MLR(Texture multiple linear regression)和VIMLR(Vegetation index multiple linear regression)模型,R2分别为0.73、0.59和0.66。【结论】本研究提出一种估算马铃薯LAI的PCA-MLR方法,为马铃薯的长势监测和田间管理提供数据支持。

关键词：无人机遥感影像 LAI 多光谱纹理特征马铃薯

来源：评论

学校读者我要写书评

暂无评论

基于时序遥感影像的长汀县生产建设项目扰动监测

引用

遥感技术与应用 2023年第2期38卷 308-318页

作者：李琳汪小钦刘益锋丁书培陈芸芝福州大学空间数据挖掘与信息共享教育部重点实验室福建福州350108 数字中国研究院(福建) 福建福州350108 卫星空间信息技术综合应用国家地方联合工程研究中心福建福州350108

土地扰动的时空演变反映该地区经济发展水平的同时,也成为宏观规划与城市建设的依据。为高效快速地监测土地扰动,基于2000~2020年的Landsat系列(Landsat-5 TM、Landsat-7 ETM+、Landsat-8 OLI)遥感卫星影像,采用连续扰动监测(Continuous... 详细信息

土地扰动的时空演变反映该地区经济发展水平的同时,也成为宏观规划与城市建设的依据。为高效快速地监测土地扰动,基于2000~2020年的Landsat系列(Landsat-5 TM、Landsat-7 ETM+、Landsat-8 OLI)遥感卫星影像,采用连续扰动监测(Continuous Monitoring of Land Disturbance,COLD)算法对福建省长汀县近20 a土地扰动变化及生产建设项目施工扰动进行监测,探讨5 a(2016~2020年)、10 a(2011~2020年)以及21 a(2000~2020)不同时间长度序列对新增年份监测结果的影响。结果表明:①COLD算法能够获得各年累计变化、年内变化等信息;②近20 a来,长汀县土地扰动在空间上主要集中分布在中部地区,四周山区扰动较少;③生产建设项目发生扰动大部分集中于第三季度,第一季度扰动最少;④对于新增年份2020年的中大型生产建设项目扰动监测,在多云多雨地区,10 a时间长度数据才能获得比较满意的监测结果。

关键词：变化监测土地扰动 COLD 时间序列长汀县

来源：评论

学校读者我要写书评

暂无评论

基于点云数据的单木三维绿量估算方法

引用

遥感技术与应用 2022年第5期37卷 1119-1127页

作者：李肖肖唐丽玉黄洪宇陈崇成何建国福州大学空间数据挖掘与信息共享教育部重点实验室地理空间信息技术国家地方联合工程研究中心福建福州350108

针对不同树种的树叶疏密及空间结构不同,提出基于激光点云数据,顾及冠层叶面积密度的树木三维绿量(Living Vegetation Volume,LVV)计算方法。该方法首先根据树木局部点云的主方向相似度和局部点云轴向分布密度分离枝干与树叶,剔除非光... 详细信息

针对不同树种的树叶疏密及空间结构不同,提出基于激光点云数据,顾及冠层叶面积密度的树木三维绿量(Living Vegetation Volume,LVV)计算方法。该方法首先根据树木局部点云的主方向相似度和局部点云轴向分布密度分离枝干与树叶,剔除非光合作用成分,提取树叶点云;然后建立体元模型,引入Graham算法确定分层树冠边界,获取激光接触频率,从而基于体元冠层分析(Voxel-based Canopy Profiling,VCP)方法求出冠层叶面积密度(Leaf Area Density,LAD);最后分层棱柱体积乘以叶面积密度,累加得到树木的三维绿量。利用Riegl VZ-400地面激光扫描仪获取13棵不同形状和树种的树木点云数据,利用该方法估算各树木三维绿量,并与传统的凸包法和台积法的结果对比。实验结果表明,台积法计算的三维绿量值最大,凸包法计算的三维绿量次之,顾及冠层叶面积密度的树木三维绿量方法计算的三维绿量值最小,为台积法的36.69%,为凸包法的47.80%。相比传统方法,顾及冠层叶面积密度的树木三维绿量计算方法侧重光合作用组分叶片点云的统计,并考虑了树冠内部树叶分布情况,更符合树木的实际情况,能充分利用三维点云数据特性,反映树冠内部三维绿量分布。

关键词：城市绿化三维绿量点云体元冠层分析叶面积密度

来源：评论

学校读者我要写书评

暂无评论

基于ALBERT模型的园林植物知识实体与关系抽取方法

引用

地球信息科学学报 2021年第7期23卷 1208-1220页

作者：陈晓玲唐丽玉胡颖江锋彭巍冯先超福州大学空间数据挖掘与信息共享教育部重点实验室福州350108 福州大学地理空间信息技术国家地方联合工程研究中心福州350108

园林植物知识图谱可为顾及区域适应性、观赏性和生态性等因子的绿化树种的选型提供知识支持。植物描述文本的实体识别及关系抽取是知识图谱构建的关键环节。针对植物领域未有公开的标注数据集,本文阐述了园林植物数据集的构建流程,定义... 详细信息

园林植物知识图谱可为顾及区域适应性、观赏性和生态性等因子的绿化树种的选型提供知识支持。植物描述文本的实体识别及关系抽取是知识图谱构建的关键环节。针对植物领域未有公开的标注数据集,本文阐述了园林植物数据集的构建流程,定义了园林植物的概念体系结构,完成了园林植物语料库的构建。针对现有Word2vec、ELMo和BERT等语言模型存在无法解决多义词、融合上下文能力差、运行速度慢等缺点,提出了嵌入ALBERT(A Lite BERT)预训练语言模型的实体识别和关系抽取模型。ALBERT预训练的动态词向量能够有效地表示文本特征,将其分别输入到BiGRU-CRF命名实体识别模型和BiGRU-Attention关系抽取模型中进行训练,进一步提升实体识别和关系抽取的效果。在园林植物语料库上进行方法的有效性验证,结果表明ALBERT-BiGRU-CRF命名实体识别模型的F1值为0.9517,ALBERT-BiGRU-Attention关系抽取模型的F1值为0.9161,相较于经典的语言模型(如Word2vec、ELMo和BERT等)性能有较为显著的提升。因此基于ALBERT模型的实体与关系抽取任务能有效提高识别分类效果,可将其应用于植物描述文本的实体关系抽取任务中,为园林植物知识图谱自动构建提供方法。

关键词：知识图谱信息抽取语料库园林植物 ALBERT 词向量实体识别关系抽取

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：