检索结果-内蒙古大学图书馆

激光与光电子学进展 2020年第7期57卷 240-247页

作者：谢婷婷陈芸芝卢文芳福州大学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350116 空间数据挖掘与信息共享教育部重点实验室福建福州350116

叶绿素a可直观反映水体的营养化程度,三波段生物光学模型能削弱二类水体中悬浮物与黄色物质等因素的影响,准确估算叶绿素a的浓度。选用三波段因子法,分析实测水体光谱特征,确定三波段因子的大致位置,并通过穷举法和相关性分析,确定三个... 详细信息

叶绿素a可直观反映水体的营养化程度,三波段生物光学模型能削弱二类水体中悬浮物与黄色物质等因素的影响,准确估算叶绿素a的浓度。选用三波段因子法,分析实测水体光谱特征,确定三波段因子的大致位置,并通过穷举法和相关性分析,确定三个特征波段建立反演模型。结果表明,当λ1=661.63nm、λ2=693.54nm、λ3=757.35nm时,三波段因子[Rr-s1(λ1)-Rr-s1(λ2)]Rrs(λ3)与叶绿素a浓度具有较高的相关系数(r=0.830)。该模型的决定系数、均方根误差和平均绝对误差百分比分别为0.859、2.446mg·m-3和32.169%,其反演精度优于波段比值模型和反射峰模型。为闽江下游叶绿素a反演提供一定的理论依据和技术支持,也为以后使用三波段因子法反演二类水体的叶绿素a浓度提供波段选择。

关键词：遥感叶绿素a 二类水体三波段生物光学模型波段选择

来源：评论

学校读者我要写书评

暂无评论

基于LightGBM的全球海洋次表层温盐遥感预测

引用

遥感学报 2020年第10期24卷 1255-1269页

作者：张天一苏华杨欣严晓海福州大学卫星空间信息技术综合应用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350108 厦门大学美国特拉华大学近海海洋研究与管理联合研究所厦门361005

随着卫星遥感技术的发展,越来越多的卫星观测数据被应用于预测海洋内部温盐结构信息,而如何有效提高海洋内部温盐信息的预测精度仍是一个挑战。本文应用LightGBM算法结合随机森林算法构建全球海洋次表层(0-1000 m)温度异常(STA)与盐度异... 详细信息

随着卫星遥感技术的发展,越来越多的卫星观测数据被应用于预测海洋内部温盐结构信息,而如何有效提高海洋内部温盐信息的预测精度仍是一个挑战。本文应用LightGBM算法结合随机森林算法构建全球海洋次表层(0-1000 m)温度异常(STA)与盐度异常(SSA)的预测模型,模型使用海表卫星观测数据(海表高度异常(SSHA)、海表温度异常(SSTA)、海表盐度异常(SSSA)和海表风场异常水平和垂直分量(USSWA、VSSWA),结合经纬度信息(LON、LAT)作为预测变量,使用Argo次表层温盐数据作为模型训练与测试标记。本文使用五参数模型(SSTA、SSHA、SSSA、USSWA、VSSWA)、带纬度六参数模型(LAT、SSTA、SSHA、SSSA、USSWA、VSSWA)、带经度六参数模型(LON、SSTA、SSHA、SSSA、USSWA、VSSWA)与带经纬度七参数模型(LON、LAT、SSTA、SSHA、SSSA、USSWA、VSSWA)来着重分析LON与LAT在STA、SSA遥感预测中发挥的作用。结果表明LON与LAT在STA、SSA各自预测中发挥不同的作用。在单时相和时序预测STA中LON与LAT对模型的贡献随着深度的增加逐渐增大,而在单时相和时序预测SSA中LON与LAT对不同深度预测模型始终保持较大的贡献。在单时相预测STA与SSA中LON较LAT对模型贡献更大,而在时序预测STA与SSA中LAT较LON对模型贡献更大。经纬度信息是全球海洋次表层温盐机器学习预测的重要参数,可以提高模型的预测精度。同时,LightGBM较随机森林在预测海洋次表层温盐异常时精度更高鲁棒性更强。

关键词：海洋次表层温盐异常 LightGBM 遥感预测经纬度

来源：评论

学校读者我要写书评

暂无评论

基于BF-SVR-GRU的短时交通流预测方法

引用

贵州大学学报（自然科学版） 2022年第2期39卷 111-118页

作者：龚彭钰邬群勇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 福州大学数字中国研究院(福建) 福建福州350108

短时交通流预测是智能交通管理的重要依据。为了提高短时交通流预测的精度,从交通流内在的稳态特征和动态特征着手,提出一种基于巴特沃兹滤波(Butterworth filter,BF),结合支持向量回归(support vector regression,SVR)算法和门控循环单... 详细信息

短时交通流预测是智能交通管理的重要依据。为了提高短时交通流预测的精度,从交通流内在的稳态特征和动态特征着手,提出一种基于巴特沃兹滤波(Butterworth filter,BF),结合支持向量回归(support vector regression,SVR)算法和门控循环单元(gated recurrent unit,GRU)模型的预测方法,即BF-SVR-GRU模型。该方法先对交通流标准化处理,以加快后续模型计算的速度。通过设置适当阈值,利用巴特沃兹滤波将交通流信息分解为稳态分量和动态分量:稳态分量反映交通流总体变化趋势,动态分量反映突发因素(如交通事故、天气影响等)对交通流的影响。利用门控循环单元对稳态分量进行训练与预测,克服门控循环单元在预测变化剧烈的序列精度较低的问题;支持向量回归对非线性序列预测存在适应性较好、低泛化误差等优点,利用支持向量回归对动态序列进行训练与预测。最后,将稳态分量与动态分量的预测结果整合得到最终预测结果。采用某市不同的两个路口的数据集进行相关实验,结果表明,BF-SVR-GRU预测方法具有较好的预测精度,可为智能交通规划与管理提供有效的建议。

关键词：智能交通巴特沃兹滤波短时交通流预测门控循环单元支持向量回归

来源：评论

学校读者我要写书评

暂无评论

基于多特征优选的平和县蜜柚园遥感提取与扩张分析

引用

贵州大学学报（自然科学版） 2022年第3期39卷 52-61,92页

作者：刘雪萍周小成崔雅君肖祥希福州大学空间数据挖掘和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 福建省林业科学研究院福建福州350012

本文基于谷歌地球引擎(google earth engine,GEE)平台中2020年Sentinel-2数据和数字高程模型(digital elevation model,DEM)数据,在递归特征消除的随机森林(random forest-recursive feature elimination,RF-RFE)特征选择算法基础上结合随机森林(random forest,RF)分类算法,实现了平和县蜜柚园的空间分布制图。根据蜜柚园扩张的先验知识,使用2020年蜜柚园的提取结果对历史Landsat数据进行掩膜,依次获得1990、2000、2010年平和县蜜柚园的空间分布,在此基础上对30年以来平和县蜜柚园的变化进行分析。结果表明:基于GEE平台,使用RF-RFE特征选择后的多特征分类方法可以快速、准确地提取平和县蜜柚园的空间分布。蜜柚园的生产精度和用户精度分别为89.83%和90.59%;平和县蜜柚园面积从1990年的10.5 km^(2)增加到2020年632 km^(2),增加的蜜柚园主要来源于有林地,其次为耕地和香蕉园。本研究可为平和县蜜柚产业的健康发展提供决策支持,同时可为南方地区的果园提取提供技术参考。

关键词：蜜柚园 Sentinel-2 随机森林算法 RF-RFE 平和县

来源：评论

学校读者我要写书评

暂无评论

基于Sentinel-2光谱与地形特征的山区森林分类——以武夷山国家公园为例

引用

海南大学学报（自然科学版） 2023年第2期41卷 160-171页

作者：张春莹江洪林敬兰岳辉福州大学空间数据挖掘和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 福建省水土保持试验站福建福州350002 长汀县水土保持中心福建长汀366300

为了提高山区复杂地形条件下的森林分类精度,以武夷山国家公园为研究区开展山区森林分类研究.以Sentinel-2遥感影像作为数据源,采用多尺度分割方法进行影像分割,并通过ESP2算法选取影像的最优分割尺度.首先构造了Sentinel-2光学影像的初... 详细信息

为了提高山区复杂地形条件下的森林分类精度,以武夷山国家公园为研究区开展山区森林分类研究.以Sentinel-2遥感影像作为数据源,采用多尺度分割方法进行影像分割,并通过ESP2算法选取影像的最优分割尺度.首先构造了Sentinel-2光学影像的初始27维光谱特征,通过计算随机森林Gini指标对分类特征变量进行优化,最终确定17维最优特征变量,然后将提取的研究区地形特征与最优特征变量相结合,应用随机森林算法进行森林分类.结果表明:在27维光谱特征中选取重要性排名前17的特征参与分类时,精度最高值为0.911 0,其中,Sentinel-2影像的红、红边和近红外波段及其相应的光谱指数在森林分类中有较高重要性;在不同的特征参与分类时,在参考光谱特征中依次加入红边指数和地形因子,分类的总体精度分别为88.13%、89.50%、90.87%,Kappa系数分别为0.854 6、0.871 0、0.887 8.研究证明将Sentinel-2丰富的光谱特征与地形因子相结合,可有效获取各森林地物类型在不同地形特征下的不同光谱特征,此方法在森林地物信息提取中具有较高的应用价值,为今后地形复杂的山区森林进行快速、准确的分类提供技术方法参考.

关键词：山区地形森林分类面向对象 Sentinel-2 红边指数

来源：评论

学校读者我要写书评

暂无评论

基于SEVI的复杂地形山区植被FPAR遥感反演与地形效应评估

引用

地球信息科学学报 2020年第8期22卷 1725-1734页

作者：蒋世豪江洪陈慧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州350108

植物吸收性光合有效辐射分量(FPAR)的遥感反演是生态环境领域的核心研究内容之一,但在复杂地形山区,其估算精度严重受到地形效应的影响(包括本影与落影)。本文利用能够消除地形阴影影响的阴影消除植被指数(SEVI)对山区遥感影像进行FPAR... 详细信息

植物吸收性光合有效辐射分量(FPAR)的遥感反演是生态环境领域的核心研究内容之一,但在复杂地形山区,其估算精度严重受到地形效应的影响(包括本影与落影)。本文利用能够消除地形阴影影响的阴影消除植被指数(SEVI)对山区遥感影像进行FPAR反演,并分别与基于不同影像预处理程度计算的归一化植被指数(NDVI)、比值型植被指数(RVI)反演的FPAR做对比分析,以评估复杂山区反演FPAR存在的地形效应。结果表明:在不做地形校正的情况下,基于NDVI与RVI反演FPAR会使得本影及落影区域的值远小于非阴影区域的值,它们的相对误差均大于70%;基于C校正后的NDVI与RVI反演FPAR可以较好地校正本影区域,相对误差降至约6.974%,但落影处的校正效果不明显,相对误差约为48.133%;而基于SEVI反演FPAR无需DEM数据的支持,可以达到经FLAASH+C组合校正后NDVI与RVI反演FPAR相似的结果,且能改善落影区域的地形校正效果,相对误差降至约2.730%。

关键词： FPAR 植被指数 SEVI 地形校正本影落影复杂地形山区

来源：评论

学校读者我要写书评

暂无评论

融合SSAE深度特征学习和LSTM网络的PM2.5小时浓度预测

引用

环境科学学报 2020年第9期40卷 3422-3434页

作者：邓丽邬群勇杨水荣数字中国研究院(福建) 福州350003 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 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

精准的PM2.5小时浓度短期预测,可以有效地提高空气污染的预报预警能力.针对传统的PM2.5预测模型中存在的影响因素考虑不全面且影响因素选择方法适用性不强等问题,本文提出一种融合栈式稀疏自编码器(Stack Sparse Auto-Encoder,SSAE)和... 详细信息

精准的PM2.5小时浓度短期预测,可以有效地提高空气污染的预报预警能力.针对传统的PM2.5预测模型中存在的影响因素考虑不全面且影响因素选择方法适用性不强等问题,本文提出一种融合栈式稀疏自编码器(Stack Sparse Auto-Encoder,SSAE)和长短期记忆神经网络(Long-Short Term Memory,LSTM)的PM2.5小时浓度预测模型.SSAE-LSTM模型综合考虑了时间因素、空间因素、气象因素和空气污染物因素等多种因素对PM2.5的影响,采用SSAE以无监督方式自动提取PM2.5抽象影响特征,实现特征的压缩和降维;然后以提取的抽象特征作为LSTM模型的输入,建立PM2.5时间序列预测模型,挖掘PM2.5历史序列中的长期依赖特征.为了验证方法的有效性,本文基于2016—2018年京津冀城市群71个空气监测站点的空气数据和气象数据,建立SSAE-LSTM模型对各个站点的PM2.5浓度进行离线训练和预测实验.预测结果表明,SSAE-LSTM模型预测精度高于其它预测模型,在所有测试集上的一致性指数(IA)高达0.99,均方根误差RMSE与平均绝对误差MAE降到了13.98和7.90.此外,分析了SSAE-LSTM模型在不同季节的适用性,71个空气监测站点在春、夏、秋、冬4个季节测试集的预测值和实测值均有很好的线性关系,决定系数分别是0.86、0.92、0.96、0.93.对北京市万寿西宫站点的预测结果表明,SSAE-LSTM模型可以用于不同空气质量情况下的PM2.5小时浓度预报,且具有应用上的可行性和可靠性.

关键词： PM2.5小时浓度预测无监督特征学习时间序列建模 SSAE LSTM

来源：评论

学校读者我要写书评

暂无评论

虫害胁迫下毛竹叶绿素含量高光谱估算方法

引用

光谱学与光谱分析 2020年第8期40卷 2578-2583页

作者：李凯陈芸芝许章华黄旭影胡新宇汪小钦福州大学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350116 空间数据挖掘与信息共享教育部重点实验室福建福州350116 福州大学环境与资源学院福建福州350116 南京大学国际地球系统科学研究所江苏南京210093

叶绿素作为参与植被光合作用最重要的色素,是监测毛竹虫害的一项重要指标。通过对不同光谱数据集进行波长筛选,建立虫害胁迫下竹叶叶绿素含量的高光谱估算模型,为利用高光谱遥感监测毛竹虫害提供理论依据。试验在福建省毛竹生产基地顺... 详细信息

叶绿素作为参与植被光合作用最重要的色素,是监测毛竹虫害的一项重要指标。通过对不同光谱数据集进行波长筛选,建立虫害胁迫下竹叶叶绿素含量的高光谱估算模型,为利用高光谱遥感监测毛竹虫害提供理论依据。试验在福建省毛竹生产基地顺昌县进行,使用ASD FieldSpec 3光谱仪采集不同虫害程度竹叶光谱102条,并利用SPAD-502叶绿素计测定相应叶片叶绿素含量。通过对比不同虫害程度竹叶的光谱特征,探测利用高光谱数据估算叶绿素含量的机理。对竹叶原始光谱(OS)进行包络线去除(CR)、一阶导数(FD)、包络线去除一阶导数(CR-FD)变换,分析不同光谱数据与叶绿素含量的相关性,并利用连续投影算法(SPA)分别提取4种光谱的特征波长。采用基于x-y距离结合的样本划分法(SPXY)和随机法对4种光谱数据集进行划分,结合多元逐步回归(MSR)建立竹叶叶绿素含量估算模型,分析光谱变换及样本划分对估算叶绿素含量的影响。结果表明,不同虫害程度竹叶光谱反射率差异明显,主要表现为可见光波段范围内的"绿峰"和"红谷"的逐渐消失,"红边"斜率减小,近红外波长反射率降低。通过光谱变换可有效提升光谱与叶绿素含量的相关性,其中CR-FD光谱与叶绿素含量在724 nm处的相关系数最大。经连续投影算法提取的不同光谱数据集的特征波长集中分布在绿光、红光、"红边"位置,多个被选择波长位于与叶绿素含量相关性较高的波长区(600~750 nm)。基于SPXY样本划分法建立的MSR模型相比于随机样本划分法能显著提升叶绿素含量的估算精度,其中R^2和RPD平均提高0.1和0.5, RMSE平均降低0.7。以CR-FD光谱特征波长结合SPXY样本划分法建立的多元逐步回归模型对竹叶叶绿素含量的估算精度最高,R^2, RMSE和RPD分别为0.835, 2.604和2.364,可对虫害胁迫下毛竹叶片叶绿素含量进行准确的估算。

关键词：叶绿素含量高光谱光谱变换波长筛选 SPXY样本划分

来源：评论

学校读者我要写书评

暂无评论

基于绿视率的福州市鼓楼区道路绿化水平评价

引用

中国城市林业 2021年第3期19卷 73-77,84页

作者：林锦涵陈芸芝汪小钦福州大学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350116 空间数据挖掘与信息共享教育部重点实验室福州350116

针对当前城市街道绿化评价中缺乏对三维空间绿化效果的考量,文章以福州市鼓楼区为例,采集该区域的百度街景图片,基于SegNet图像语义分割模型计算绿视率以评估三维空间绿化水平,通过像元二分法计算植被覆盖度表征平面绿化水平,在此基础... 详细信息

针对当前城市街道绿化评价中缺乏对三维空间绿化效果的考量,文章以福州市鼓楼区为例,采集该区域的百度街景图片,基于SegNet图像语义分割模型计算绿视率以评估三维空间绿化水平,通过像元二分法计算植被覆盖度表征平面绿化水平,在此基础上利用熵权法对鼓楼区道路的整体绿化水平进行评价。结果表明:1)福州市鼓楼区道路总体的绿视率均值为32.44%、植被覆盖度均值为31.32%;鼓楼区道路绿化的绿视率水平比植被覆盖度水平更稳定。2)在基于熵权法的道路整体绿化水平评价中,鼓西街道的道路整体绿化评价得分最高。3)在所有道路中,鼓西街道的北梦山路绿化水平最好,而安泰街道的新权路最差。

关键词：街景图片绿视率 SegNet 植被覆盖度熵权法福州

来源：评论

学校读者我要写书评

暂无评论

基于遥感数据的新疆开-孔河流域农业区种植结构提取

引用

干旱区研究 2020年第2期37卷 532-540页

作者：茶明星汪小钦李娅丽邱鹏勋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 数字中国研究院(福建) 福建福州350108

农作物种植结构是农作物空间格局的重要组成部分,是区域土地资源和水资源优化配置的基础。以新疆开―孔河流域农业区为研究区域,综合利用作物物候信息和2016年的MODIS NDVI时序曲线,获得不同作物生长差异明显的关键期,选择关键期的Lands... 详细信息

农作物种植结构是农作物空间格局的重要组成部分,是区域土地资源和水资源优化配置的基础。以新疆开―孔河流域农业区为研究区域,综合利用作物物候信息和2016年的MODIS NDVI时序曲线,获得不同作物生长差异明显的关键期,选择关键期的Landsat 8 OLI影像,构建主要作物提取知识规则,基于决策树方法开展农作物的分类识别。开―孔河农业区2016年主要作物种植面积为5.07×10^5hm^2,其中棉花种植面积最大,为1.97×10^5hm^2,玉米、小麦次之。博斯腾湖和开都河农业区以辣椒、玉米和小麦为主要作物,种植结构比较零散;孔雀河农业区种植结构比较单一,以棉花和香梨为主要作物。与仅利用时间序列的MODIS数据进行作物分类识别的结果对比表明,综合利用MODIS和Landsat数据的作物识别精度有显著提高,总体分类精度从62.58%提高到88.37%,kappa系数从0.53提高到0.86。该方法综合利用了MODIS数据的时序特征和Landsat数据较高的空间分辨率特征,有效地避免了MODIS数据空间分辨率不足而导致分类精度较差的情况,又避免了Landsat数据时间分辨率不足所引起的时相选择盲目性或数据冗余,在干旱区农业种植结构的提取领域具有一定的应用价值。

关键词：农作物种植结构 MODIS Landsat 8 多源数据集成开都-孔雀河流域

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：