检索结果-内蒙古大学图书馆

农业工程学报 2019年第20期35卷 135-144页

作者：柳晓农江洪汪小钦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 数字中国研究院(福建) 福州350108

山地植被信息在气候变化研究和生态环境保护等方面发挥着重要作用,遥感技术能够快速获取山地植被信息,但是存在山地地形阴影的影响以及山地植被信息混淆问题。该文以山地植被为研究对象,基于Landsat卫星遥感影像多光谱数据,分析山地植... 详细信息

山地植被信息在气候变化研究和生态环境保护等方面发挥着重要作用,遥感技术能够快速获取山地植被信息,但是存在山地地形阴影的影响以及山地植被信息混淆问题。该文以山地植被为研究对象,基于Landsat卫星遥感影像多光谱数据,分析山地植被的主要特点,借鉴阴影消除植被指数(shadow eliminated vegetation index,SEVI)的构造原理及形式,提出了一种适用于山地植被覆盖遥感监测的植被指数算法-植被区分阴影消除植被指数(vegetation distinguished and shadow eliminated vegetation index,VDSEVI)。研究结果表明:相对于已有的其他植被指数,VDSEVI较好地消除了地形阴影的影响;VDSEVI的信息量大,植被覆盖的识别能力较强,较好地解决了植被信息混淆问题,能够更好地反映山地植被覆盖情况。不同土地覆盖类型的VDSEVI存在显著差异;阴影稀疏林地和相邻非阴影稀疏林地的相对误差较小,为3.428%;各土地覆盖类型样本VDSEVI标准差均小于0.06;植被覆盖样本VDSEVI与太阳入射角余弦值(cosi)的相关系数为-0.800。为验证VDSEVI在其他地区的适用性,将VDSEVI应用于内蒙古阿尔山和福州市闽侯县,结果表明VDSEVI同样适用。新疆那拉提、内蒙古阿尔山和福州市闽侯县3个区域基于VDSEVI阈值法的植被信息提取总体精度分别为84.136%、87.339%、86.709%,Kappa系数分别为0.799、0.788、0.791。

关键词：遥感植被山地信息提取植被区分阴影消除植被指数(VDSEVI)

来源：评论

学校读者我要写书评

暂无评论

基于时序Landsat遥感数据的新疆开孔河流域农作物类型识别

引用

农业工程学报 2019年第16期35卷 180-188页

作者：汪小钦邱鹏勋李娅丽茶明星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 数字中国研究院(福建) 福州350108

快速、准确地获取农作物类别信息对农业部门的生产管理、政策制定具有重要作用。目前基于时间序列数据进行农作物分类主要是采用长时间序列的中低分辨率影像,大量的混合像元限制了农作物的分类精度。在农作物分类的特征选择方面主要是... 详细信息

快速、准确地获取农作物类别信息对农业部门的生产管理、政策制定具有重要作用。目前基于时间序列数据进行农作物分类主要是采用长时间序列的中低分辨率影像,大量的混合像元限制了农作物的分类精度。在农作物分类的特征选择方面主要是采用归一化植被指数(normalized differential vegetation index, NDVI),而其他特征量的应用还相对较少。该文以新疆开孔河农业区为研究区域,利用2016年的Landsat7 ETM+、Landsat8 OLI影像数据集,基于时间加权的动态时间规整(time weighted dynamic time warping,TWDTW)方法开展农作物类型识别研究,主要包括香梨、小麦、辣椒、棉花等。根据野外采集的样本点构建主要农作物的NDVI和第一主成分(principal component analysis 1,PCA1)时间序列,以反映不同农作物间的物候差异。基于NDVI数据分别利用DTW和TWDTW算法计算各未知像元序列与标准序列间的相似性程度,得到农作物的分类结果,2种方法的分类精度分别为65.69%、82.68%,表明时间权重的加入提高了DTW算法识别不同农作物的能力。结合NDVI与PCA1后,TWDTW的分类精度又提高了2.61个百分点,部分农作物的误分现象明显减少,说明PCA1能够进一步扩大作物间的差异性,提高分类精度。同时,还通过选取有限时相的影像组合进行分类,试验结果表明TWDTW算法在中高分辨率数据较少的情况下能够得到较为满意的分类结果,说明TWDTW算法在中高分辨率影像越来越丰富的时代具有应用潜力。

关键词：遥感作物分类时间加权的动态时间规整(TWDTW) 时间序列归一化植被指数主成分变换

来源：评论

学校读者我要写书评

暂无评论

结合SVM与图匹配的车载激光点云道路标线识别

引用

地球信息科学学报 2019年第7期21卷 994-1008页

作者：方莉娜黄志文罗海峰陈崇成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350002 空间数据挖掘与信息共享教育部重点实验室福州350002 福建省空间信息工程研究中心福州350002

本文提出一种基于SVM与图匹配相结合的车载激光点云道路标线识别方法。该方法基于标线点云分割对象,利用Hu不变矩、实心形状上下文(SSC)、最小外包矩形(MBR)面积和延展度构建形状特征向量,采用SVM进行道路标线粗分类。针对粗分类结果,... 详细信息

本文提出一种基于SVM与图匹配相结合的车载激光点云道路标线识别方法。该方法基于标线点云分割对象,利用Hu不变矩、实心形状上下文(SSC)、最小外包矩形(MBR)面积和延展度构建形状特征向量,采用SVM进行道路标线粗分类。针对粗分类结果,构建能够精确描述空间语义信息(如局部区域内标线间的排列、方向、距离)的图结构,通过图匹配方法优化粗分类结果,完成直行箭头、人行横道预告标识线、单向转向箭头、双向转向箭头、虚线型标线、斑马线共六类道路标线的精确识别。本文实验采用4份不同场景车载激光点云数据,实验结果中6类标线分类的准确率分别达100%、100%、94.12%、100%、94.94%、99.25%,召回率分别达100%、100%、88.89%、100%、98.21%、99.00%,F1-Measure值分别达100%、100%、91.43%、100%、96.59%、99.12%。结果表明,本文方法能实现多类标线对象的精确识别,并对形状相似标线(如直行箭头、虚线型标线与斑马线)的区分具有较强稳健性。

关键词：车载激光点云道路标线识别形状特征 SVM 图结构图匹配

来源：评论

学校读者我要写书评

暂无评论

面向GF-1 WFV数据的闽江下游叶绿素a反演模型研究

引用

环境科学学报 2019年第12期39卷 4276-4283页

作者：谢婷婷陈芸芝卢文芳汪小钦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

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价水体的富营养化程度.为建立适合于闽江下游叶绿素a浓度的反演模型,利用地面采样数据,结合GF-1 WFV光谱响应函数,选用多元回归、BP神经网络和随机森林方法,构建了叶绿素a浓度... 详细信息

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价水体的富营养化程度.为建立适合于闽江下游叶绿素a浓度的反演模型,利用地面采样数据,结合GF-1 WFV光谱响应函数,选用多元回归、BP神经网络和随机森林方法,构建了叶绿素a浓度反演模型;并根据验证数据与实测值之间的决定系数(R^2)、均方根误差(RMSE)和平均相对误差对模型反演结果进行了比较.结果发现,随机森林模型的R^2为0.895,RMSE为1.994 mg·m^-3,平均相对误差为11.502%,是3种模型中最优的.为了评估模型的性能,进一步比较了WFV影像像元反射率反演的叶绿素a浓度值与相应的实测值.结果表明,随机森林模型同样具有较高的精度,其R^2为0.709,RMSE为3.540 mg·m^-3,平均相对误差为25.616%.本研究可为闽江下游水环境的监测提供一定的理论依据和技术参考.

关键词：叶绿素a 随机森林 BP神经网络 GF-1 WFV

来源：评论

学校读者我要写书评

暂无评论

基于随机森林算法的水土流失影响因子重要性分析

引用

自然灾害学报 2019年第4期28卷 209-219页

作者：陈妙金汪小钦吴思颖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

水土流失是诸多因素综合所致,确定水土流失因子的重要性具有重要意义。本文以福建省为例,利用土壤侵蚀强度等级数据及导致水土流失的年侵蚀降雨量、土壤类型、坡度、坡长、植被覆盖度及土地利用类型等数据,引入随机森林算法,提出通过平... 详细信息

水土流失是诸多因素综合所致,确定水土流失因子的重要性具有重要意义。本文以福建省为例,利用土壤侵蚀强度等级数据及导致水土流失的年侵蚀降雨量、土壤类型、坡度、坡长、植被覆盖度及土地利用类型等数据,引入随机森林算法,提出通过平均精确率减少值(MDA)和平均不纯度减少值(MDG)归一化相加的方法确定要素重要性,并与MDA和MDG排序赋值相加的方法进行对比。结果表明:随机森林算法适用于水土流失影响因子重要性分析;归一化相加法对因子重要性的表征效果较好,优于排序赋值相加法,不仅能判别因子的相对重要性,还可定量表达因子间差异的显著性;在所分析的六个要素中,植被覆盖度最为重要,地形特征次之,而土壤类型对是否发生水土流失重要性影响较弱,与已有的实验和研究结果吻合,结果合理。在判断无流失与其它流失等级间关系时,植被覆盖度的重要性具有很大的优势,量级上是第二位的2倍以上。

关键词：水土流失因子重要性随机森林算法平均精确率减少值(MDA) 平均不纯度减少值(MDG)

来源：评论

学校读者我要写书评

暂无评论

全球海洋次表层温度异常遥感反演的季节时空变化特征

引用

遥感学报 2019年第5期23卷 997-1010页

作者：杨欣苏华黎文娥黄琳瑾汪小钦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350116 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

卫星遥感反演海洋内部多时相、大尺度热力结构信息对于了解海洋内部复杂、多维的动力过程有重要意义。本文采用随机森林回归模型,利用卫星遥感观测的海表参量(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... 详细信息

卫星遥感反演海洋内部多时相、大尺度热力结构信息对于了解海洋内部复杂、多维的动力过程有重要意义。本文采用随机森林回归模型,利用卫星遥感观测的海表参量(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(SSWA)),反演不同季节、不同深度层位(1000 m深度以上)的海洋次表层温度异常(STA),并用Argo实测数据作精度验证,采用均方根误差(RMSE)、归一化均方根误差(NRMSE)以及决定系数(R2)评价模型在全球及洋盆尺度上的反演精度。结果显示,全球海洋16个深度层位的平均R2在春、夏、秋、冬四季分别为0.53、0.60、0.54、0.66,NRMSE分别为0.051、0.031、0.043、0.044。随着季节的变化,模型反演性能有所波动。模型在印度洋的反演效果最佳,不同季节、不同深度层位上的平均R2和RMSE分别为0.71和0.18℃,而大西洋的反演精度最低,平均R2和RMSE分别为0.46和0.25℃。研究表明随机森林模型适用于全球不同季节的STA遥感反演,且在不同洋盆上均有较好的反演效果;不同季节上,上层STA有明显变化信号,空间异质性显著,但300 m以深,STA信号较弱且基本不随季节变化。本研究可为长时序、大尺度海洋内部参量信息遥感反演与重建提供依据,有助于进一步发展深海遥感方法。

关键词：遥感全球海洋次表层温度异常随机森林遥感反演季节时空变化

来源：评论

学校读者我要写书评

暂无评论

基于两期无人机影像的针叶林伐区蓄积量估算

引用

林业科学 2019年第11期55卷 117-125页

作者：周小成何艺黄洪宇许雪琴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 福建金森林业股份有限公司三明353300

【目的】提出一种基于两期无人机影像的针叶林伐区蓄积量估算方法,为促进无人机数据在多类型林业样地资源调查中的深度应用提供依据。【方法】以福建省三明市将乐县金森林业股份有限公司伐区森林小班为试验区,首先,利用无人机遥感获取... 详细信息

【目的】提出一种基于两期无人机影像的针叶林伐区蓄积量估算方法,为促进无人机数据在多类型林业样地资源调查中的深度应用提供依据。【方法】以福建省三明市将乐县金森林业股份有限公司伐区森林小班为试验区,首先,利用无人机遥感获取分辨率优于10 cm的两期影像,经Pix4D软件处理得到点云数据,在此基础上将小班区域未采伐前的林冠点云匹配到采伐后的小班地形点云上;然后,通过布料模拟滤波算法(CSF)分离匹配后的林冠点云和地形点云,采用自然领域插值法分别将林冠点云数据插值生成数字表面模型(DSM)、地形点云数据插值生成数字高程模型(DEM),二者相减获得冠层高度模型(CHM);接着,基于改进的局域最大值法搜索冠层高度模型中的林冠顶点,提取树高;最后,根据野外采集的400株马尾松和杉木树高、胸径数据,建立5个适用于福建省马尾松和杉木的胸径-树高模型,选择相关系数最高的模型推算胸径,并利用福建省单木材积公式估算小班区域蓄积量。【结果】1)两期无人机数据的点云匹配能较好消除陡峭地形对树高提取的影响;2)改进的局域最大值法可有效减少固定窗口搜索林冠顶点时出现的多提和漏提错误;3)小班区域估算株数为339株,实测株数为366株,估算的平均树高为18 m,实测平均树高为19 m,估算蓄积量为182 m^3,实测蓄积为199 m^3,株数、树高和蓄积量的估算精度均较高。【结论】借助无人机遥感技术,可实现森林蓄积量自动化估算,降低传统野外调查成本,推动森林资源的快速调查和更新。

关键词：针叶林采伐蓄积量局域最大值法无人机遥感胸径

来源：评论

学校读者我要写书评

暂无评论

闽三角城市群生态系统服务权衡的时空动态与情景模拟

引用

生态学报 2019年第14期39卷 5188-5197页

作者：税伟杜勇王亚楠杨海峰付银范冰雄黄梦圆福州大学环境与资源学院福州350116 福州大学空间数据挖掘与共享教育部重点实验室福州350116 福州大学福建省空间信息工程研究中心福州350116 福建农林大学经济学院福州350002

闽三角城市群由厦门、泉州和漳州3个城市组成,是我国沿海开放地区之一。21世纪以来,快速的城镇化过程严重影响了该区域的生态安全以及生态系统服务功能,制约了当地的经济社会可持续发展。因此,研究闽三角城市群的生态系统服务权衡协同关... 详细信息

闽三角城市群由厦门、泉州和漳州3个城市组成,是我国沿海开放地区之一。21世纪以来,快速的城镇化过程严重影响了该区域的生态安全以及生态系统服务功能,制约了当地的经济社会可持续发展。因此,研究闽三角城市群的生态系统服务权衡协同关系,对该区域的生态安全协同联动管理以及社会经济可持续发展具有重要意义。估算了闽三角城市群的保水服务、保土服务、NPP和食物供给4种生态系统服务功能,使用空间分析和空间统计等方法分析其时空动态变化和相互之间的权衡协同关系,并在不同情景下模拟了2030年的生态系统服务空间分布和权衡关系。结果表明:2005-2015年来,闽三角城市群的保水服务、保土服务、NPP和食物供给四种生态系统服务功能均呈下降趋势;在2005-2015年间,闽三角城市群的保水、NPP与保土3种服务之间呈现协同关系,食物供给服务与其他三种服务均呈权衡关系,虽四种服务的权衡协同关系未变,但权衡协同程度发生了复杂的变化;在空间分布特征上,晋江流域的生态系统服务权衡协同程度均高于九龙江流域,闽三角3个城市的生态系统服务权衡协同关系统一呈现厦门市>泉州市>漳州市;在不同情境设置中,自然情景下4种生态系统服务出现大幅降低,协同关系主要呈降低趋势,而权衡关系加剧,与规划情景相比,保护情景下的协同关系更高,权衡关系更低。

关键词：生态系统服务权衡协同情景模拟闽三角城市群

来源：评论

学校读者我要写书评

暂无评论

基于地面激光雷达点云数据的森林树高、胸径自动提取与三维重建

引用

遥感技术与应用 2019年第2期34卷 243-252页

作者：骆钰波黄洪宇唐丽玉陈崇成张浩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

针对亚热带环境条件下森林树高、胸径自动化提取精度较低、单木形态模拟较为困难的问题,提出基于地面激光雷达点云数据提取森林树高、胸径及重建森林场景三维模型的方法。首先采用变尺度地面点识别法获取地面点并构建DEM。然后根据树木... 详细信息

针对亚热带环境条件下森林树高、胸径自动化提取精度较低、单木形态模拟较为困难的问题,提出基于地面激光雷达点云数据提取森林树高、胸径及重建森林场景三维模型的方法。首先采用变尺度地面点识别法获取地面点并构建DEM。然后根据树木主干点云主方向相似度及轴向分布密度分割主干与其他植物器官点云。接着以主干点云为基础,采用迭代最小二乘拟合圆柱的方法自动提取树木位置、胸径;构建点云的八叉树结构,利用体素的空间邻接性实现点云分割,自动提取树高。最后,结合单株植物建模技术,以树根节点为纽带构建样地尺度上的森林场景三维模型。实验结果显示,胸径估测R^2为0.996,平均相对误差为2.09%,RMSE为0.66 cm;树高估测R^2为0.972,平均相对误差为2.16%,RMSE为0.92 m;所重建的森林场景三维模型可表达森林样地的真实形态。

关键词：地面激光雷达树高胸径点云分割三维重建

来源：评论

学校读者我要写书评

暂无评论

基于TWDTW的时间序列GF-1 WFV农作物分类

引用

中国农业科学 2019年第17期52卷 2951-2961页

作者：邱鹏勋汪小钦茶明星李娅丽福州大学/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)

【目的】焉耆盆地是新疆重要的特色农产品生产基地,农作物种植结构较为复杂。利用时间序列的遥感数据对研究区内的农作物进行分类识别,获得不同农作物的空间分布、种植面积等信息,为政府部门制定粮食政策、经济计划提供重要依据。同时... 详细信息

【目的】焉耆盆地是新疆重要的特色农产品生产基地,农作物种植结构较为复杂。利用时间序列的遥感数据对研究区内的农作物进行分类识别,获得不同农作物的空间分布、种植面积等信息,为政府部门制定粮食政策、经济计划提供重要依据。同时探讨时间加权的动态时间弯曲(time weighted dynamic time warping,TWDTW)方法在农作物分类识别中的适用性以及高分一号(GF-1)WFV在农业领域的应用潜力。【方法】以新疆焉耆盆地为研究区域,利用2018年作物生长季的GF-1 WFV时间序列数据集计算归一化植被指数(NDVI),基于TWDTW方法开展农作物分类识别研究。分别采集不同作物的样本点,形成各作物NDVI的标准序列。利用TWDTW相似性匹配算法计算每个待分类像元与不同作物标准序列间的相似度距离,距离值越小则相似性越高,通过对比确定像元的农作物类型,得到最终的分类结果,同时根据时间序列NDVI曲线建立决策树(decision trees,DTs)分类规则,人工设置分类阈值得到分类结果,并与TWDTW方法的结果进行对比分析。【结果】2种方法的分类结果较为一致,辣椒的种植范围最广,小麦主要分布在焉耆盆地北部和西部的农二师二十一团,番茄和甜菜的种植分布较为零星。在种植面积统计中,辣椒的种植面积最大,其后依次为番茄、小麦和甜菜。利用野外样本点对决策树和TWDTW两种方法的分类结果进行精度验证,总体精度分别为89.58%和90.97%,kappa系数为0.804和0.830,TWDTW方法的分类精度相比于决策树法略有提高。【结论】相比于决策树分类方法,TWDTW方法的分类精度略有提高的同时,分类结果客观可靠,而且算法不受地域因素限制,具有较强的灵活性和适用性。基于密集时相的GF-1 WFV数据集,采用TWDTW算法对农作物进行分类,得到较好的分类结果,能够满足农业部门的管理决策需求,该方法在农业领域具有较大的应用和推广价值。

关键词： TWDTW 时间序列高分一号农作物分类决策树

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：