检索结果-内蒙古大学图书馆

光谱学与光谱分析 2021年第8期41卷 2565-2571页

作者：黄邵东徐伟恒熊源吴超代飞徐海峰王雷光寇卫利西南林业大学大数据与智能工程学院云南昆明650233 西南林业大学大数据与智能工程研究院云南昆明650233 西南林业大学林业生态大数据国家林业与草原局重点实验室云南昆明650233

云南茶园主要分布于山区,往往与其他地物混合,破碎化程度高,给基于遥感的高精度茶园提取带来困难。破碎化山地茶园的遥感识别能力有待进一步提高。以西双版纳北部及普洱市南部山区为研究区,以高分一号(GF-1)遥感影像为数据源,基于易康(e... 详细信息

云南茶园主要分布于山区,往往与其他地物混合,破碎化程度高,给基于遥感的高精度茶园提取带来困难。破碎化山地茶园的遥感识别能力有待进一步提高。以西双版纳北部及普洱市南部山区为研究区,以高分一号(GF-1)遥感影像为数据源,基于易康(eCognition9.0)软件,采用多尺度分割(MRS)方法对影像进行分割,并通过ED3_(Modified))评估影像的最优分割尺度。首先构造了包括14个光谱特征、6个纹理特征和3个空间特征的23维初始特征,通过计算样本的分离度对分类特征空间进行优化,确定了16维最优特征空间。然后应用面向对象的监督分类方法[贝叶斯(Bayes)、决策树5.0(DT5.0)及随机森林(RF)]对研究区茶园进行提取。采用实地调查样点和随机点结合的方法对提取结果进行精度验证,并比较了不同分类方法的茶园提取精度。面向对象的监督分类[多分类(茶园、森林、农田、不透水层、水体)]结果的总体精度(OA)和Kappa系数分别为(Bayes:87.73%,0.70),(DT:88.52%,0.72),(RF:91.23%,0.78)。三种分类方法对茶园提取的生产者精度(PA)和使用者精度(UA)分别为(Bayes:67.23%,75.33%),(DT:68.84%,83.83%),(RF:70.54%,87.13%);相比于面向对象的RF多分类,面向对象RF二分类(茶园、其他地物)OA和Kappa系数分别提高了3.24%和0.07,茶园提取的PA与UA分别提高了5.99%和5.61%;相较于仅利用光谱特征的基于像元的RF多分类,面向对象的RF二分类OA与Kappa系数分别提高了23.32%和0.27,茶园提取PA与UA分别提高了21.10%和29.03%。结果表明:采用面向对象的监督分类方法在对茶园提取方面有应用潜力,尤其面向对象的RF分类精度更高,二分类相较于多分类对于茶园提取更为精细和准确。该方法对于复杂、破碎山地茶园提取精度较高,能够满足基于高空间分辨率多光谱影像的茶园精细化识别应用需求。

关键词：茶园面向对象 GF-1 纹理特征空间特征多光谱监督分类

来源：评论

学校读者我要写书评

暂无评论

区域多尺度马尔可夫随机场的遥感影像分类

引用

遥感学报 2020年第3期24卷 245-253页

作者：代沁伶罗斌郑晨王雷光武汉大学印刷与包装系武汉430079 西南林业大学设计学院昆明650224 武汉大学测绘遥感信息工程国家重点实验室武汉430079 河南大学数学与统计学院开封475000 西南林业大学大数据与人工智能研究院昆明650224 西南林业大学林业生态大数据国家林业局重点实验室昆明650224

多尺度分析技术广泛应用于高分辨率遥感影像的特征提取和建模。分解层数受制于影像的大小,下采样小波变换实现的影像多尺度表达难以描述大范围的空间模式,导致分类结果出现"胡椒盐"现象;面向对象的影像分析技术虽避免了"... 详细信息

多尺度分析技术广泛应用于高分辨率遥感影像的特征提取和建模。分解层数受制于影像的大小,下采样小波变换实现的影像多尺度表达难以描述大范围的空间模式,导致分类结果出现"胡椒盐"现象;面向对象的影像分析技术虽避免了"胡椒盐"现象,但由于仅利用了单尺度的的特征,也难以描述影像多层次的空间模式,导致分类精度较低。为改善分类结果中的"胡椒盐"现象和提高分类精度,提出了一种结合区域多尺度遥感影像分割和马尔可夫随机场的分类方法。首先,获得原始影像过分割区域,依据区域内亮度均值以及区域间的共享边界长度信息,提取影像低频和高频特征,采用该低频特征波段代替原始影像,重复分割与特征波段提取过程,形成影像的区域多尺度表达。然后,以原始图像为初始尺度,以分割区域为处理单元,以更细尺度分类结果为标记场先验,以当前高频特征建立特征场,逐层分类、投影,获得最终尺度分类结果。合成纹理影像和多光谱遥感影像的实验表明:相比于小波域多尺度建模方法和单尺度区域建模方法,本文提出的方法可以有效提高分类精度,并避免"胡椒盐"现象的产生。

关键词：高分辨率遥感影像分类区域分割马尔可夫随机场多尺度模型

来源：评论

学校读者我要写书评

暂无评论

滇中地区典型火烧迹地恢复率动态变化及其影响因子

引用

资源科学 2021年第12期43卷 2465-2474页

作者：吴超徐伟恒肖池伟王秋华袁华董建娥黄邵东熊源西南林业大学大数据与智能工程学院昆明650233 西南林业大学大数据与智能工程学院昆明650233 西南林业大学大数据与智能工程研究院昆明650233 西南林业大学生态大数据国家林业与草原局重点实验室昆明650233 中国科学院地理科学与资源研究所北京100101 西南林业大学土木工程学院昆明650233 西南林业大学林学院昆明650233

定量评估林火燃烧程度、坡度、植被类型等对火烧后植被动态恢复的影响,对及时掌握火烧迹地的变化及更新演替规律和提升森林资源可持续经营管理水平具有重要价值.本文以2006年云南省安宁市3·29和2012年云南省易门县3·18森林火... 详细信息

定量评估林火燃烧程度、坡度、植被类型等对火烧后植被动态恢复的影响,对及时掌握火烧迹地的变化及更新演替规律和提升森林资源可持续经营管理水平具有重要价值.本文以2006年云南省安宁市3·29和2012年云南省易门县3·18森林火烧迹地为研究对象,利用Landsat-5/TM、Landsat-7/ETM+和Landsat-8/OLI时间序列影像,基于Google Earth Engine云计算平台实现影像收集与指数计算.首先,利用归一化燃烧率和差分归一化燃烧率提取火烧迹地,并进行燃烧程度分级.其次,利用燃烧恢复率,探究火烧迹地的恢复率动态变化规律,并利用因子探测法分析燃烧程度、坡度和植被类型对燃烧恢复率的独立解释力.结果表明:①对安宁3·29和易门3·18火烧迹地,从燃烧恢复率指标看,燃烧程度为低和中低的火烧迹地,在火灾发生6～7年后火烧迹地恢复率达100％以上,而中高和高燃烧程度的火烧迹地恢复率达100％以上则需要7～9年.②在燃烧恢复率的独立解释因子中,灾后植被类型的独立解释力最高,也即灾后植被类型对火烧迹地的恢复率影响最大,燃烧程度次之,坡度最低.本文结果将为火烧迹地恢复状况评估提供参考,也有助于了解滇中乃至中国西南地区复杂地形下森林火灾发生后的植被动态恢复过程.

关键词：火烧迹地 Landsat影像恢复评估燃烧程度燃烧恢复率地理探测器滇中地区

来源：评论

学校读者我要写书评

暂无评论

遥感在茶园监测中的应用研究进展

引用

西部林业科学 2020年第2期49卷 1-9,23页

作者：黄邵东徐伟恒吴超戴杨寇卫利西南林业大学大数据与智能工程学院云南昆明650233 西南林业大学大数据与智能工程研究院云南昆明650233 西南林业大学林业生态大数据国家林业与草原局重点实验室云南昆明650233

科学有效的茶园遥感监测技术是茶园管理、土地利用管理及产业政策制定的基础。了解国内外遥感技术在茶园监测中的应用研究进展,对大尺度茶园提取、茶园灾害预警、地表覆被变化等研究具有重要意义。本文梳理了遥感技术在茶园监测中的应... 详细信息

科学有效的茶园遥感监测技术是茶园管理、土地利用管理及产业政策制定的基础。了解国内外遥感技术在茶园监测中的应用研究进展,对大尺度茶园提取、茶园灾害预警、地表覆被变化等研究具有重要意义。本文梳理了遥感技术在茶园监测中的应用历史,总结了1999年以前、2000-2010年、2011-2020年3个时期遥感技术在茶园监测中的应用情况。此外,归纳总结了茶园监测中的遥感数据源、分类算法及遥感信息(光谱指数、纹理特征等),分析了遥感技术在茶园监测应用方面的研究重点以及不足之处。最后,对未来遥感茶园监测相关研究提出了建议与展望。随着传感器数量不断增加,遥感影像时间分辨率、空间分辨率及光谱分辨率不断提高,分类算法的不断涌现,光谱指数的广泛应用。基于多源遥感和时间序列数据,集成智能算法对茶园进行大尺度遥感监测将成为必然的发展趋势。

关键词：茶园遥感分类算法光谱指数纹理特征监测

来源：评论

学校读者我要写书评

暂无评论

基于Landsat-8和Sentinel-2时间序列合成影像的山区甘蔗种植区提取

引用

热带作物学报 2023年第6期44卷 1276-1287页

作者：康倩文徐伟恒王雷光洪泽湖刘运西南林业大学大数据与智能工程学院云南昆明650233 西南林业大学大数据与智能工程研究院云南昆明650233 西南林业大学林业生态大数据国家林业与草原局重点实验室云南昆明650233

山区耕地破碎化现象严重,种植结构复杂,加之山区多云雨天气使得遥感影像质量难以保证,给基于遥感的山区甘蔗种植区提取带来困难。为探究适用于山区甘蔗种植区提取的方法,本研究以典型山区甘蔗种植区云南省玉溪市新平县为研究区,以2019... 详细信息

山区耕地破碎化现象严重,种植结构复杂,加之山区多云雨天气使得遥感影像质量难以保证,给基于遥感的山区甘蔗种植区提取带来困难。为探究适用于山区甘蔗种植区提取的方法,本研究以典型山区甘蔗种植区云南省玉溪市新平县为研究区,以2019年10月1日至2021年7月1日过境新平县的Landsat-8和Sentinel-2光学影像为数据源,结合DEM数据和野外调查数据,基于谷歌地球引擎(google earth engine,GEE)云计算平台构建高空间、高时间分辨率的时间序列合成影像,借助甘蔗与常绿植被、水体、不透水层、其他农作物在光谱指数特征、物候特征、地形特征上的差异,采用上升时间、下降时间、上积分、下积分4个物候参数以及海拔、坡度因子确定提取甘蔗的最佳阈值,对研究区2020年甘蔗种植区进行提取并绘制2020年新平县甘蔗种植区分布图,最后对提取结果进行精度验证与甘蔗空间分布规律分析。结果表明:基于Landsat-8和Sentinel-2合成的时间序列影像可以增加研究区内像元的良好观测次数并提高影像的空间分辨率,克服了山区遥感影像质量不高的问题,可更好地监测植被物候特征与季节变化;本研究甘蔗种植区提取总体精度为97.07%,Kappa系数为0.83,其中甘蔗的用户精度为88.85%,制图精度为80.57%;新平县2020年甘蔗种植区面积为7705 hm^(2),甘蔗种植区的空间分布随新平县西北高东南低的地势呈现出东南多于西北的现象,且乡镇间甘蔗种植区面积差异显著,甘蔗种植面积最大的乡镇为漠沙镇(2786 hm^(2)),面积最小的乡镇为古城街道(0.87 hm^(2)),与实际调研情况一致。通过对物候参数进行敏感性分析发现,同时使用上升时间、下降时间、上积分、下积分4个物候参数进行甘蔗提取,可提高用户精度,减少错分误差。该研究提出的甘蔗种植区提取算法可为山区复杂地形下甘蔗种植区提取提供参考。

关键词：甘蔗物候时间序列影像影像合成谷歌地球引擎

来源：评论

学校读者我要写书评

暂无评论

遥感在生态环境质量监测与评价中的应用现状研究

引用

西南林业大学学报（自然科学） 2023年第2期43卷 195-204页

作者：徐伟恒熊源黄邵东王雷光孔雷钱瑞康倩文代东甫西南林业大学大数据与智能工程学院云南昆明650233 西南林业大学大数据与智能工程研究院云南昆明650233 西南林业大学林业生态大数据国家林业和草原局重点实验室云南昆明650233 西南林业大学林学院云南昆明650233

遥感具有快速、实时、监测范围广等特点,在生态环境质量监测与评估方面发挥了重要作用。对国内外1993—2020年间该领域相关文献进行研究。结果表明:在指数方面,能表征植被状况的植被指数(如NDVI等)、能表征城市化状况的建筑指数(如NDBSI... 详细信息

遥感具有快速、实时、监测范围广等特点,在生态环境质量监测与评估方面发挥了重要作用。对国内外1993—2020年间该领域相关文献进行研究。结果表明:在指数方面,能表征植被状况的植被指数(如NDVI等)、能表征城市化状况的建筑指数(如NDBSI等),以及能表征区域人类活动的地表温度(LST)被广泛应用于生态环境质量监测与评价;在模型方面,更能综合反映生态环境质量的综合指数模型(如RSEI等)是当前生态环境质量监测与评价中常用的模型;在评价方法方面,以主成分分析法为代表的客观赋权法是当前生态环境质量评价的主流方法。结合多源遥感数据和综合指数模型多视角定量评估区域生态环境质量和利用长时间序列数据动态监测生态环境质量变化是当前研究的热点。

关键词：遥感生态环境质量监测评价综述

来源：评论

学校读者我要写书评

暂无评论

云南普洱茶种古茶树资源表型性状数据分析研究

引用

西部林业科学 2020年第6期49卷 144-151,157页

作者：陶萍宋燚张晴晖李俊萩戴杨蓝增全西南林业大学大数据与智能工程学院云南昆明650224 西南林业大学林业生态大数据国家林业与草原局重点实验室云南昆明650224 西南林业大学绿色发展研究院云南昆明650224

在基于Django框架构建的古茶树数据平台收集临沧、文山、德宏、普洱、西双版纳5个州市14个县不同茶区的64份普洱茶种古茶树资源的16个主要表型性状数据,提出一种基于Python的Anaconda来统计古茶树描述型性状的方法,并采用相关性分析、... 详细信息

在基于Django框架构建的古茶树数据平台收集临沧、文山、德宏、普洱、西双版纳5个州市14个县不同茶区的64份普洱茶种古茶树资源的16个主要表型性状数据,提出一种基于Python的Anaconda来统计古茶树描述型性状的方法,并采用相关性分析、主成分分析、聚类分析等方法对古茶树表型性状数据进行分析研究。结果表明,64份云南普洱茶种古茶树资源的描述型性状变异丰富,遗传多样性指数为0.6937~1.1967。按照表型性状遗传多样性进行聚类,临翔区(邦东乡)古茶树种类较丰富,在选种培育上具有优势。

关键词：云南普洱茶种古茶树资源表型性状遗传多样性

来源：评论

学校读者我要写书评

暂无评论

高光谱-LiDAR融合的条件随机场分类方法

引用

红外与激光工程 2021年第12期50卷 552-563页

作者：王雷光耿若筝代沁伶王军郑晨付志涛西南林业大学大数据与人工智能研究院云南昆明650224 西南林业大学森林生态大数据国家林业与草原局重点实验室云南昆明650224 西南林业大学林学院云南昆明650224 西南林业大学艺术与设计学院云南昆明650224 河南大学数学与统计学院河南开封475004 昆明理工大学国土资源工程学院云南昆明650093

为有效利用高光谱影像与LiDAR数据的互补性信息,解决单一融合策略造成的场景解译地物边界不准确和分类精度低的问题,提出了一种光谱-空间-高度特征融合、并顾及场景地物类别共生特性的条件随机场分类方法。首先,对两种数据分别提取光谱... 详细信息

为有效利用高光谱影像与LiDAR数据的互补性信息,解决单一融合策略造成的场景解译地物边界不准确和分类精度低的问题,提出了一种光谱-空间-高度特征融合、并顾及场景地物类别共生特性的条件随机场分类方法。首先,对两种数据分别提取光谱及形态学特征,对特征集采用图模型进行特征融合,将特征输入概率支持向量机分类器,得到初始分类结果。然后,基于融合特征计算反映像素间类别本质差异的局部光谱-空间-高度协同的异质性值,并统计类别间的空间共生关系。最后,在条件随机场框架内,整合初始分类结果、局部异质性信息及类别共生关系,通过目标函数的迭代求解获得最终分类结果。通过将像素间的权重定义为对应像素位置融合特征的归一化欧式距离的单调减函数,对标记不同但特征差异较大的类别间给予较小的权重,以达到地物边界空间规整化的目的。通过对标记不同但共生概率较大的类别对给予较小的权重,达到保留空间关系稳定的类别对的目的。采用城区场景的美国休斯顿地区数据集和林区场景的中国广西高峰林场两组数据集对提出方法进行了验证。实验结果表明:休斯顿和高峰林场数据集精度分别达到94.00%和92.84%,分类结果的"胡椒盐"现象明显减少,证明了该方法的有效性。

关键词：高光谱 LiDAR 条件随机场图模型特征融合局部异质性空间共生关系

来源：评论

学校读者我要写书评

暂无评论

基于I-FCN模型的城市高分辨率遥感影像植被信息提取

引用

西南林业大学学报（自然科学） 2019年第3期39卷 117-123页

作者：马海艺张天怡代沁伶代飞王雷光西南林业大学林学院云南昆明650233 西南林业大学林业生态大数据国家林业与草原局重点实验室云南昆明650233 西南林业大学大数据与人工智能研究院云南昆明650233 西南林业大学设计学院云南昆明650233

为了提高城市高分辨率遥感影像中植被信息的提取精度,提出一种改进的全卷积神经网络模型,通过大量的训练数据获得最佳模型参数,进行植被信息的提取,并与支持向量机、面向对象法、经典的FCN模型方法提取的植被信息进行对比分析。结果表明... 详细信息

为了提高城市高分辨率遥感影像中植被信息的提取精度,提出一种改进的全卷积神经网络模型,通过大量的训练数据获得最佳模型参数,进行植被信息的提取,并与支持向量机、面向对象法、经典的FCN模型方法提取的植被信息进行对比分析。结果表明:提出的网络模型不但能够有效缓解"椒盐现象",还能保证小面积的植被提取与植被区域边界的准确性。该方法可自动综合多种特征,所以可有效减少植被像元的误分与漏分现象,提高植被提取精度。

关键词：全卷积神经网络高分辨率遥感影像城市植被椒盐现象

来源：评论

学校读者我要写书评

暂无评论

云南香格里拉地区森林优势树种决策融合分类

引用

遥感技术与应用 2022年第3期37卷 638-650页

作者：方攀飞王雷光徐伟恒欧光龙代沁伶李若楠西南林业大学林学院云南昆明650233 西南林业大学大数据与人工智能研究院云南昆明650024 西南林业大学森林生态大数据国家林业和草原局重点实验室云南昆明650024 西南林业大学艺术与设计学院云南昆明650233

基于Google Earth Engine(GEE)云计算平台,协同Sentinel-2影像、WordClim生物气候数据、SRTM地形数据、森林资源二类调查数据等数据,以随机森林(Random Forest,RF),支持向量机(Support Vector Machine,SVM)和最大熵(Maximum Entropy,MaxEnt)3种机器学习算法为组件分类器,开展多源特征、多分类器决策融合的优势树种分类研究。通过3种组件分类器分别构建了两种串行集成和3种贝叶斯并行集成模型,用于确定云南香格里拉地区10种主要优势树种的空间分布。分类结果显示:3个组件分类器的总体精度均低于67.17%;3种并行集成方法总体精度相当,约为72%;两种串行集成方法精度高于78.48%,其中MaxEnt-SVM串行集成方法获得最佳精度(OA:80.66%,Kappa:0.78),与组件分类器相比精度至少提高了13.49%。研究表明:决策融合方法在优势树种分类中比组件分类器精度更高,并且有效改善了小样本树种的分类精度,可用于大范围山区优势树种分类。

关键词：优势树种机器学习决策融合 GEE

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：