期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于Sentinel-2时序数据的新疆焉耆盆地农作物遥感识别与评估
1
作者 张旭辉 玉素甫江·如素力 +2 位作者 仇忠丽 亚夏尔·艾斯克尔 阿卜杜热合曼·吾斯曼 《干旱区地理》 CSCD 北大核心 2024年第4期672-683,共12页
为及时准确地获取干旱区农作物种植信息,研究借助PIE-Engine Studio平台,以新疆焉耆盆地为研究区,基于2022年Sentinel-2影像和1948个野外定位采样数据提取农作物生育期内14种植被指数,使用See5.0决策树、随机森林(Randomforest,RF)和多... 为及时准确地获取干旱区农作物种植信息,研究借助PIE-Engine Studio平台,以新疆焉耆盆地为研究区,基于2022年Sentinel-2影像和1948个野外定位采样数据提取农作物生育期内14种植被指数,使用See5.0决策树、随机森林(Randomforest,RF)和多元回归(Multiple regression,MR)模型优选特征参数,结合支持向量机(Support vector machine,SVM)算法构建5种分类模型和5种样方分割方案进行农作物种植信息提取,通过目视解译和混淆矩阵对比分析分类结果,确定最佳分类方案。结果表明:(1)所有分类模型的总体精度(OA)和Kappa系数均在92.20%和0.9037以上,说明在PIE平台中使用SVM算法提取农作物信息是可行的。(2)SVM-有红边的OA和Kappa系数均值为93.77%和0.9236,比SVM-无红边方法提高了0.96%和0.0120。(3)相比于SVM-有红边方法,植被指数的引入提高了SVM-RF、SVM-MR和SVM-See5.0的OA和Kappa系数。(4)5种分类模型的OA和Kappa系数均值的大小关系为:SVM-RF>SVM-MR>SVM-See5.0>SVM-有红边>SVM-无红边,表明红边波段和植被指数的加入显著提高了农作物识别的精度,其中SVM-RF(8:2)为最佳分类模型,OA和Kappa系数分别为98.72%和0.9866。研究结果可为准确快速获取大尺度干旱区农作物信息提供新的思路和参考依据。 展开更多
关键词 农作物 Sentinel-2 支持向量机 PIE-Engine Studio 焉耆盆地
下载PDF
基于多端元解混模型的博斯腾湖区域植被和水域时空变化特征及趋势分析
2
作者 亚夏尔·艾斯克尔 玉素甫江·如素力 《干旱区地理》 CSCD 北大核心 2023年第10期1622-1631,共10页
湿地高精度动态变化遥感监测,对于湿地保护和恢复具有重要的实践意义。以新疆博斯腾湖湿地为研究对象,运用多端元混合像元分解(Multiple endmember spectral mixture analysis,MES⁃MA)模型提取Landsat影像中植被、水体和裸地面积,通过... 湿地高精度动态变化遥感监测,对于湿地保护和恢复具有重要的实践意义。以新疆博斯腾湖湿地为研究对象,运用多端元混合像元分解(Multiple endmember spectral mixture analysis,MES⁃MA)模型提取Landsat影像中植被、水体和裸地面积,通过无人机影像验证精度后,结合趋势分析法探明2000—2022年博斯腾湖湿地时空变化特征及趋势。结果表明:(1)通过无人机影像重采样精度验证的MESMA分类结果中植被像元拟合优度(R2)为0.75,水体像元R2为0.84,表明分类结果符合实际地物情况。(2)2000—2022年博斯腾湖湿地植被面积共增加536.65 km^(2),增加了183.14%;水域面积则减少595.76 km^(2),减少了37.07%;裸地面积共增加99.12 km^(2),增加了25.42%。(3)博斯腾湖湿地植被面积呈增加趋势的区域占总面积的30.6%,位于大湖区西北部和小湖区北部;反之水域面积呈减少趋势的区域占总面积的34.6%,位于大湖北岸、东岸及小湖湿地。准确掌握博斯腾湖湿地时空变化情况及其趋势,可对干旱区内陆湿地监测与保护提供参考依据。 展开更多
关键词 MESMA 混合像元 湿地 时空变化 博斯腾湖
下载PDF
基于TVDI的天山新疆段土壤湿度时空分布及影响因素分析 被引量:3
3
作者 迪里胡玛尔·阿汗木江 玉素甫江·如素力 亚夏尔·艾斯克尔 《测绘工程》 CSCD 2022年第5期61-69,共9页
利用遥感数据反演土壤湿度对农作物干旱、生态系统保护及能量循环有重要的指导作用。文中以天山新疆段为研究区,利用MODIS地表温度(Ts)数据和归一化植被指数(NDVI)数据构建Ts-NDVI特征空间,并建立温度植被干旱指数(TVDI)模型,探究天山... 利用遥感数据反演土壤湿度对农作物干旱、生态系统保护及能量循环有重要的指导作用。文中以天山新疆段为研究区,利用MODIS地表温度(Ts)数据和归一化植被指数(NDVI)数据构建Ts-NDVI特征空间,并建立温度植被干旱指数(TVDI)模型,探究天山新疆段土壤湿度的时空分布格局,进一步分析土地利用类型和高程对TVDI的影响。结果表明,构建的Ts-NDVI特征空间,其散点符合三角形关系,TVDI与土壤相对湿度数据呈负相关关系,该地区,除了水体外,永久性冰川雪地土壤湿度最高,沙地最低;高程越高TVDI越小,土壤湿度越高。总体而言,TVDI应用在天山新疆段可以较好地反映该区域的土壤湿度状况,研究结果可为天山新疆段土壤湿度动态监测和水资源提供理论依据和实践参考。 展开更多
关键词 TVDI模型 地表温度 天山新疆段 土壤湿度 植被指数
下载PDF
基于不同植被指数TVDI和VSWI模型的焉耆盆地土壤湿度反演 被引量:2
4
作者 迪里胡玛尔·阿汗木江 玉素甫江·如素力 +3 位作者 买合木提江·维吉旦 张发 陈世雪 亚夏尔·艾斯克尔 《湖北农业科学》 2021年第21期122-129,共8页
以新疆焉耆盆地为研究区域,基于Landsat 8 OLI数据计算归一化植被指数(NDVI)、增强型植被指数(EVI)、改进的修正土壤调整植被指数(MSAVI)、土壤调整植被指数(SAVI)以及地表温度(Ts)等,建立温度植被干旱指数(TVDI)模型和植被供水指数(VS... 以新疆焉耆盆地为研究区域,基于Landsat 8 OLI数据计算归一化植被指数(NDVI)、增强型植被指数(EVI)、改进的修正土壤调整植被指数(MSAVI)、土壤调整植被指数(SAVI)以及地表温度(Ts)等,建立温度植被干旱指数(TVDI)模型和植被供水指数(VSWI)模型反演新疆焉耆盆地的土壤湿度,比较不同土壤湿度反演模型对研究区的适应性,进一步分析焉耆盆地土壤湿度的空间分布特征。结果表明,构建NDVI-Ts、MSAVI-Ts、SAVI-Ts、EVI-Ts空间特征,其散点符合三角形的关系,R^(2)均0.83以上;利用不同植被指数NDVI、MSAVI、SAVI、EVI计算出的TVDI、VSWI与土壤相对湿度0~10 cm RSM数据呈现负相关关系,两种模型具有较高的一致性,利用MSAVI指数反演的TVDI、VSWI决定系数最高,R^(2)分别为0.296、0.235;焉耆盆地湿度总体上以半干旱(0.6<TVDI、VSWI<0.8)为主,以干旱(TVDI、VSWI>0.8)为辅;土壤湿度空间格局,焉耆盆地中部出现正常现象,东南部和东北部出现干旱现象。TVDI、VSWI模型可以实现对焉耆盆地土壤湿度反演,为焉耆盆地水资源与生态环境研究提供较好的参考信息。 展开更多
关键词 焉耆盆地 TVDI模型 VSWI模型 Landsat 8 OLI 植被指数
下载PDF
基于不同机器学习的农作物遥感分类与精度评价研究——以新疆维吾尔自治区阜康市为例 被引量:1
5
作者 张旭辉 玉素甫江·如素力 +2 位作者 仇忠丽 亚夏尔·艾斯克尔 阿卜杜热合曼·吾斯曼 《新疆师范大学学报(自然科学版)》 2022年第3期17-28,共12页
为及时准确地获取干旱区农作物种植信息,确保干旱区粮食安全和保障农业可持续发展,文章以多时相Sentinel-2影像和野外采样为主要数据源,依据新疆阜康市农作物物候特征,提取不同时期的农作物植被指数,并按时间顺序进行统计,建立植被指数... 为及时准确地获取干旱区农作物种植信息,确保干旱区粮食安全和保障农业可持续发展,文章以多时相Sentinel-2影像和野外采样为主要数据源,依据新疆阜康市农作物物候特征,提取不同时期的农作物植被指数,并按时间顺序进行统计,建立植被指数时序变化曲线,并对其特征进行分析。使用See5.0决策树算法、分类与回归树(CART)算法和随机森林(RF)算法开展农作物遥感分类研究,用传统精度评价指标和破碎度指标对分类结果进行比较、分析和验证。结果表明:See5.0算法的总体精度为93.15%,高于RF算法(84.35%)和CART算法(78.26%),Kappa系数的关系为See5.0(0.8856)>RF(0.8020)>CART(0.7441),See5.0算法的总体精度和Kappa系数均最高,表明See5.0算法的分类结果与实际作物类型及分布状况具有较好的一致性;See5.0算法对阜康市农作物的制图精度均超过85%,制图结果清晰,地块内均匀一致,没有明显的“椒盐”噪声;See5.0算法相较于RF(10.25%)和CART(17.40%)算法,分类后的农作物样方破碎度最低,为5.54%,分类效果最好。综上,See5.0机器学习算法可以实现高精度遥感农作物制图,更适合在绿洲区进行农作物高精度遥感分类与动态监测研究。 展开更多
关键词 机器学习 Sentinel-2 农作物分类 See5.0 分类与回归树 随机森林
下载PDF
新疆焉耆盆地主要作物需水量特征及影响因素分析
6
作者 张旭辉 玉素甫江·如素力 +2 位作者 仇忠丽 亚夏尔·艾斯克尔 阿卜杜热合曼·吾斯曼 《土壤通报》 CAS CSCD 北大核心 2024年第1期57-67,共11页
【目的】探究新疆焉耆盆地主要作物需水量特征及影响因素,为干旱区农业水资源利用和作物种植结构优化提供参考。【方法】基于2000~2020年焉耆盆地3个气象站点的逐日气象观测资料,采用Penman-Monteith公式和作物系数法,计算焉耆盆地主要... 【目的】探究新疆焉耆盆地主要作物需水量特征及影响因素,为干旱区农业水资源利用和作物种植结构优化提供参考。【方法】基于2000~2020年焉耆盆地3个气象站点的逐日气象观测资料,采用Penman-Monteith公式和作物系数法,计算焉耆盆地主要作物生育期内需水量、有效降水量和灌溉需水量,并用Mann-Kendall检验、线性分析法和通径分析法对以上数据的分布特征、变化趋势及影响因素进行定量研究。【结果】①近21年参考作物蒸散量呈逐年增加趋势,变化率为6.90 mm a^(−1),分布范围为960.20~1264.50 mm,年均值为1154.70 mm。②全生育期主要作物需水量为374.94~713.37 mm,不同生育阶段作物需水量、有效降水量和灌溉需水量的峰值均出现在生育中期,分别为247.32~497.92 mm、7.14~21.94 mm和240.18~475.99 mm,高于生育初期、快速发育期和成熟期。③主要作物需水量和灌溉需水量呈增加趋势,平均变化率分别为3.86 mm a^(−1)和4.09 mm a^(−1);有效降水量呈减少趋势,平均变化率为−0.23 mm a^(−1)。④影响主要作物需水量的主要因素有平均风速、平均气温、最高气温和日照时间,影响主要作物灌溉需水量的主要因素有平均风速、日照时间、最高气温和降水量。【结论】主要作物各生育阶段的有效降水量分配不均衡,在生育中期有效降水量达到峰值情况下,仍需通过农业灌溉来满足作物生长对水分的需求。制定完善的灌溉制度,才能提高农业水资源利用效率,保障干旱区粮食产量和农业可持续发展。 展开更多
关键词 作物需水量 有效降水量 灌溉需水量 影响因素 焉耆盆地
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部