期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
CropWatch:以自主遥感监测技术守望全球农情
1
作者
曾红伟
吴炳方
+4 位作者
姚霞
张淼
覃星力
吴方明
田富有
《科技纵览》
2023年第9期70-73,共4页
在国家重点研发计划“政府间国际科技创新合作”重点专项支持下,中国科学院空天信息创新研究院牵头开展了先进农情遥感监测技术研发,实现了参与式的全球农情监测云服务平台(CropWatch Cloud)的重大升级,为24个发展中国家提供了定制化农...
在国家重点研发计划“政府间国际科技创新合作”重点专项支持下,中国科学院空天信息创新研究院牵头开展了先进农情遥感监测技术研发,实现了参与式的全球农情监测云服务平台(CropWatch Cloud)的重大升级,为24个发展中国家提供了定制化农情培训,涵盖近5亿人口,契合了GEOGLAM提升全球农情监测信息透明度的初衰,为联合国零饥饿目标的实现作出了贡献。
展开更多
关键词
定制化
云服务平台
中国科学院
信息透明度
国家重点研发计划
农情
遥感监测技术
空天信息
原文传递
迁移学习用于多时相极化SAR影像的水体提取
被引量:
3
2
作者
覃星力
杨杰
+2 位作者
李平湘
赵伶俐
孙开敏
《武汉大学学报(信息科学版)》
EI
CAS
CSCD
北大核心
2022年第7期1093-1102,共10页
基于机器学习分类器的极化合成孔径雷达(synthetic aperture radar,SAR)影像水体提取方法具有较高的可靠性,但其通常依赖于大量的训练样本,利用该方法进行多时相极化SAR影像的水体提取时,在每一景影像上都人工标注足够数量的训练样本是...
基于机器学习分类器的极化合成孔径雷达(synthetic aperture radar,SAR)影像水体提取方法具有较高的可靠性,但其通常依赖于大量的训练样本,利用该方法进行多时相极化SAR影像的水体提取时,在每一景影像上都人工标注足够数量的训练样本是十分困难且耗时的。同时,SAR影像上固有的相干斑点噪声会进一步加剧样本标注的难度。对此,引入迁移学习方法,利用其知识迁移能力将已有的训练样本的类别标签信息迁移至未标注的样本,以降低获取新样本所需的人工代价,提高水体提取的时效性。使用6景极化SAR影像和4种迁移学习方法进行最佳源域影像选取、样本标签迁移和水体提取实验,实验结果表明,迁移学习方法可以准确地将源域影像上的训练样本的标签信息迁移至其他影像,有效减少其他影像进行水体提取需要的人工标注样本的数量,同时能够维持较高的水体提取精度,在洪涝灾害应急响应中具有一定的应用价值。
展开更多
关键词
机器学习
极化SAR
水体提取
多时相影像
迁移学习
原文传递
题名
CropWatch:以自主遥感监测技术守望全球农情
1
作者
曾红伟
吴炳方
姚霞
张淼
覃星力
吴方明
田富有
机构
中国科学院空天信息创新研究院
遥感科学国家重点实验室生态系统遥感研究室
南京农业大学智慧农业研究院
出处
《科技纵览》
2023年第9期70-73,共4页
基金
国家重点研发计划“政府间国际科技创新合作”重点专项项目“GEOGLAM框架下的先进农情遥感监测方法研究”(项目编号:2019YFE0126900)的支持。
文摘
在国家重点研发计划“政府间国际科技创新合作”重点专项支持下,中国科学院空天信息创新研究院牵头开展了先进农情遥感监测技术研发,实现了参与式的全球农情监测云服务平台(CropWatch Cloud)的重大升级,为24个发展中国家提供了定制化农情培训,涵盖近5亿人口,契合了GEOGLAM提升全球农情监测信息透明度的初衰,为联合国零饥饿目标的实现作出了贡献。
关键词
定制化
云服务平台
中国科学院
信息透明度
国家重点研发计划
农情
遥感监测技术
空天信息
分类号
F42 [经济管理—产业经济]
原文传递
题名
迁移学习用于多时相极化SAR影像的水体提取
被引量:
3
2
作者
覃星力
杨杰
李平湘
赵伶俐
孙开敏
机构
武汉大学测绘遥感信息工程国家重点实验室
武汉大学遥感信息工程学院
出处
《武汉大学学报(信息科学版)》
EI
CAS
CSCD
北大核心
2022年第7期1093-1102,共10页
基金
国家自然科学基金(61971318,42001134,U2033216)
深圳市科技计划项目(JCYJ20200109150833977)。
文摘
基于机器学习分类器的极化合成孔径雷达(synthetic aperture radar,SAR)影像水体提取方法具有较高的可靠性,但其通常依赖于大量的训练样本,利用该方法进行多时相极化SAR影像的水体提取时,在每一景影像上都人工标注足够数量的训练样本是十分困难且耗时的。同时,SAR影像上固有的相干斑点噪声会进一步加剧样本标注的难度。对此,引入迁移学习方法,利用其知识迁移能力将已有的训练样本的类别标签信息迁移至未标注的样本,以降低获取新样本所需的人工代价,提高水体提取的时效性。使用6景极化SAR影像和4种迁移学习方法进行最佳源域影像选取、样本标签迁移和水体提取实验,实验结果表明,迁移学习方法可以准确地将源域影像上的训练样本的标签信息迁移至其他影像,有效减少其他影像进行水体提取需要的人工标注样本的数量,同时能够维持较高的水体提取精度,在洪涝灾害应急响应中具有一定的应用价值。
关键词
机器学习
极化SAR
水体提取
多时相影像
迁移学习
Keywords
machine learning
polarimetric synthetic aperture radar
water body extraction
multi⁃tempo⁃ral images
transfer learning
分类号
P237 [天文地球—摄影测量与遥感]
P208 [天文地球—地图制图学与地理信息工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
CropWatch:以自主遥感监测技术守望全球农情
曾红伟
吴炳方
姚霞
张淼
覃星力
吴方明
田富有
《科技纵览》
2023
0
原文传递
2
迁移学习用于多时相极化SAR影像的水体提取
覃星力
杨杰
李平湘
赵伶俐
孙开敏
《武汉大学学报(信息科学版)》
EI
CAS
CSCD
北大核心
2022
3
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部