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
3
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
应用GF-5高光谱遥感影像提取山区茶园
被引量:
1
1
作者
钱瑞
徐伟恒
+3 位作者
黄邵东
王雷光
鲁宁
欧光龙
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2023年第11期3591-3598,共8页
为探究高光谱影像丰富的光谱信息对山区茶园的提取效果,促进国产卫星高光谱影像在茶园分布制图与资源监测中的应用,以普洱市南部山区茶园典型分布区为研究区,以高分五号AHSI(GF-5 AHSI)影像以及数字高程模型(DEM)为主要数据源,结合实地...
为探究高光谱影像丰富的光谱信息对山区茶园的提取效果,促进国产卫星高光谱影像在茶园分布制图与资源监测中的应用,以普洱市南部山区茶园典型分布区为研究区,以高分五号AHSI(GF-5 AHSI)影像以及数字高程模型(DEM)为主要数据源,结合实地调查数据,构建基于随机森林(RF)分类器的亚热带山区茶园提取算法。首先,将去除噪声影响后剩余的250个波段作为光谱特征(SF);在分析研究区主要地物(茶园、森林、农田)光谱的基础上,分别构建植被指数特征(VIF)45个,地形特征(TRF)3个。然后,利用RF进行特征重要性排序,按照特征重要性从大到小依次将特征输入RF分类器进行茶园提取,随着特征的不断输入,茶园提取的F1-Score达到饱和不再明显增加时的特征维度即为最优选择特征。依据3种特征因子(SF,VIF和TRF)构建12种分类方案。最后,比较12种方案的茶园提取精度,最终确定最优方案。结果显示,不同特征组合茶园提取F1-Score排序为SF+VIF+TRE+FS>TRF+VIF+FS>SF+TRF+FS>TRF+VIF>VIF+FS>SF+VIF+FS>SF+VIF+TRF>SF+FS>SF+TRF>VIF>SF+VIF>SF。FS后6种分类方案中,SF参与分类的4种方案中被选中2次的波段为b4、b5、b6、b27、b133、b150和b281;在VIF参与分类的4种方案中被选中4次的指数分别为REP、VOG2、SR2、SR3、WBI、TIP3和TIP9;TRF参与分类的4种方案中坡度、坡向、高程均被选中。此外,SF+TRF+VIF特征进行FS后结合RF算法能够对亚热带茶园分布进行有效识别,具有较好的识别精度和可信度,GF-5 AHSI卫星数据在茶园分布制图和资源监测等领域有着较好的应用潜力和前景。
展开更多
关键词
gf-5影像
高光谱
茶园
特征重要性
提取
下载PDF
职称材料
不同降噪方式下基于高分五号影像的土壤有机质反演
被引量:
10
2
作者
刘焕军
鲍依临
+4 位作者
孟祥添
崔杨
张艾明
刘云超
王丹丹
《农业工程学报》
EI
CAS
CSCD
北大核心
2020年第12期90-98,共9页
通过遥感技术预测土壤有机质(Soil Organic Matter,SOM)的空间分布是精准农业和土地资源管理研究的重要内容,与粮食安全及环境监测密切相关。该研究主要研究采用高分五号(GF-5)反演土壤有机质的最佳降噪方式。以黑龙江省典型黑土区明水...
通过遥感技术预测土壤有机质(Soil Organic Matter,SOM)的空间分布是精准农业和土地资源管理研究的重要内容,与粮食安全及环境监测密切相关。该研究主要研究采用高分五号(GF-5)反演土壤有机质的最佳降噪方式。以黑龙江省典型黑土区明水县为研究对象,获取GF-5高光谱遥感影像,对影像进行不同降噪处理,包括奇异值分解(Singular Value Decomposition,SVD),离散小波变换(Discrete Wavelet Transform,DWT)及中值滤波(Median Filtering,MF)降噪。然而,分别结合二维光谱指数,应用随机森林(Random Forest,RF)方法预测不同降噪方式的SOM含量。结果表明:1)所选择的不同降噪方法中,与SOM含量的相关性由高到低依次为DWT、SVD、MF,其中,基于MF降噪后的光谱反射率与SOM含量相关性低于原始反射率与SOM含量的相关性。2)基于降噪方式下的光谱曲线更加平滑,且不同有机质含量对应的光谱曲线形状相似。3)采用DWT降噪方式,基于影像波段和光谱指数,以RF为预测模型的SOM最优反演模型精度R^2为0.69,均方根误差为2.26%。研究成果可为利用高光谱卫星数据实现大尺度范围内SOM的数字土壤制图提供参考,为实时定量监测土壤肥力变化提供依据。
展开更多
关键词
土壤
有机质
随机森林
gf-5影像
降噪方法
离散小波变换
下载PDF
职称材料
星载GF-5 AHSI高光谱影像不同光谱波段土壤有机质含量预测精度比较
3
作者
颜祥照
姚艳敏
+1 位作者
张霄羽
刘峻明
《中国农业信息》
2020年第6期11-21,共11页
【目的】探讨星载高分五号(GF-5)高光谱影像不同光谱波段对SOM含量预测精度差异,明确有效光谱波段范围,以便提高SOM含量高光谱预测精度。【方法】该研究以黑龙江省建三江农垦区为研究区域,将GF-5可见短波红外高光谱相机(AHSI)获取的高...
【目的】探讨星载高分五号(GF-5)高光谱影像不同光谱波段对SOM含量预测精度差异,明确有效光谱波段范围,以便提高SOM含量高光谱预测精度。【方法】该研究以黑龙江省建三江农垦区为研究区域,将GF-5可见短波红外高光谱相机(AHSI)获取的高光谱数据划分为可见光-近红外(VNIR)、短波红外(SWIR)和VNIR-SWIR 3种不同光谱波段,并将光谱反射率进行了9种光谱数学变换;分别采用多元逐步回归(MLSR)和偏最小二乘回归(PLSR)构建SOM含量预测模型,评价分析了3种不同光谱波段预测SOM含量的精度差异。【结果】在MLSR模型中,VNIR-SWIR的对数倒数一阶微分SOM含量预测精度相对较高,验证精度决定系数R^(2)_(val)为0.383,均方根误差RMSEP为5.009;在PLSR模型中,VNIR反射率的SOM含量预测精度较高,验证精度R^(2)_(val)为0.359,RMSEP为4.170。【结论】GF-5AHSI SOM含量预测精度较高的光谱波段为VNIR和VNIR-SWIR。卫星数据质量、研究区域自然条件、数据预处理过程、建模方法选择等因素共同影响SOM含量预测模型精度,通过技术和方法改进,GF-5数据预测SOM含量的潜力更大。
展开更多
关键词
gf-
5
高光谱
影像
可见短波红外高光谱相机AHSI
土壤有机质
VNIR
SWIR
预测模型
原文传递
题名
应用GF-5高光谱遥感影像提取山区茶园
被引量:
1
1
作者
钱瑞
徐伟恒
黄邵东
王雷光
鲁宁
欧光龙
机构
西南林业大学林学院
西南林业大学大数据与智能工程学院
西南林业大学大数据与智能工程研究院
西南林业大学生态大数据国家林业与草原局重点实验室
出处
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2023年第11期3591-3598,共8页
基金
云南省重大科技专项(202102AE090051)
国家自然科学基金项目(31860181,32060320,32160368,32160369,31860182)
+2 种基金
云南省基础研究面上项目(202101AT070039)
云南省“万人计划”青年拔尖人才专项(YNWR-QNBJ-2020047)
云南省农业基础研究联合专项面上项目(202101BD070001-066)资助。
文摘
为探究高光谱影像丰富的光谱信息对山区茶园的提取效果,促进国产卫星高光谱影像在茶园分布制图与资源监测中的应用,以普洱市南部山区茶园典型分布区为研究区,以高分五号AHSI(GF-5 AHSI)影像以及数字高程模型(DEM)为主要数据源,结合实地调查数据,构建基于随机森林(RF)分类器的亚热带山区茶园提取算法。首先,将去除噪声影响后剩余的250个波段作为光谱特征(SF);在分析研究区主要地物(茶园、森林、农田)光谱的基础上,分别构建植被指数特征(VIF)45个,地形特征(TRF)3个。然后,利用RF进行特征重要性排序,按照特征重要性从大到小依次将特征输入RF分类器进行茶园提取,随着特征的不断输入,茶园提取的F1-Score达到饱和不再明显增加时的特征维度即为最优选择特征。依据3种特征因子(SF,VIF和TRF)构建12种分类方案。最后,比较12种方案的茶园提取精度,最终确定最优方案。结果显示,不同特征组合茶园提取F1-Score排序为SF+VIF+TRE+FS>TRF+VIF+FS>SF+TRF+FS>TRF+VIF>VIF+FS>SF+VIF+FS>SF+VIF+TRF>SF+FS>SF+TRF>VIF>SF+VIF>SF。FS后6种分类方案中,SF参与分类的4种方案中被选中2次的波段为b4、b5、b6、b27、b133、b150和b281;在VIF参与分类的4种方案中被选中4次的指数分别为REP、VOG2、SR2、SR3、WBI、TIP3和TIP9;TRF参与分类的4种方案中坡度、坡向、高程均被选中。此外,SF+TRF+VIF特征进行FS后结合RF算法能够对亚热带茶园分布进行有效识别,具有较好的识别精度和可信度,GF-5 AHSI卫星数据在茶园分布制图和资源监测等领域有着较好的应用潜力和前景。
关键词
gf-5影像
高光谱
茶园
特征重要性
提取
Keywords
gf-
5
image
Hyperspectral
Feature importance
Tea plantations,Extraction
分类号
TP751.2 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
不同降噪方式下基于高分五号影像的土壤有机质反演
被引量:
10
2
作者
刘焕军
鲍依临
孟祥添
崔杨
张艾明
刘云超
王丹丹
机构
赤峰学院资源环境与建筑工程学院
东北农业大学公共管理与法学院
中国科学院东北地理与农业生态研究所
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2020年第12期90-98,共9页
基金
国家自然科学基金(41671438)
赤峰学院院士专家工作站项目(cfxyys201704)。
文摘
通过遥感技术预测土壤有机质(Soil Organic Matter,SOM)的空间分布是精准农业和土地资源管理研究的重要内容,与粮食安全及环境监测密切相关。该研究主要研究采用高分五号(GF-5)反演土壤有机质的最佳降噪方式。以黑龙江省典型黑土区明水县为研究对象,获取GF-5高光谱遥感影像,对影像进行不同降噪处理,包括奇异值分解(Singular Value Decomposition,SVD),离散小波变换(Discrete Wavelet Transform,DWT)及中值滤波(Median Filtering,MF)降噪。然而,分别结合二维光谱指数,应用随机森林(Random Forest,RF)方法预测不同降噪方式的SOM含量。结果表明:1)所选择的不同降噪方法中,与SOM含量的相关性由高到低依次为DWT、SVD、MF,其中,基于MF降噪后的光谱反射率与SOM含量相关性低于原始反射率与SOM含量的相关性。2)基于降噪方式下的光谱曲线更加平滑,且不同有机质含量对应的光谱曲线形状相似。3)采用DWT降噪方式,基于影像波段和光谱指数,以RF为预测模型的SOM最优反演模型精度R^2为0.69,均方根误差为2.26%。研究成果可为利用高光谱卫星数据实现大尺度范围内SOM的数字土壤制图提供参考,为实时定量监测土壤肥力变化提供依据。
关键词
土壤
有机质
随机森林
gf-5影像
降噪方法
离散小波变换
Keywords
soils
organic matter
random forest
gf-
5
images
noise reduction method
discrete wavelet transform
分类号
TP79 [自动化与计算机技术—检测技术与自动化装置]
S153.621 [农业科学—土壤学]
下载PDF
职称材料
题名
星载GF-5 AHSI高光谱影像不同光谱波段土壤有机质含量预测精度比较
3
作者
颜祥照
姚艳敏
张霄羽
刘峻明
机构
中国农业科学院农业资源与农业区划研究所/农业农村部农业遥感重点实验室
中国农业大学土地科学与技术学院
出处
《中国农业信息》
2020年第6期11-21,共11页
基金
高分辨率对地观测系统国家科技重大专项“高分农业遥感监测与评价示范系统(二期)”(09-Y30F01-9001-20/22)
中国农业科学院科技创新工程(CAAS-2020-IARRP-G202020-2)。
文摘
【目的】探讨星载高分五号(GF-5)高光谱影像不同光谱波段对SOM含量预测精度差异,明确有效光谱波段范围,以便提高SOM含量高光谱预测精度。【方法】该研究以黑龙江省建三江农垦区为研究区域,将GF-5可见短波红外高光谱相机(AHSI)获取的高光谱数据划分为可见光-近红外(VNIR)、短波红外(SWIR)和VNIR-SWIR 3种不同光谱波段,并将光谱反射率进行了9种光谱数学变换;分别采用多元逐步回归(MLSR)和偏最小二乘回归(PLSR)构建SOM含量预测模型,评价分析了3种不同光谱波段预测SOM含量的精度差异。【结果】在MLSR模型中,VNIR-SWIR的对数倒数一阶微分SOM含量预测精度相对较高,验证精度决定系数R^(2)_(val)为0.383,均方根误差RMSEP为5.009;在PLSR模型中,VNIR反射率的SOM含量预测精度较高,验证精度R^(2)_(val)为0.359,RMSEP为4.170。【结论】GF-5AHSI SOM含量预测精度较高的光谱波段为VNIR和VNIR-SWIR。卫星数据质量、研究区域自然条件、数据预处理过程、建模方法选择等因素共同影响SOM含量预测模型精度,通过技术和方法改进,GF-5数据预测SOM含量的潜力更大。
关键词
gf-
5
高光谱
影像
可见短波红外高光谱相机AHSI
土壤有机质
VNIR
SWIR
预测模型
Keywords
gf-
5
hyperspectral imagery
the Advanced Hyperspectral Imager
soil organic matter
VNIR
SWIR
prediction
分类号
S153.621 [农业科学—土壤学]
S127 [农业科学—农业基础科学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
应用GF-5高光谱遥感影像提取山区茶园
钱瑞
徐伟恒
黄邵东
王雷光
鲁宁
欧光龙
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2023
1
下载PDF
职称材料
2
不同降噪方式下基于高分五号影像的土壤有机质反演
刘焕军
鲍依临
孟祥添
崔杨
张艾明
刘云超
王丹丹
《农业工程学报》
EI
CAS
CSCD
北大核心
2020
10
下载PDF
职称材料
3
星载GF-5 AHSI高光谱影像不同光谱波段土壤有机质含量预测精度比较
颜祥照
姚艳敏
张霄羽
刘峻明
《中国农业信息》
2020
0
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