GF-6与Sentinel-2A数据多层次优选的杨树食叶虫害信息提取研究

以天津市蓟州区于桥水库北部为研究区,选用高分六号(GF-6)全色数据和哨兵二号(Sentinel-2A)多光谱数据,通过对遥感数据的虫害敏感波段、融合波段和分类识别特征的3个层次优选处理,进而提高杨树食叶虫害遥感识别信息的准确度.遥感影像经过预处理后,首先根据光谱统计特征差值最大化方法,优选出虫害区识别敏感的特征波段;然后利用波段相关系数大小优选融合波段方案,进行高通滤波(high-pass filtering,HPF)融合和Gram-Schmidt(GS)融合处理;最后通过Relief算法对植被指数等19种特征进行优选,确定食叶虫害遥感识别的特征.结果表明:(1)经过敏感波段优选后的HPF+GS融合,Sentinel-2A数据的红边波段、近红外波段、短波红外波段受虫害胁迫区杨树林的反射率值有明显变化,在分类时特征贡献度提升明显;(2)经过HPF+GS组合融合处理后,融合后的影像细节信息突出,植被监测光谱红边敏感波段的空间分辨率明显提高;(3)经过多层次的特征优选处理后的分类精度明显提高.未经过优选处理遥感影像分类精度为83.15%,Kappa系数为0.6785;经过优选后影像的分类精度为90.64%,Kappa系数0.8116,表明进行多次特征优选处理能够较为有效地提取食叶虫害影像信息.

SPOT-5遥感影像自身融合在马尾松毛虫害信息提取中的应用

以福建沙县作为研究区,在阐述遥感图像融合原理的基础上,以SPOT-5全色与多光谱影像为数据源,应用IHS变换、PCA融合、Brovey变换、乘积变换和HPF融合等5种比较常用的融合方法,从提高空间分辨率和保持原始图像光谱信息及虫害信息提取的角度进行了分析评价,探讨最适合于利用SPOT-5图像进行马尾松毛虫害信息提取的融合方法。研究结果表明:各种融合方法中,HPF融合方法效果最好。

基于聚类的林业病虫害实体抽取研究

在基于半监督和主动学习的信息抽取研究中,对初始样本集的选择,鲜有考虑样本在数据集中的分布情况。以林业领域的病虫害抽取为例,提出基于聚类的方法来获取样本在数据集中的分布信息,以此指导初始样本集和迭代过程中标注样本的选择。实验结果表明,基于聚类的方法相比于随机初始训练集,在不同标注样本集个数的情况下,模型f值均有提高。相比于单一的主动学习方法,在性能相近的情况下,节约了30%左右的人工标注量。