检索结果-维普期刊中文期刊服务平台

基于卷积网络的沙漠腹地绿洲植物群落自动分类方法被引量：16: 1; 作者尼加提.卡斯木师庆东 +2 位作者刘素红比拉力.依明李浩《农业机械学报》 EI CAS CSCD 北大核心 2019年第1期217-225,共9页; 为解决沙漠腹地绿洲遥感图像植物群落背景较易混淆,仅用传统的基于像元光谱信息的图像处理方法未能充分利用其图像特征信息,使得提取效果不佳的问题,针对地物类内特征复杂、类间边界模糊的特点,以连续分布的区域为研究对象,提出了一种... 展开更多; 关键词沙漠腹地植物群落自动分类 CNN深度卷积网络 VGGNet模型 ResNet模型; 在线阅读下载PDF 职称材料

基于优化光谱指数的土壤有机质含量估算被引量：20: 2; 作者尼加提.卡斯木茹克亚.萨吾提 +3 位作者师庆东买合木提.巴拉提米热阿地力.库尔班苏比努尔.居来提《农业机械学报》 EI CAS CSCD 北大核心 2018年第11期155-163,共9页; 为了寻求估算土壤有机质含量的最佳光谱参数,实现土壤养分无损监测,使用ASD Field-Spec3型高光谱仪对野外采集的土壤样品进行室内光谱测定,并通过重铬酸钾氧化容量法测定土壤样品有机质质量比;利用两波段优化算法对构建的新算法(SOMCI/... 展开更多; 关键词土壤有机质光谱分析高光谱优化光谱指数; 在线阅读下载PDF 职称材料

基于优化光谱指数的新疆春小麦冠层叶绿素含量估算被引量：7: 3; 作者亚森江.喀哈尔尼加提.卡斯木 +5 位作者尼格拉.塔什甫拉提张飞茹克亚.萨吾提阿不都艾尼.阿不里师庆东苏比努尔.居来提《麦类作物学报》 CAS CSCD 北大核心 2019年第2期225-232,共8页; 为筛选可用于干旱半干旱区春小麦冠层叶绿素含量估算的高光谱植被指数,2017年通过测定春小麦关键生育时期冠层的田间高光谱与叶绿素含量,利用光谱指数波段优化算法分别计算400～1 300 nm光谱波段中不同波段两两组合的比值光谱指数(ratio... 展开更多; 关键词春小麦冠层叶绿素含量优化光谱指数组合模型; 在线阅读下载PDF 职称材料

基于灰色关联法的春小麦叶片含水量高光谱估测模型研究被引量：12: 4; 作者吾木提.艾山江买买提.沙吾提 +3 位作者尼加提.卡斯木尼格拉.塔西甫拉提王敬哲依尔夏提.阿不来提《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2018年第12期3905-3911,共7页; 利用高光谱植被指数反演植被水分含量时,快速、准确的找到实测光谱数据与植被水分相关性最高的植被指数是研究的重点。在农田尺度上,以春小麦野外光谱数据与叶片含水量的定量关系为基础,通过灰色关联度分析,筛选出与叶片含水量灰色关联... 展开更多; 关键词叶片含水量春小麦高光谱估算灰色关联法反演模型; 在线阅读下载PDF 职称材料

题名基于卷积网络的沙漠腹地绿洲植物群落自动分类方法被引量：16: 1; 作者尼加提.卡斯木师庆东刘素红比拉力.依明李浩; 机构新疆大学干旱生态环境研究所新疆大学绿洲生态教育部重点实验室新疆大学资源与环境科学学院北京师范大学环境遥感与数字城市北京市重点实验室; 出处《农业机械学报》 EI CAS CSCD 北大核心 2019年第1期217-225,共9页; 基金国家自然科学基金项目(U1703237); 文摘为解决沙漠腹地绿洲遥感图像植物群落背景较易混淆,仅用传统的基于像元光谱信息的图像处理方法未能充分利用其图像特征信息,使得提取效果不佳的问题,针对地物类内特征复杂、类间边界模糊的特点,以连续分布的区域为研究对象,提出了一种基于深度卷积神经网络(Convolutional neural network,CNN)的高分辨率遥感影像植物群落自动分类方法。切分无人机影像获得规则块图像,利用基于CNN的VGGNet和Res Net模型分别对块图像的特征进行抽象与学习,以自动获取更加深层抽象、更具代表性的图像块深层特征,从而实现对植物群落分布区域的提取,以原图像与结果图像叠加的形式输出植物群落自动分类结果。采用了不同梯度的样本数量作为训练样本,利用文中提出的方法分析了不同梯度的训练样本数量对自动分类结果的影响。实验结果表明,训练样本数量对分类精度具有明显的影响;提高其泛化能力后,Res Net50模型与VGG19模型的建模精度从86. 00%、83. 33%分别提升到92. 56%、90. 29%; Res Net50模型分类精度为83. 53%～91. 83%,而VGG19模型分类精度为80. 97%～89. 56%,与传统的监督分类方法比较,深度卷积网络明显提高了分类精度。分类结果表明,训练样本数量不低于200时,基于CNN的Res Net50模型表现出最佳的分类结果。; 关键词沙漠腹地植物群落自动分类 CNN深度卷积网络 VGGNet模型 ResNet模型; Keywords desert hinterland plant community automatic classification CNN deep convolutional network VGGNet model ResNet model; 分类号 P95 [天文地球—自然地理学]; 在线阅读下载PDF 职称材料

题名基于优化光谱指数的土壤有机质含量估算被引量：20: 2; 作者尼加提.卡斯木茹克亚.萨吾提师庆东买合木提.巴拉提米热阿地力.库尔班苏比努尔.居来提; 机构新疆大学干旱生态环境研究所新疆大学绿洲生态教育部重点实验室新疆大学资源与环境科学学院; 出处《农业机械学报》 EI CAS CSCD 北大核心 2018年第11期155-163,共9页; 基金国家自然科学基金项目(41762019 U1703237) +1 种基金新疆大学大学生创新训练项目(201710755099); 文摘为了寻求估算土壤有机质含量的最佳光谱参数,实现土壤养分无损监测,使用ASD Field-Spec3型高光谱仪对野外采集的土壤样品进行室内光谱测定,并通过重铬酸钾氧化容量法测定土壤样品有机质质量比;利用两波段优化算法对构建的新算法(SOMCI/ND)进行波段优化,筛选基于不同光谱数据(原始光谱反射率及其对应的4种数学变换)运算下的最敏感波段组合,从而建立土壤有机质质量比高光谱估算模型。结果表明:通过归一化光谱指数(IND)和概念指数(ICI)比值构建的新算法(SOMCI/ND)优化后与土壤有机质质量比之间的相关性显著提高,在光谱原始数据及其平方根、倒数变换形式下,相关系数绝对值达到0. 82,且敏感的组合波段集中在2 220~2 240 nm和2 160~2 195 nm。基于平方根波段优化的估算模型效果最佳,估算精度R2P为0. 84,RMSEP为2. 24 g/kg,RPD为2. 89。对光谱数据的适当数学变换有利于优化光谱指数,更好地估算土壤有机质质量比,进一步实现土壤有机质质量比的高精度动态监测。; 关键词土壤有机质光谱分析高光谱优化光谱指数; Keywords soil organic matter spectrum analysis hyperspectra optimized spectral index; 分类号 O433.4 [机械工程—光学工程] S27 [农业科学—农业水土工程]; 在线阅读下载PDF 职称材料

题名基于优化光谱指数的新疆春小麦冠层叶绿素含量估算被引量：7: 3; 作者亚森江.喀哈尔尼加提.卡斯木尼格拉.塔什甫拉提张飞茹克亚.萨吾提阿不都艾尼.阿不里师庆东苏比努尔.居来提; 机构新疆大学资源与环境科学学院新疆大学绿洲生态教育部重点实验室新疆大学干旱生态环境研究所; 出处《麦类作物学报》 CAS CSCD 北大核心 2019年第2期225-232,共8页; 基金国家自然科学基金项目(41761077 41671348); 文摘为筛选可用于干旱半干旱区春小麦冠层叶绿素含量估算的高光谱植被指数,2017年通过测定春小麦关键生育时期冠层的田间高光谱与叶绿素含量,利用光谱指数波段优化算法分别计算400～1 300 nm光谱波段中不同波段两两组合的比值光谱指数(ration spectral index,RSI)、归一化光谱指数(normalized difference spectral index,NDSI)、叶绿素指数(chlorophyll index,CI)、简化光谱指数(CI/NDSI,NPDI),并将这些参数及其他17个不同高光谱植被指数分别与实测冠层叶绿素含量进行Pearson相关分析,通过变量重要性准则筛选最优光谱参数,使用偏最小二乘回归法建立冠层叶绿素含量的预测模型。结果表明:(1)RSIs、NDSIs、CIs和NPDIs与冠层叶绿素含量的相关性都优于前人研究中定义的17种高光谱植被指数,并且冠层叶绿素含量与NDSI(R_(849),R_(850))、RSI(R_(849),R_(850)),CI(R_(849),R_(850))和NPDI(R_(849),R_(850))表现出强相关性。(2)用此4个优化光谱指数分别建模时,以CI(R_(849),R_(850))、 CI(R_(539),R_(553))、 CI(R_(540),R_(553))、 CI(R_(536),R_(553))为自变量的X-3模型预测精度最高(r^2=0.74,RMSE=0.272 mg·g^(-1))。(3)结合4个优化光谱指数构建的组合模型预测精度,其r^2=0.83,RMSE=0.187 mg·g^(-1)。; 关键词春小麦冠层叶绿素含量优化光谱指数组合模型; Keywords Spring wheat Canopy chlorophyll content Optimized spectral index Combination model; 分类号 S512.1 [农业科学—作物学] S311 [农业科学—作物栽培与耕作技术]; 在线阅读下载PDF 职称材料

题名基于灰色关联法的春小麦叶片含水量高光谱估测模型研究被引量：12: 4; 作者吾木提.艾山江买买提.沙吾提尼加提.卡斯木尼格拉.塔西甫拉提王敬哲依尔夏提.阿不来提; 机构新疆大学资源与环境科学学院新疆绿洲生态教育部重点实验室新疆智慧城市与环境建模普通高校重点实验室; 出处《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2018年第12期3905-3911,共7页; 基金国家自然科学基金项目(41361016 40901163 41761077)资助; 文摘利用高光谱植被指数反演植被水分含量时,快速、准确的找到实测光谱数据与植被水分相关性最高的植被指数是研究的重点。在农田尺度上,以春小麦野外光谱数据与叶片含水量的定量关系为基础,通过灰色关联度分析,筛选出与叶片含水量灰色关联度较高的5种典型的水分植被指数,并建立了估算春小麦叶片含水量(LWC)的偏最小二乘回归(PLSR)模型和BP神经网络(back propagation artificial neural networks,BP ANN)模型。结果表明:(1)光谱一阶导数可以有效去除噪声影响并突出光谱特征信息,尤其是在750～830,1 000～1 060和2 056～2 155 nm等区间明显提高了与LWC的相关性。(2)灰色关联法能够较好的表征各水分植被指数与叶片含水量间的关联性,其中基于原始光谱建立的前5个水分植被指数都是两波段比值植被指数,基于光谱一阶导数建立的水分植被指数基本上都是两波段归一化差值植被指数。(3)所建立的两种模型中,基于光谱一阶导数建立的PLSR和BP神经网络模型R^2分别为0. 80和0. 81,稳定性基本相同且都较好;两种模型RMSE都是0. 55,RPD分别为2. 01和1. 41,说明PLSR模型的预测精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算春小麦叶片含水量方面有一定的优势,为高光谱定量反演春小麦叶片含水量提供一定的参考。; 关键词叶片含水量春小麦高光谱估算灰色关联法反演模型; Keywords Leaf water content Spring wheat Hyperspectral estimation Grey correlation method Inversion model; 分类号 TP79 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于卷积网络的沙漠腹地绿洲植物群落自动分类方法	尼加提.卡斯木师庆东刘素红比拉力.依明李浩	《农业机械学报》 EI CAS CSCD 北大核心	2019	16	在线阅读下载PDF 职称材料
2	基于优化光谱指数的土壤有机质含量估算	尼加提.卡斯木茹克亚.萨吾提师庆东买合木提.巴拉提米热阿地力.库尔班苏比努尔.居来提	《农业机械学报》 EI CAS CSCD 北大核心	2018	20	在线阅读下载PDF 职称材料
3	基于优化光谱指数的新疆春小麦冠层叶绿素含量估算	亚森江.喀哈尔尼加提.卡斯木尼格拉.塔什甫拉提张飞茹克亚.萨吾提阿不都艾尼.阿不里师庆东苏比努尔.居来提	《麦类作物学报》 CAS CSCD 北大核心	2019	7	在线阅读下载PDF 职称材料
4	基于灰色关联法的春小麦叶片含水量高光谱估测模型研究	吾木提.艾山江买买提.沙吾提尼加提.卡斯木尼格拉.塔西甫拉提王敬哲依尔夏提.阿不来提	《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心	2018	12	在线阅读下载PDF 职称材料