期刊导航
期刊开放获取
上海教育软件发展有限公..
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
基于时序雷达植被指数的黑河中游农作物精细分类研究
1
作者
卢捷
薛华柱
《河南农业科学》
北大核心
2025年第6期152-162,共11页
在农作物分类中常用的光学影像易受云、雨等因素影响,限制了遥感技术在部分地区农业资源监测中的应用。合成孔径雷达(Synthetic aperture radar,SAR)数据具有不易受天气影响的优势。为了探究使用SAR影像是否可以准确地完成农作物分类,...
在农作物分类中常用的光学影像易受云、雨等因素影响,限制了遥感技术在部分地区农业资源监测中的应用。合成孔径雷达(Synthetic aperture radar,SAR)数据具有不易受天气影响的优势。为了探究使用SAR影像是否可以准确地完成农作物分类,分别使用卷积神经网络(CNN)、极度梯度提升(XGBoost)、随机森林(RF)和支持向量机(SVM)4种分类器,基于Sentinel-1后向散射系数和双极化雷达植被指数(SVI_(DP))进行黑河中游农作物分类,并将分类结果与Sentinel-2光学影像的分类结果进行比较。结果表明,使用包含SVI_(DP)的SAR影像作为训练数据时,CNN、XGBoost、RF、SVM 4种分类器的总体精度分别为81.50%、78.49%、77.92%和76.60%,使用光学影像作为训练数据时,总体精度分别为82.21%、79.23%、77.96%和76.34%,两者分类精度相近。对于苜蓿和其他特征信息复杂的类别,使用SAR影像时可以获得更高的精度。综上,雷达植被指数可以丰富SAR影像的特征信息,SAR影像可以用于农作物分类任务并取得准确分类结果。
展开更多
关键词
农作物精细分类
Sentienl-1
Sentinel-2
卷积神经网络
雷达植被指数
在线阅读
下载PDF
职称材料
基于Sentinel-2时序谐波特征的县域农作物分类
被引量：
7
2
作者
孙庆松
张晓楠
+2 位作者
陈利东
王坤
宋宏利
《江苏农业学报》
CSCD
北大核心
2022年第4期967-975,共9页
以河北省南宫市主要农作物空间分布状况及面积信息为研究对象,采用多时相Sentinel-2影像数据,构建5种植被指数时序集,并通过傅里叶级数解算各时序曲线中的谐波特征参量,分别采用指数特征和指数特征+谐波特征2种分类依据,在随机森林框架...
以河北省南宫市主要农作物空间分布状况及面积信息为研究对象,采用多时相Sentinel-2影像数据,构建5种植被指数时序集,并通过傅里叶级数解算各时序曲线中的谐波特征参量,分别采用指数特征和指数特征+谐波特征2种分类依据,在随机森林框架下对10种分类方案进行农作物精细化分类。结果表明:当以指数特征+谐波特征作为分类依据时,5种时序集的总体分类精度比仅利用指数特征分类均有明显提高(最小提高8.14个百分点,最大提高9.21个百分点),表明谐波特征的加入能够有效提高分类精度。当以指数特征+谐波特征作为分类依据时,增强型植被指数(EVI)+归一化植被指数(NDVI)+红边归一化植被指数(NDVI)组合总体分类精度最高,达到94.95%,比EVI+NDVI组合方案总体分类精度提高了2.57个百分点,说明含有红边波段的NDVI可以有效提高分类精度。
展开更多
关键词
Sentinel-2
时序曲线
谐波特征
红边波段
农作物
精细
化
分类
在线阅读
下载PDF
职称材料
题名
基于时序雷达植被指数的黑河中游农作物精细分类研究
1
作者
卢捷
薛华柱
机构
河南信息工程学校
河南理工大学测绘与国土信息工程学院
出处
《河南农业科学》
北大核心
2025年第6期152-162,共11页
文摘
在农作物分类中常用的光学影像易受云、雨等因素影响,限制了遥感技术在部分地区农业资源监测中的应用。合成孔径雷达(Synthetic aperture radar,SAR)数据具有不易受天气影响的优势。为了探究使用SAR影像是否可以准确地完成农作物分类,分别使用卷积神经网络(CNN)、极度梯度提升(XGBoost)、随机森林(RF)和支持向量机(SVM)4种分类器,基于Sentinel-1后向散射系数和双极化雷达植被指数(SVI_(DP))进行黑河中游农作物分类,并将分类结果与Sentinel-2光学影像的分类结果进行比较。结果表明,使用包含SVI_(DP)的SAR影像作为训练数据时,CNN、XGBoost、RF、SVM 4种分类器的总体精度分别为81.50%、78.49%、77.92%和76.60%,使用光学影像作为训练数据时,总体精度分别为82.21%、79.23%、77.96%和76.34%,两者分类精度相近。对于苜蓿和其他特征信息复杂的类别,使用SAR影像时可以获得更高的精度。综上,雷达植被指数可以丰富SAR影像的特征信息,SAR影像可以用于农作物分类任务并取得准确分类结果。
关键词
农作物精细分类
Sentienl-1
Sentinel-2
卷积神经网络
雷达植被指数
Keywords
Fine crop classification
Sentinel‑1
Sentinel‑2
Convolutional neural network
Radar vegetation index
分类号
S127 [农业科学—农业基础科学]
在线阅读
下载PDF
职称材料
题名
基于Sentinel-2时序谐波特征的县域农作物分类
被引量：
7
2
作者
孙庆松
张晓楠
陈利东
王坤
宋宏利
机构
河北工程大学地球科学与工程学院
河北工程大学矿业与测绘工程学院
河北省地矿局第六地质大队
出处
《江苏农业学报》
CSCD
北大核心
2022年第4期967-975,共9页
基金
河北省自然科学基金项目(D2019402067)
河北省地矿局创新团队项目(201908)。
文摘
以河北省南宫市主要农作物空间分布状况及面积信息为研究对象,采用多时相Sentinel-2影像数据,构建5种植被指数时序集,并通过傅里叶级数解算各时序曲线中的谐波特征参量,分别采用指数特征和指数特征+谐波特征2种分类依据,在随机森林框架下对10种分类方案进行农作物精细化分类。结果表明:当以指数特征+谐波特征作为分类依据时,5种时序集的总体分类精度比仅利用指数特征分类均有明显提高(最小提高8.14个百分点,最大提高9.21个百分点),表明谐波特征的加入能够有效提高分类精度。当以指数特征+谐波特征作为分类依据时,增强型植被指数(EVI)+归一化植被指数(NDVI)+红边归一化植被指数(NDVI)组合总体分类精度最高,达到94.95%,比EVI+NDVI组合方案总体分类精度提高了2.57个百分点,说明含有红边波段的NDVI可以有效提高分类精度。
关键词
Sentinel-2
时序曲线
谐波特征
红边波段
农作物
精细
化
分类
Keywords
Sentinel-2
time series curve
harmonic characteristics
red edge band
fine classification of crops
分类号
S127 [农业科学—农业基础科学]
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
基于时序雷达植被指数的黑河中游农作物精细分类研究
卢捷
薛华柱
《河南农业科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于Sentinel-2时序谐波特征的县域农作物分类
孙庆松
张晓楠
陈利东
王坤
宋宏利
《江苏农业学报》
CSCD
北大核心
2022
7
在线阅读
下载PDF
职称材料
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
