检索结果-维普期刊中文期刊服务平台

基于分层多端元混合像元分解的水稻面积信息提取被引量：21: 1; 作者马孟莉朱艳 +3 位作者李文龙姚霞曹卫星田永超《农业工程学报》 EI CAS CSCD 北大核心 2012年第2期154-159,I0008,共7页; 为了解决中低分辨率遥感影像混合像元问题以提高水稻种植信息的提取精度,该文提出了一种基于层次分类与多端元混合像元分解相结合提取水稻面积信息的方法(stratified multiple endmember spectral mixture analysis,SMESMA)。层次分类... 展开更多; 关键词遥感信息提取最大似然分层多端元混合像元分解种植面积水稻; 在线阅读下载PDF 职称材料

基于MESMA和RF的山丘区土地利用信息分类提取被引量：22: 2; 作者陈元鹏郧文聚 +3 位作者周旭彭军还李少帅周妍《农业机械学报》 EI CAS CSCD 北大核心 2017年第7期136-144,共9页; 探讨了基于多端元混合像元分解(Multiple endmember spectral mixture analysis,MESMA)和随机森林(Random forest,RF)相结合的土地利用信息分类提取方法。以Landsat-8 OLI卫星遥感影像为主要数据,基于植被-不透水面-裸土(Vegetation-imp... 展开更多; 关键词土地利用分类中等空间分辨率多端元混合像元分解随机森林山丘区; 在线阅读下载PDF 职称材料

黄河源玛多县“黑土滩”遥感定量识别被引量：3: 3; 作者安如徐晓峰 +1 位作者李晓雪梁欣《光学精密工程》 EI CAS CSCD 北大核心 2013年第12期3183-3190,共8页; 采用混合像元分解方法提取"黑土滩"信息以实现玛多县"黑土滩"的遥感识别。以Roberts提出的多端元混合像元分解(MESMA)模型为基础,分析玛多县的地物组成并提取端元;针对MESMA在本研究区应用存在的不足,优化了分解策... 展开更多; 关键词黑土滩遥感定量识别定量提取多端元混合像元分解玛多县; 在线阅读下载PDF 职称材料

MESMA与面向对象组合的土地利用分类方法被引量：3: 4; 作者任向宇孙文彬袁烨《遥感信息》 CSCD 北大核心 2021年第1期69-76,共8页; 混合像元是制约传统组合分类方法精度提高的主要因素之一。为此,文章提出一种基于多端元混合像元分解(multiple endmember spectral mixture analysis,MESMA)与面向对象分类组合的分类方法,利用混合像元分解提高分类精度,借助组合方法... 展开更多; 关键词基于像素面向对象 Landsat-8 多端元混合像元分解随机森林分类; 在线阅读下载PDF 职称材料

题名基于分层多端元混合像元分解的水稻面积信息提取被引量：21: 1; 作者马孟莉朱艳李文龙姚霞曹卫星田永超; 机构南京农业大学国家信息农业工程技术中心/江苏省信息农业高技术研究重点实验室; 出处《农业工程学报》 EI CAS CSCD 北大核心 2012年第2期154-159,I0008,共7页; 基金国家自然科学基金项目(30900868) 江苏省科技支撑计划项目(BE2010395) 教育部新世纪优秀人才支持计划(NCET-08-0797); 文摘为了解决中低分辨率遥感影像混合像元问题以提高水稻种植信息的提取精度,该文提出了一种基于层次分类与多端元混合像元分解相结合提取水稻面积信息的方法(stratified multiple endmember spectral mixture analysis,SMESMA)。层次分类有效降低了地物复杂度,而多端元混合像元分解通过对每一类地物选取多个端元光谱参与解混,克服了"同物异谱"造成的光谱变异问题,两者结合可有效提高分类精度。以江苏如皋市为研究区,基于HJ-1B CCD影像,分3个层次,当某类地物信息被提取后便将其从影像中去除,进行下一层次分类,各层次均采用多端元混合像元分解方法,综合EARMSE、MASA、CoB等算法以选取最佳端元,实现了如皋市水稻种植面积信息有效提取。结果显示SMESMA法分类精度达85.78%,kappa系数为0.85,基于最大似然分类法(MLC)的分类精度为79.1%,kappa系数为0.78。表明SMESMA是一种适合基于中低分辨率影像进行作物分类和面积提取的有效方法。; 关键词遥感信息提取最大似然分层多端元混合像元分解种植面积水稻; Keywords remote sensing information retrieval maximum likelihood SMESMA plant area paddy rice; 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MESMA和RF的山丘区土地利用信息分类提取被引量：22: 2; 作者陈元鹏郧文聚周旭彭军还李少帅周妍; 机构中国地质大学(北京)土地科学技术学院国土资源部土地整治中心; 出处《农业机械学报》 EI CAS CSCD 北大核心 2017年第7期136-144,共9页; 基金国土资源部公益性行业科研专项(201511010-02); 文摘探讨了基于多端元混合像元分解(Multiple endmember spectral mixture analysis,MESMA)和随机森林(Random forest,RF)相结合的土地利用信息分类提取方法。以Landsat-8 OLI卫星遥感影像为主要数据,基于植被-不透水面-裸土(Vegetation-impervious surface-soil,VIS)模型,利用MESMA将影像分解为植被、不透水面和裸土3类组分,将生成的3类组分变量和基于光谱、纹理信息计算选取的20个特征变量组合后开展RF分类实验,将分类结果与相同特征变量下的支持向量机(Support vector machine,SVM)、最大似然(Maximum likelihood classification,MLC)分类结果进行比较分析。结果表明:MESMA可以获得较为精确的组分丰度信息;RF分类结果优于相同特征变量下的SVM和MLC分类结果;在MESMA生成的组分信息变量参与分类后,3种方法的分类精度均有所改善,分别达90.50%、88.85%、86.35%,其中RF的分类精度改善最为显著;MESMA与线性混合分解(Linear spectral mixture analysis,LSMA)生成的组分信息变量相比,前者对于改善分类精度效果更为明显。MESMA对于提高影像分类精度起到一定积极作用,基于MESMA和RF的方法对中等空间分辨率影像山丘区土地利用信息分类提取精度较高,利用该方法开展遥感影像解译可为大尺度的土地利用监测和管理工作提供技术支持和理论参考。; 关键词土地利用分类中等空间分辨率多端元混合像元分解随机森林山丘区; Keywords classification of land use medium-spatial resolution multiple endmember spectral mixture analysis random forest hilly area; 分类号 TP79 [自动化与计算机技术—检测技术与自动化装置] S127 [农业科学—农业基础科学]; 在线阅读下载PDF 职称材料

题名黄河源玛多县“黑土滩”遥感定量识别被引量：3: 3; 作者安如徐晓峰李晓雪梁欣; 机构河海大学地球科学与工程学院; 出处《光学精密工程》 EI CAS CSCD 北大核心 2013年第12期3183-3190,共8页; 基金国家自然科学基金资助项目(No.41271361) 国家973重点基础研究发展计划资助项目(No.2009CB421105) "十一五"国家科技支撑计划资助项目(No.2006BAC08B00); 文摘采用混合像元分解方法提取"黑土滩"信息以实现玛多县"黑土滩"的遥感识别。以Roberts提出的多端元混合像元分解(MESMA)模型为基础,分析玛多县的地物组成并提取端元;针对MESMA在本研究区应用存在的不足,优化了分解策略和机制,并利用改进后的MESMA,结合"黑土滩"的形成机制提取研究区的"黑土滩"信息。最后,采用实测数据对本文"黑土滩"识别结果进行精度验证,得到的精度为82.81%,较MESMA方法的71.09%有明显提高,说明改进后的MESMA可以有效识别"黑土滩"。利用本文方法得到玛多县"黑土滩"面积为1.592×103 km2,主要分布在玛多县北部。该方法在保证"黑土滩"提取精度的同时,效率较传统的目视解译方法有了明显改善。该方法亦适用于其他复杂环境地表组分信息的提取。; 关键词黑土滩遥感定量识别定量提取多端元混合像元分解玛多县; Keywords black soil land remote sensing quantitative recognition quantitative extraction Multiple Endmember Spectral Mixture Analysis（MESMA） Maduo County; 分类号 TP73 [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MESMA与面向对象组合的土地利用分类方法被引量：3: 4; 作者任向宇孙文彬袁烨; 机构中国矿业大学(北京)地球科学与测绘工程学院; 出处《遥感信息》 CSCD 北大核心 2021年第1期69-76,共8页; 基金国家重点研发计划项目(2018YFB0505301) 国家自然科学基金项目(41671383)。; 文摘混合像元是制约传统组合分类方法精度提高的主要因素之一。为此,文章提出一种基于多端元混合像元分解(multiple endmember spectral mixture analysis,MESMA)与面向对象分类组合的分类方法,利用混合像元分解提高分类精度,借助组合方法降低“椒盐”现象影响。首先,使用MESMA技术分解混合像元,提取丰度信息,并将丰度信息作为特征变量应用到像素分类;然后,将像素和面向对象的分类结果进行组合,获得最优分类结果;最后,以内蒙古鄂尔多斯市乌审旗纳林河二号矿井Landsat-8影像为数据源进行相关实验。结果表明:组合方法分类精度最高,与基于像素、面向对象和传统组合方法相比,分类精度分别提高4.56%、5.66%、4.05%;同时,该方法可以有效降低“椒盐”现象影响。; 关键词基于像素面向对象 Landsat-8 多端元混合像元分解随机森林分类; Keywords pixel-based object-oriented Landsat-8 MESMA random forest classification; 分类号 TP751 [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	基于分层多端元混合像元分解的水稻面积信息提取	马孟莉朱艳李文龙姚霞曹卫星田永超	《农业工程学报》 EI CAS CSCD 北大核心	2012	21	在线阅读下载PDF 职称材料
2	基于MESMA和RF的山丘区土地利用信息分类提取	陈元鹏郧文聚周旭彭军还李少帅周妍	《农业机械学报》 EI CAS CSCD 北大核心	2017	22	在线阅读下载PDF 职称材料
3	黄河源玛多县“黑土滩”遥感定量识别	安如徐晓峰李晓雪梁欣	《光学精密工程》 EI CAS CSCD 北大核心	2013	3	在线阅读下载PDF 职称材料
4	MESMA与面向对象组合的土地利用分类方法	任向宇孙文彬袁烨	《遥感信息》 CSCD 北大核心	2021	3	在线阅读下载PDF 职称材料