检索结果-维普期刊中文期刊服务平台

基于地面成像光谱数据特征的湿地典型植被类型识别研究——以东洞庭湖核心区湿地为例被引量：8: 1; 作者凌成星刘华 +4 位作者鞠洪波张怀清孙华由佳李伟娜《西北林学院学报》 CSCD 北大核心 2018年第3期208-213,共6页; 利用SOC710VP成像光谱仪在湖南省东洞庭湖区域湿地保护核心区获取了典型挺水植物芦苇、湿生植物苔草、泥蒿和栽培植物青菜的成像光谱数据,采用光谱微分技术的一阶导数分析方法和包络线去除方法分析了几种植被类型成像光谱曲线波段特性,... 展开更多; 关键词遥感成像高光谱数据光谱分析湿地植被植被类型识别; 在线阅读下载PDF 职称材料

Sentinel-2A数据支持下的雷州半岛植被类型识别被引量：4: 2; 作者王刚丁华祥《测绘通报》 CSCD 北大核心 2022年第3期76-82,共7页; 本文以雷州半岛为研究区,利用Sentinel-2A影像数据和真实植被样本数据,综合探讨了机器学习中随机森林与支持向量机的分类效果,并与传统的最大似然法进行比较。提取Sentinel-2A影像9个波段、7个植被指数、72个纹理特征,通过递归特征消除... 展开更多; 关键词植被类型识别机器学习 Sentinel-2A 特征选择递归特征消除法; 在线阅读下载PDF 职称材料

基于多元HoG及无人机航拍图像的植被类型识别被引量：16: 3; 作者林志玮丁启禄 +3 位作者涂伟豪林金石刘金福黄炎和《森林与环境学报》 CSCD 北大核心 2018年第4期444-450,共7页; 使用无人机进行低空航拍,快速取得大范围的植被图像,结合多元HoG特征进行植被类型识别。首先,利用Gabor滤波器提取图像的纹理信息,HSV和Lab颜色空间转化提取图像的颜色信息。其次,将图像分割为N个单元格(cell),基于纹理与颜色信息计算... 展开更多; 关键词无人机航拍影像光学图像颜色信息植被类型识别; 在线阅读下载PDF 职称材料

面向三江保护区植被类型识别的最佳波段组合研究被引量：3: 4; 作者姜怡刘华 +2 位作者赵峰马永康刘浩栋《林业科学研究》 CSCD 北大核心 2022年第1期115-122,共8页; [目的]针对高分六号影像数据面向植被类型、特别是湿地植被信息识别的最佳波段组合进行研究,为高分六号数据在湿地资源监测中的进一步应用提供参考。[方法]以三江国家级自然保护区为对象,基于高分六号影像数据,结合当地植被特点,开展保... 展开更多; 关键词最佳波段组合植被类型识别 GF6/WFV数据三江保护区; 在线阅读下载PDF 职称材料

基于光谱和雷达的输电线路树障遥测技术研究被引量：3: 5; 作者吴驰刘凤莲 +3 位作者曹永兴李宇赵琛朱军《电测与仪表》北大核心 2023年第8期66-72,共7页; 输电线路树障是威胁输电网安全运行的重要因素,为实现输电线路树障的高效、广域监测,文中研究了基于高光谱图像的输电线路树障区域植被类型识别以及基于雷达卫星影像的输电线路植被高度检测。通过机载高光谱识别树障分布区域,完成了航... 展开更多; 关键词树障高光谱植被类型识别 SAR影像植被高度检测; 在线阅读下载PDF 职称材料

题名基于地面成像光谱数据特征的湿地典型植被类型识别研究——以东洞庭湖核心区湿地为例被引量：8: 1; 作者凌成星刘华鞠洪波张怀清孙华由佳李伟娜; 机构中国林业科学研究院资源信息研究所中南林业科技大学林业遥感信息工程研究中心; 出处《西北林学院学报》 CSCD 北大核心 2018年第3期208-213,共6页; 基金中央级公益性科研院所基本科研业务费专项资金项目(IFRIT201505); 文摘利用SOC710VP成像光谱仪在湖南省东洞庭湖区域湿地保护核心区获取了典型挺水植物芦苇、湿生植物苔草、泥蒿和栽培植物青菜的成像光谱数据,采用光谱微分技术的一阶导数分析方法和包络线去除方法分析了几种植被类型成像光谱曲线波段特性,提取成像光谱数据"双边"参数和吸收特征,并利用Fisher线性判别函数进行湿地植被类型识别,总分类精度达到87.39%,Kappa系数达到0.831 6。苔草分类后的精度最高,达到92.55%,青菜地的识别精度为92.31%,芦苇居中,识别精度达到86.11%,泥蒿的识别精度为80.65%。结果表明,地面采集的成像光谱数据进行分析得到的植被光谱特征变量具有较好的普适性和可靠性,可以为湿地植被类型的识别提供良好的科学依据。; 关键词遥感成像高光谱数据光谱分析湿地植被植被类型识别; Keywords remote sensing imaging spectrometer data dpectrum analysis wetland vegetation classification of wetland vegetation; 分类号 S771.8 [农业科学—森林工程]; 在线阅读下载PDF 职称材料

题名Sentinel-2A数据支持下的雷州半岛植被类型识别被引量：4: 2; 作者王刚丁华祥; 机构广东省国土资源测绘院; 出处《测绘通报》 CSCD 北大核心 2022年第3期76-82,共7页; 基金广东省自然资源厅科技项目(GDZRZYKJ-ZC2020002) 广东省省级科技计划(2021B1111610001)。; 文摘本文以雷州半岛为研究区,利用Sentinel-2A影像数据和真实植被样本数据,综合探讨了机器学习中随机森林与支持向量机的分类效果,并与传统的最大似然法进行比较。提取Sentinel-2A影像9个波段、7个植被指数、72个纹理特征,通过递归特征消除法挑选了10个特征组合,并将其应用于3种分类方法中,对其分类效果进行比较。结果表明:(1)有效使用多种特征变量是提高植被类型识别精度的关键,就不同特征对植被类型识别的重要性而言,光谱特征与纹理特征相当且大于植被指数,三者重要性相差不大;(2)随机森林分类效果最佳,不但能对特征进行有效选择,而且能保证植被类型提取精度,提高运行效率;(3)基于随机森林特征选择的递归特征消除法得到的特征组合不能对其他分类器性能进行优化,对随机森林模型本身的优化效果也有限。; 关键词植被类型识别机器学习 Sentinel-2A 特征选择递归特征消除法; Keywords vegetation type identification machine learning Sentinel-2A feature selection recursive feature elimination; 分类号 P237 [天文地球—摄影测量与遥感]; 在线阅读下载PDF 职称材料

题名基于多元HoG及无人机航拍图像的植被类型识别被引量：16: 3; 作者林志玮丁启禄涂伟豪林金石刘金福黄炎和; 机构福建农林大学计算机与信息学院福建农林大学林学院福建农林大学资源与环境学院福建省高校生态与资源统计重点实验室; 出处《森林与环境学报》 CSCD 北大核心 2018年第4期444-450,共7页; 基金中国博士后科学基金项目(2018M632565) 福建省自然科学基金项目(2016J01718) 海峡博士后交流项目; 文摘使用无人机进行低空航拍,快速取得大范围的植被图像,结合多元HoG特征进行植被类型识别。首先,利用Gabor滤波器提取图像的纹理信息,HSV和Lab颜色空间转化提取图像的颜色信息。其次,将图像分割为N个单元格(cell),基于纹理与颜色信息计算每个单元格的方向梯度直方图(HoG)特征,形成多元HoG特征。最后,以单元格为分类单位,结合随机森林机器学习算法,建立植被类型识别模型。以福建省安溪县山区为研究区域,结果表明:利用无人机低空航拍的光学影像结合多元HoG特征进行植被类型识别是可行的;对于植被与非植被识别,其最高分类正确率达到96.04%; 20 m航拍下,植被类型识别率最高,为82.44%,随着航拍高度的升高,模型识别效果呈现下降趋势。进一步采集福建省长汀县山区的植被航拍影像为测试数据,证明模型对于不同地区植被类型识别的稳定性,其识别精度最高可达73.31%,正确率无显著差异。本研究采用无人机载光学相机获取植被光学图像数据,数据获取方便且所需费用较低;提出的植被类型识别模型具有较高的精度;对于不同地区的植被类型识别具有较好的稳健性,可方便应用于野外森林树种监控与管理。根据不同高度模型识别结果,航拍高度不宜过高,航拍高度以20 m为宜。; 关键词无人机航拍影像光学图像颜色信息植被类型识别; Keywords unmanned aerial vehicle aerial photography optical image color information vegetation type recognition; 分类号 S719 [农业科学—林学]; 在线阅读下载PDF 职称材料

题名面向三江保护区植被类型识别的最佳波段组合研究被引量：3: 4; 作者姜怡刘华赵峰马永康刘浩栋; 机构中国林业科学研究院资源信息研究所; 出处《林业科学研究》 CSCD 北大核心 2022年第1期115-122,共8页; 基金高分辨率对地观测系统重大专项(21-Y30B02-9001-19/22-2) 中国林业科学研究院资源信息研究所结余资金资助(2017JYZJ16)。; 文摘 [目的]针对高分六号影像数据面向植被类型、特别是湿地植被信息识别的最佳波段组合进行研究,为高分六号数据在湿地资源监测中的进一步应用提供参考。[方法]以三江国家级自然保护区为对象,基于高分六号影像数据,结合当地植被特点,开展保护区植被类型识别中的最佳波段组合研究。从影像信息特征、最佳指数因子以及光谱特征曲线和地物可分性角度进行综合分析,获取基于GF6/WFV数据的三江保护区植被类型识别的最佳波段组合。同时,通过对比实验,利用支持向量机分类方法,对样区的植被类型进行信息提取,证实了结果的可靠性。[结果]波段组合4(R)-5(G)-1(B)识别植被类型精度最高。总体精度为89.15%,Kappa系数为0.8463。[结论]波段组合4(R)-5(G)-1(B)为三江保护区植被类型识别的最佳波段组合。本研究可为东北地区湿地保护区的退耕还湿工程监测提供参考。; 关键词最佳波段组合植被类型识别 GF6/WFV数据三江保护区; Keywords Optimal band selection vegetation type recognition GF6/WFV data Sanjiang Nature Reserve; 分类号 X87 [环境科学与工程—环境工程]; 在线阅读下载PDF 职称材料

题名基于光谱和雷达的输电线路树障遥测技术研究被引量：3: 5; 作者吴驰刘凤莲曹永兴李宇赵琛朱军; 机构国网四川省电力科学研究院西南交通大学电气工程学院; 出处《电测与仪表》北大核心 2023年第8期66-72,共7页; 基金国家电网有限公司科技项目(521997170013)。; 文摘输电线路树障是威胁输电网安全运行的重要因素,为实现输电线路树障的高效、广域监测,文中研究了基于高光谱图像的输电线路树障区域植被类型识别以及基于雷达卫星影像的输电线路植被高度检测。通过机载高光谱识别树障分布区域,完成了航拍图像的树障区域类型识别,选取输电线路验证了高光谱用于树障区域植被类型识别的可行性;研究了一种改进三阶段植被高度反演算法,基于算法提出了一种输电线路植被高度检测方法,利用SAR影像数据,结合植被类型识别结果进行了工程应用分析。结果表明:高光谱识别输电线路植被准确率最高可达97.5%,SAR影像检测植被高度精度最高可达86.72%,文中方法能较准确地检测输电线路树障植被类型及高度。; 关键词树障高光谱植被类型识别 SAR影像植被高度检测; Keywords tree barrier hyperspectral vegetation type identification SAR images vegetation height detection; 分类号 TM755 [电气工程—电力系统及自动化]; 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	基于地面成像光谱数据特征的湿地典型植被类型识别研究——以东洞庭湖核心区湿地为例	凌成星刘华鞠洪波张怀清孙华由佳李伟娜	《西北林学院学报》 CSCD 北大核心	2018	8	在线阅读下载PDF 职称材料
2	Sentinel-2A数据支持下的雷州半岛植被类型识别	王刚丁华祥	《测绘通报》 CSCD 北大核心	2022	4	在线阅读下载PDF 职称材料
3	基于多元HoG及无人机航拍图像的植被类型识别	林志玮丁启禄涂伟豪林金石刘金福黄炎和	《森林与环境学报》 CSCD 北大核心	2018	16	在线阅读下载PDF 职称材料
4	面向三江保护区植被类型识别的最佳波段组合研究	姜怡刘华赵峰马永康刘浩栋	《林业科学研究》 CSCD 北大核心	2022	3	在线阅读下载PDF 职称材料
5	基于光谱和雷达的输电线路树障遥测技术研究	吴驰刘凤莲曹永兴李宇赵琛朱军	《电测与仪表》北大核心	2023	3	在线阅读下载PDF 职称材料