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
共找到1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：
基于高光谱和深度学习的水稻秸秆覆盖度遥感估算 被引量：6
1
作者 岳继博 李婷 +3 位作者 宋洁 田庆久 刘杨 冯海宽 《河南农业大学学报》 CAS CSCD 北大核心 2024年第5期838-851,共14页
【目的】设计一种结合高光谱遥感、卷积神经网络和迁移学习技术的田间水稻秸秆覆盖度(RRC)信息提取方法。【方法】1)实验室测量了多种土壤含水量、水稻秸秆含水量和RRC的“土壤-水稻秸秆”混合光谱。2)基于视觉几何组网络设计了水稻秸... 【目的】设计一种结合高光谱遥感、卷积神经网络和迁移学习技术的田间水稻秸秆覆盖度(RRC)信息提取方法。【方法】1)实验室测量了多种土壤含水量、水稻秸秆含水量和RRC的“土壤-水稻秸秆”混合光谱。2)基于视觉几何组网络设计了水稻秸秆覆盖度高光谱网络(RRChyperNet)模型,该模型融合深层和浅层网络特征开展RRC估算。3)基于实验室实测和田间实测“土壤-水稻秸秆”混合光谱评估了使用RRChyperNet模型开展田间RRC估算的可行性。使用决定系数(R^(2))和均方根误差(RMSE)评估田间RRC信息提取的准确性。【结果】1)RRChyperNet可用于开展田间RRC信息高精度估算(R^(2)=0.953,RMSE=0.085)。2)基于预训练的RRChyperNet结合迁移学习方法能够实现对研究区RRC高精度估算(R^(2)=0.867,RMSE=0.093),其精度明显高于广泛使用的随机森林和支持向量机回归模型(R^(2)=0.686~0.691,RMSE=0.122~0.128)。3)研究仅基于水稻秸秆开展了RRChyperNet模型训练和性能测试,其针对小麦、玉米等秸秆覆盖度信息提取精度仍需要未来更多的试验来验证。【结论】RRChyperNet能够提供高精度的田间水稻秸秆覆盖度信息,为动态掌握农田保护性耕作实施进度和落实农业生态环境保护建设提供技术支持。 展开更多
关键词 卷积神经网络 水稻秸秆覆盖度 深度学习 迁移学习
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部