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
3
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GBDT和Google Earth Engine的冬小麦种植结构提取
被引量：
10
1
作者
张海洋
张瑶
+3 位作者
田泽众
吴江梅
李民赞
刘凯迪
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2023年第2期597-607,共11页
针对中国农田存在种植景观破碎化和复杂的种植结构这一现状,如何实现目标作物的高精度识别与制图对作物产量估算、粮食政策调整和国家粮食安全保障具有十分重要意义。基于Google Earth Engine(GEE)遥感数据处理云平台,提出一种冬小麦不...
针对中国农田存在种植景观破碎化和复杂的种植结构这一现状,如何实现目标作物的高精度识别与制图对作物产量估算、粮食政策调整和国家粮食安全保障具有十分重要意义。基于Google Earth Engine(GEE)遥感数据处理云平台,提出一种冬小麦不同生育期的种植结构提取方法,该方法以2021年覆盖目标作物关键生育期的多时相Sentinel-2影像为数据源,综合考虑光谱波段特征、光谱指数特征、纹理特征和地形特征等多维特征变量,利用GBDT(gradient boosting decision tree)分类器对不同生育期田块尺度的冬小麦种植面积和空间分布信息进行快速精准提取,并探讨了冬小麦识别的最佳生育期。此外,对比分析了常见的不同分类模型在田块尺度条件下的作物识别性能。以河南陈固镇为研究区开展实验,实验结果显示,冬小麦在起身拔节期的地物识别准确率相对较高,总体分类准确率为94.61%,Kappa系数为92.68%;在抽穗扬花期的识别精度最高,总体分类准确率为97.01%,Kappa系数为95.52%;但在灌浆乳熟期的分类精度偏低,总体分类准确率为86.23%,Kappa系数为81.33%。研究结果表明,在冬小麦抽穗扬花期,GBDT分类器能对田块尺度条件下的土地覆盖信息进行有效提取,进而取得较好的地物分类识别效果。此外,本研究将GBDT与传统分类器如随机森林(random forest,RF)、CART(classification and regression tree)和朴素贝叶斯(Naive Bayesian,NB)进行相比。结果表明,GBDT分类器的地物识别效果最佳,总体分类准确率比RF分类器和CART分类器分别提高了1.20%和5.99%,Kappa系数比RF分类器和CART分类器分别提高了1.61%和8.04%,朴素贝叶斯分类器的识别效果最差,总体分类准确率和Kappa系数分别为84.43%和78.69%。研究结果可为田块尺度作物精细提取提供有效的技术支持。
展开更多
关键词
Google
Earth
Engine
GBDT分类器
Sentinel-2卫星传感器
冬小麦
种植结构提取
在线阅读
下载PDF
职称材料
基于NDVI时间序列影像的天山北坡经济带农业种植结构提取
被引量：
14
2
作者
熊元康
张清凌
《干旱区地理》
CSCD
北大核心
2019年第5期1105-1114,共10页
水资源匮乏是干旱区实现可持续发展的最大障碍。干旱区农业灌溉耗费大量的水资源,不同农作物在生长期所需的灌溉水量存在较大的差异,因此快速准确地了解干旱区的农业种植结构可以为节水型农业种植结构优化提供重要依据。以天山北坡经济...
水资源匮乏是干旱区实现可持续发展的最大障碍。干旱区农业灌溉耗费大量的水资源,不同农作物在生长期所需的灌溉水量存在较大的差异,因此快速准确地了解干旱区的农业种植结构可以为节水型农业种植结构优化提供重要依据。以天山北坡经济带为研究区,以谷歌地球引擎(Google EarthEngine,GEE)云平台为支撑,以Sentinel-2以及Landsat 7-8的数据为遥感数据源,采取以下步骤进行研究区的农业种植结构提取:首先,为了简化农业种植结构提取的过程,利用一年最大NDVI值以及坡度信息构建耕地掩膜图层;然后,根据研究区内主要农作物的物候历,获取不同时间段内的最大NDVI值的时间序列数据以及农作物在一年中出现NDVI最大值的日期,并在此基础上构建一个包含10波段的特征波段影像;最后,结合野外实地考察获得的有效样本点以及经耕地掩膜图层掩膜后的10波段特征波段影像,利用随机森林分类器进行研究区的农业种植结构提取。分类结果表明:2018年研究区内棉花、玉米、小麦的总体分类精度为92.19%,Kappa系数为0.883。为了进一步将分类结果与统计数据进行对比,我们将训练得到的分类器应用于2017年的遥感影像,提取了研究区内2017年的农业种植结构信息,其分类结果表明2017年研究区内棉花、玉米、小麦的种植面积分别为5 270 km^2、2 000 km^2、2 340 km^2,其相对精度分别为86.53%、77.54%、86.19%。
展开更多
关键词
农业遥感
谷歌地球引擎
随机森林分类
种植结构提取
绿洲农业
在线阅读
下载PDF
职称材料
基于改进SVM算法的典型作物分类方法研究
被引量：
16
3
作者
贾银江
姜涛
+3 位作者
苏中滨
孔庆明
张萧誉
施玉博
《东北农业大学学报》
CAS
CSCD
北大核心
2020年第7期77-85,共9页
以黑龙江省哈尔滨市阿城区为研究区域,多时相16 m空间分辨率高分一号(GF-1)卫星宽覆盖(Wide field of view,WFV)影像为数据源,选择归一化植被指数(Normalized difference vegetation index,NDVI)、增强植被指数(Enhanced vegetation ind...
以黑龙江省哈尔滨市阿城区为研究区域,多时相16 m空间分辨率高分一号(GF-1)卫星宽覆盖(Wide field of view,WFV)影像为数据源,选择归一化植被指数(Normalized difference vegetation index,NDVI)、增强植被指数(Enhanced vegetation index,EVI)、归一化水指数(Normalized difference water index,NDWI)、比值植被指数(Ratio Vegetation Index,RVI)4种植被指数,构建植被指数时间序列,分析作物特征曲线,结合实地样本数据,采用支持向量机(Support vector machine,SVM)分类器对研究区内主要农作物玉米、水稻和大蒜/白菜实施分类。针对SVM分类器分类精度较低问题,引入自适应变异粒子群算法(Adaptive mutation particle swarm optimization,AMPSO)优化SVM,克服传统SVM参数选择主观性,进而提升分类器分类精度。结果表明,玉米和水稻生育期与大蒜/白菜差异较大,易区分;玉米与水稻生育期接近,光谱信息相似,区分难度较大,但光谱指数增长与回落趋势不同,借助NDVI、RVI和EVI可实现有效区分。改进后的AMPSO-SVM分类器,分类效果相比于SVM明显提升,确定核参数为0.135,惩罚因子为221.67时,分类效果最佳,总体分类精度达到94.39%,Kappa系数为0.9287,比SVM分类器,分类精度提升3.48%,Kappa系数提高0.0436。研究可为大区域农作物种植结构提取提供参考与借鉴。
展开更多
关键词
种植结构提取
遥感
分类精度
植被指数
分类器
在线阅读
下载PDF
职称材料
题名
基于GBDT和Google Earth Engine的冬小麦种植结构提取
被引量：
10
1
作者
张海洋
张瑶
田泽众
吴江梅
李民赞
刘凯迪
机构
中国农业大学智慧农业系统集成研究教育部重点实验室
出处
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2023年第2期597-607,共11页
基金
国家重点研发计划中英国际合作项目(2019YFE0125500)
国家自然科学基金项目(41801245)资助。
文摘
针对中国农田存在种植景观破碎化和复杂的种植结构这一现状,如何实现目标作物的高精度识别与制图对作物产量估算、粮食政策调整和国家粮食安全保障具有十分重要意义。基于Google Earth Engine(GEE)遥感数据处理云平台,提出一种冬小麦不同生育期的种植结构提取方法,该方法以2021年覆盖目标作物关键生育期的多时相Sentinel-2影像为数据源,综合考虑光谱波段特征、光谱指数特征、纹理特征和地形特征等多维特征变量,利用GBDT(gradient boosting decision tree)分类器对不同生育期田块尺度的冬小麦种植面积和空间分布信息进行快速精准提取,并探讨了冬小麦识别的最佳生育期。此外,对比分析了常见的不同分类模型在田块尺度条件下的作物识别性能。以河南陈固镇为研究区开展实验,实验结果显示,冬小麦在起身拔节期的地物识别准确率相对较高,总体分类准确率为94.61%,Kappa系数为92.68%;在抽穗扬花期的识别精度最高,总体分类准确率为97.01%,Kappa系数为95.52%;但在灌浆乳熟期的分类精度偏低,总体分类准确率为86.23%,Kappa系数为81.33%。研究结果表明,在冬小麦抽穗扬花期,GBDT分类器能对田块尺度条件下的土地覆盖信息进行有效提取,进而取得较好的地物分类识别效果。此外,本研究将GBDT与传统分类器如随机森林(random forest,RF)、CART(classification and regression tree)和朴素贝叶斯(Naive Bayesian,NB)进行相比。结果表明,GBDT分类器的地物识别效果最佳,总体分类准确率比RF分类器和CART分类器分别提高了1.20%和5.99%,Kappa系数比RF分类器和CART分类器分别提高了1.61%和8.04%,朴素贝叶斯分类器的识别效果最差,总体分类准确率和Kappa系数分别为84.43%和78.69%。研究结果可为田块尺度作物精细提取提供有效的技术支持。
关键词
Google
Earth
Engine
GBDT分类器
Sentinel-2卫星传感器
冬小麦
种植结构提取
Keywords
Google Earth Engine
GBDT classifier
Sentinel-2 satellite
Winter wheat
Planting structure extraction
分类号
TP75 [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
基于NDVI时间序列影像的天山北坡经济带农业种植结构提取
被引量：
14
2
作者
熊元康
张清凌
机构
中国科学院新疆生态与地理研究所
中国科学院大学
中山大学航空航天学院
出处
《干旱区地理》
CSCD
北大核心
2019年第5期1105-1114,共10页
基金
科技部国家重点研发计划(YFB0504204)
中国科学院百人计划(Y674141001)
新疆维吾尔自治区引进高层次人才专项(Y644151001)
文摘
水资源匮乏是干旱区实现可持续发展的最大障碍。干旱区农业灌溉耗费大量的水资源,不同农作物在生长期所需的灌溉水量存在较大的差异,因此快速准确地了解干旱区的农业种植结构可以为节水型农业种植结构优化提供重要依据。以天山北坡经济带为研究区,以谷歌地球引擎(Google EarthEngine,GEE)云平台为支撑,以Sentinel-2以及Landsat 7-8的数据为遥感数据源,采取以下步骤进行研究区的农业种植结构提取:首先,为了简化农业种植结构提取的过程,利用一年最大NDVI值以及坡度信息构建耕地掩膜图层;然后,根据研究区内主要农作物的物候历,获取不同时间段内的最大NDVI值的时间序列数据以及农作物在一年中出现NDVI最大值的日期,并在此基础上构建一个包含10波段的特征波段影像;最后,结合野外实地考察获得的有效样本点以及经耕地掩膜图层掩膜后的10波段特征波段影像,利用随机森林分类器进行研究区的农业种植结构提取。分类结果表明:2018年研究区内棉花、玉米、小麦的总体分类精度为92.19%,Kappa系数为0.883。为了进一步将分类结果与统计数据进行对比,我们将训练得到的分类器应用于2017年的遥感影像,提取了研究区内2017年的农业种植结构信息,其分类结果表明2017年研究区内棉花、玉米、小麦的种植面积分别为5 270 km^2、2 000 km^2、2 340 km^2,其相对精度分别为86.53%、77.54%、86.19%。
关键词
农业遥感
谷歌地球引擎
随机森林分类
种植结构提取
绿洲农业
Keywords
remote sensing in agriculture
Google Earth Engine
random forest classification
crop structure extraction
oasis agriculture
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
基于改进SVM算法的典型作物分类方法研究
被引量：
16
3
作者
贾银江
姜涛
苏中滨
孔庆明
张萧誉
施玉博
机构
东北农业大学电气与信息学院
国网哈尔滨供电公司
出处
《东北农业大学学报》
CAS
CSCD
北大核心
2020年第7期77-85,共9页
基金
国家重点研发计划项目(2016YFD0200701)。
文摘
以黑龙江省哈尔滨市阿城区为研究区域,多时相16 m空间分辨率高分一号(GF-1)卫星宽覆盖(Wide field of view,WFV)影像为数据源,选择归一化植被指数(Normalized difference vegetation index,NDVI)、增强植被指数(Enhanced vegetation index,EVI)、归一化水指数(Normalized difference water index,NDWI)、比值植被指数(Ratio Vegetation Index,RVI)4种植被指数,构建植被指数时间序列,分析作物特征曲线,结合实地样本数据,采用支持向量机(Support vector machine,SVM)分类器对研究区内主要农作物玉米、水稻和大蒜/白菜实施分类。针对SVM分类器分类精度较低问题,引入自适应变异粒子群算法(Adaptive mutation particle swarm optimization,AMPSO)优化SVM,克服传统SVM参数选择主观性,进而提升分类器分类精度。结果表明,玉米和水稻生育期与大蒜/白菜差异较大,易区分;玉米与水稻生育期接近,光谱信息相似,区分难度较大,但光谱指数增长与回落趋势不同,借助NDVI、RVI和EVI可实现有效区分。改进后的AMPSO-SVM分类器,分类效果相比于SVM明显提升,确定核参数为0.135,惩罚因子为221.67时,分类效果最佳,总体分类精度达到94.39%,Kappa系数为0.9287,比SVM分类器,分类精度提升3.48%,Kappa系数提高0.0436。研究可为大区域农作物种植结构提取提供参考与借鉴。
关键词
种植结构提取
遥感
分类精度
植被指数
分类器
Keywords
planting structure extraction
remote sensing
classification accuracy
vegetation index
classifier
分类号
P237 [天文地球—摄影测量与遥感]
S29 [农业科学—农业水土工程]
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GBDT和Google Earth Engine的冬小麦种植结构提取
张海洋
张瑶
田泽众
吴江梅
李民赞
刘凯迪
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2023
10
在线阅读
下载PDF
职称材料
2
基于NDVI时间序列影像的天山北坡经济带农业种植结构提取
熊元康
张清凌
《干旱区地理》
CSCD
北大核心
2019
14
在线阅读
下载PDF
职称材料
3
基于改进SVM算法的典型作物分类方法研究
贾银江
姜涛
苏中滨
孔庆明
张萧誉
施玉博
《东北农业大学学报》
CAS
CSCD
北大核心
2020
16
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
