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
基于随机森林模型的陆地卫星-8遥感影像森林植被分类
被引量：
66
1
作者
张晓羽
李凤日
+1 位作者
甄贞
赵颖慧
《东北林业大学学报》
CAS
CSCD
北大核心
2016年第6期53-57,74,共6页
以黑龙江省漠河县为研究区域,采用陆地卫星-8遥感影像为数据源,结合影像的光谱信息和数字高程模型辅助数据,分别采用最大似然分类法(MLC)和随机森林模型法(RFM)对研究区森林植被进行分类,并分析和评价光谱特征变量对模型的重要性、2种...
以黑龙江省漠河县为研究区域,采用陆地卫星-8遥感影像为数据源,结合影像的光谱信息和数字高程模型辅助数据,分别采用最大似然分类法(MLC)和随机森林模型法(RFM)对研究区森林植被进行分类,并分析和评价光谱特征变量对模型的重要性、2种分类方法对森林植被类型分类的适用性。结果表明:随机森林分类方法的总体分类精度为81.65%、卡帕(Kappa)系数为0.812。与传统的MLC方法相比,RFM法均提高了3种森林类型的生产者精度和使用者精度,其中针阔混交林精度提高最多。通过分析特征变量的重要性,发现高程、归一化植被指数、红光波段、近红外波段、短波红外波段对模型分类精度有较重要的影响。说明随机森林模型方法结合多源信息是森林植被类型遥感分类的一种有效手段。
展开更多
关键词
随机森林模型法
陆地卫星-8遥感影像
森林植被分类
在线阅读
下载PDF
职称材料
应用Landsat-8卫星遥感图像的青海地区土壤分类研究
2
作者
刘志勇
黄宇飞
+2 位作者
刘佳欣
金丽花
徐嘉
《航天器工程》
CSCD
北大核心
2020年第1期105-109,共5页
遥感技术的迅速发展和应用,为土壤分类提供了新的技术与数据支持,文章提出一种利用陆地卫星-8(Landsat-8)遥感图像的土壤分类方法,用于青海地区土壤分类,所提取的特征包括4种,即基于遥感图像的变换特征、指数特征、纹理特征和基于高程...
遥感技术的迅速发展和应用,为土壤分类提供了新的技术与数据支持,文章提出一种利用陆地卫星-8(Landsat-8)遥感图像的土壤分类方法,用于青海地区土壤分类,所提取的特征包括4种,即基于遥感图像的变换特征、指数特征、纹理特征和基于高程图像的地形特征,通过随机森林方法实现土壤分类。文章首先提出2个基于遥感图像的纹理特征--熵与平滑度,从中国土壤数据集中自动提取了16 444个数据点,并在试验中采用,充分验证了此分类方法的有效性。
展开更多
关键词
土壤分类
陆地卫星
-
8
遥感
图像
纹理特征
随机森林
在线阅读
下载PDF
职称材料
基于Landsat 8影像提取豫中地区冬小麦和夏玉米分布信息的最佳时相选择
被引量：
2
3
作者
赵荣荣
丛楠
赵闯
《作物学报》
CAS
CSCD
北大核心
2024年第3期721-733,共13页
遥感技术对大尺度农业实时监测提供了一个理想的手段,遥感影像植被分类的最佳时相对作物种植面积遥感监测非常重要。本文选取2020年至2021年的6景Landsat 8影像,覆盖了夏玉米从乳熟到收获、冬小麦从越冬到成熟的生育期,以此分析不同时...
遥感技术对大尺度农业实时监测提供了一个理想的手段,遥感影像植被分类的最佳时相对作物种植面积遥感监测非常重要。本文选取2020年至2021年的6景Landsat 8影像,覆盖了夏玉米从乳熟到收获、冬小麦从越冬到成熟的生育期,以此分析不同时相的冬小麦-夏玉米与其他地类在光谱特征和NDVI上的差异,通过决策树的方法提取豫中地区冬小麦-夏玉米的空间分布情况。结果表明,冬小麦-夏玉米在不同生长发育时期,提取到的面积比有所不同,对于夏玉米而言,乳熟时期的提取效果要优于之后的时期,其在2020年8月26日的总体精度最高,为83.60%,Kappa系数为0.72,分类质量很好;对于冬小麦而言,最佳识别时期则处于冬小麦的越冬期,其在2021年1月1日的总体精度最高,为92.36%,Kappa系数为0.81,信息提取效果很好。除了作物自身生长过程的覆盖度变化,分类精度随成像时间而改变。多时相信息提取也发现,受到天气等环境条件限制,夏玉米和冬小麦的种植区域不完全重叠,山区冬季不适合冬小麦种植从而没有与夏玉米出现重叠分布。本研究有助于我们从宏观上对作物分布及生长状况作出及时有效的判断,对农业监测,特别是对轮作农田的信息管理和作物物候、种植面积等研究具有广阔的应用前景。
展开更多
关键词
冬小麦
-
夏玉米
光谱特征
决策树分类
分类精度
Landsat
8
-
OLI
遥感
影像
在线阅读
下载PDF
职称材料
题名
基于随机森林模型的陆地卫星-8遥感影像森林植被分类
被引量：
66
1
作者
张晓羽
李凤日
甄贞
赵颖慧
机构
东北林业大学
出处
《东北林业大学学报》
CAS
CSCD
北大核心
2016年第6期53-57,74,共6页
基金
科技部科技基础性工作专项项目(2013FY111600-7)
文摘
以黑龙江省漠河县为研究区域,采用陆地卫星-8遥感影像为数据源,结合影像的光谱信息和数字高程模型辅助数据,分别采用最大似然分类法(MLC)和随机森林模型法(RFM)对研究区森林植被进行分类,并分析和评价光谱特征变量对模型的重要性、2种分类方法对森林植被类型分类的适用性。结果表明:随机森林分类方法的总体分类精度为81.65%、卡帕(Kappa)系数为0.812。与传统的MLC方法相比,RFM法均提高了3种森林类型的生产者精度和使用者精度,其中针阔混交林精度提高最多。通过分析特征变量的重要性,发现高程、归一化植被指数、红光波段、近红外波段、短波红外波段对模型分类精度有较重要的影响。说明随机森林模型方法结合多源信息是森林植被类型遥感分类的一种有效手段。
关键词
随机森林模型法
陆地卫星-8遥感影像
森林植被分类
Keywords
Random forest model（RFM）
Landsat
8
remote sensing image
Forest vegetation classification
分类号
S757.2 [农业科学—森林经理学]
S771.8 [农业科学—森林工程]
在线阅读
下载PDF
职称材料
题名
应用Landsat-8卫星遥感图像的青海地区土壤分类研究
2
作者
刘志勇
黄宇飞
刘佳欣
金丽花
徐嘉
机构
北京空间飞行器总体设计部
哈尔滨工程大学计算机科学与技术学院
出处
《航天器工程》
CSCD
北大核心
2020年第1期105-109,共5页
文摘
遥感技术的迅速发展和应用,为土壤分类提供了新的技术与数据支持,文章提出一种利用陆地卫星-8(Landsat-8)遥感图像的土壤分类方法,用于青海地区土壤分类,所提取的特征包括4种,即基于遥感图像的变换特征、指数特征、纹理特征和基于高程图像的地形特征,通过随机森林方法实现土壤分类。文章首先提出2个基于遥感图像的纹理特征--熵与平滑度,从中国土壤数据集中自动提取了16 444个数据点,并在试验中采用,充分验证了此分类方法的有效性。
关键词
土壤分类
陆地卫星
-
8
遥感
图像
纹理特征
随机森林
Keywords
soil classification
Landsat
-
8
remote sense image
texture feature
random forest
分类号
V19 [航空宇航科学与技术—人机与环境工程]
在线阅读
下载PDF
职称材料
题名
基于Landsat 8影像提取豫中地区冬小麦和夏玉米分布信息的最佳时相选择
被引量：
2
3
作者
赵荣荣
丛楠
赵闯
机构
中国科学院地理科学与资源研究所拉萨高原生态试验站
中国农业大学资源与环境学院
出处
《作物学报》
CAS
CSCD
北大核心
2024年第3期721-733,共13页
基金
国家重点研发计划项目(2018YFA0606101)
国家自然科学基金青年基金项目(42201032)
+1 种基金
国家优秀青年科学基金(海外)项目
中央高校基本科研业务费专项(15053348)资助。
文摘
遥感技术对大尺度农业实时监测提供了一个理想的手段,遥感影像植被分类的最佳时相对作物种植面积遥感监测非常重要。本文选取2020年至2021年的6景Landsat 8影像,覆盖了夏玉米从乳熟到收获、冬小麦从越冬到成熟的生育期,以此分析不同时相的冬小麦-夏玉米与其他地类在光谱特征和NDVI上的差异,通过决策树的方法提取豫中地区冬小麦-夏玉米的空间分布情况。结果表明,冬小麦-夏玉米在不同生长发育时期,提取到的面积比有所不同,对于夏玉米而言,乳熟时期的提取效果要优于之后的时期,其在2020年8月26日的总体精度最高,为83.60%,Kappa系数为0.72,分类质量很好;对于冬小麦而言,最佳识别时期则处于冬小麦的越冬期,其在2021年1月1日的总体精度最高,为92.36%,Kappa系数为0.81,信息提取效果很好。除了作物自身生长过程的覆盖度变化,分类精度随成像时间而改变。多时相信息提取也发现,受到天气等环境条件限制,夏玉米和冬小麦的种植区域不完全重叠,山区冬季不适合冬小麦种植从而没有与夏玉米出现重叠分布。本研究有助于我们从宏观上对作物分布及生长状况作出及时有效的判断,对农业监测,特别是对轮作农田的信息管理和作物物候、种植面积等研究具有广阔的应用前景。
关键词
冬小麦
-
夏玉米
光谱特征
决策树分类
分类精度
Landsat
8
-
OLI
遥感
影像
Keywords
winter wheat
-
summer maize
spectral characteristics
decision tree
classification accuracy
Landsat
8
-
OLI remote sensing image
分类号
S512.11 [农业科学—作物学]
S513 [农业科学—作物学]
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
基于随机森林模型的陆地卫星-8遥感影像森林植被分类
张晓羽
李凤日
甄贞
赵颖慧
《东北林业大学学报》
CAS
CSCD
北大核心
2016
66
在线阅读
下载PDF
职称材料
2
应用Landsat-8卫星遥感图像的青海地区土壤分类研究
刘志勇
黄宇飞
刘佳欣
金丽花
徐嘉
《航天器工程》
CSCD
北大核心
2020
0
在线阅读
下载PDF
职称材料
3
基于Landsat 8影像提取豫中地区冬小麦和夏玉米分布信息的最佳时相选择
赵荣荣
丛楠
赵闯
《作物学报》
CAS
CSCD
北大核心
2024
2
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
