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6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Landsat时序数据的长株潭城市群核心区森林扰动监测
1
作者 谢天飞 蒋馥根 +2 位作者 王霞 龙依 孙华 《中南林业科技大学学报》 CAS CSCD 北大核心 2024年第8期94-103,共10页
【目的】为了快速准确地监测城市群核心区内的森林扰动,研究利用Landsat时间序列数据在谷歌地球引擎(Google Earth Engine,GEE)平台运用LandTrendr算法进行森林扰动监测研究。【方法】基于2000—2020年植被生长季的Landsat时序数据,分... 【目的】为了快速准确地监测城市群核心区内的森林扰动,研究利用Landsat时间序列数据在谷歌地球引擎(Google Earth Engine,GEE)平台运用LandTrendr算法进行森林扰动监测研究。【方法】基于2000—2020年植被生长季的Landsat时序数据,分别在归一化植被指数(Normalized Difference Vegetation Index,NDVI)、归一化燃烧率指数(Normalized Burn Ratio,NBR)、缨帽变换角(Tasseled Cap Arctangent,TCA)三种指数作为阈值限制下,采用LandTrendr算法对时间序列轨迹进行处理,以获取长株潭核心区森林扰动的发生区域及规模大小的信息。运用森林资源连续清查数据和Google Earth历史影像分别对3种不同指数的森林扰动监测结果进行精度评估和验证,并利用研究区内土地利用数据中的森林覆盖数据对扰动信息进行分析。【结果】2000—2020年长株潭核心区森林扰动总面积为264.35 km^(2),平均每年的扰动面积为13.22 km^(2),其中2002年扰动最少,为1.91 km^(2),扰动面积最大的为2011年,为25.52 km^(2)。运用森林资源连续清查数据对三种指数阈值限制下的森林扰动信息结果验证的精度分别为90.91%、81.72%和65.08%;在谷歌地球历史影像中随机布点下精度分别为86.00%、77.88%和78.36%。2009年和2011—2013年间森林扰动较为严重。对全国范围内的土地利用数据进行处理分析可知,森林面积在20年间随时间增长而缓慢减少,所占总面积的百分比由原来的27.10%减少到22.00%。【结论】NBR是最适合长株潭核心区的森林扰动指数,森林扰动检测结果与实地调查和谷歌地球历史影像目视解译的结果一致。森林扰动斑块的分布边界可被完整提取,扰动面积大小变化趋势与全国区域内土地利用数据森林面积变化趋势相同,主要由城市化进程、森林火灾和人工砍伐引起。2000—2020年研究区森林扰动面积呈现波动式缓慢增加的趋势,其中2001年、2011年和2013年存在扰动面积浮动较大。 展开更多
关键词 森林扰动 LandTrendr 归一化燃烧率指数 城市森林 长株潭城市群核心区
在线阅读 下载PDF
基于Sentinel-2与机载激光雷达数据的误差变量联立方程组森林蓄积量反演研究 被引量：14
2
作者 陈松 孙华 +1 位作者 吴童 蒋馥根 《中南林业科技大学学报》 CAS CSCD 北大核心 2020年第12期44-53,共10页
【目的】研究通过提取Sentinel-2中的特征变量与机载激光雷达(Light detection and ranging,LiDAR)中的冠层高度模型(Canopy height model,CHM),探索使用误差变量联立方程组反演森林蓄积量制图的新方法。【方法】以广西壮族自治区国有... 【目的】研究通过提取Sentinel-2中的特征变量与机载激光雷达(Light detection and ranging,LiDAR)中的冠层高度模型(Canopy height model,CHM),探索使用误差变量联立方程组反演森林蓄积量制图的新方法。【方法】以广西壮族自治区国有高峰林场的界牌与东升分场为研究区,机载LiDAR和Sentinel-2影像为数据源,利用皮尔森相关系数与方差膨胀因子(Variance inflation factor,VIF)结合线性逐步回归进行遥感特征变量筛选。通过VIF判断和线性逐步回归保留后的遥感特征变量与LiDAR提取的CHM,分别选用普通回归模型(多元线性逐步回归与Logistic模型)、误差变量联立方程组、随机森林(Random forest,RF)、kNN(k-Nearest Neighbor,kNN)4种反演方法开展森林蓄积量反演,并利用地面实测数据对反演结果进行验证。【结果】1)在普通回归模型中,Logistic模型的反演精度(RRMSE=30.41%)优于MLR模型的反演精度(RRMSE=30.53%);2)在误差变量联立方程组反演方法中,MLR-Logistic联立模型精度(RRMSE=29.29%)优于Logistic-Logistic、MLR-MLR与Logistic-MLR联立模型(RRMSE分别为29.40%、29.60%与29.66%);3)在4种反演方法中,误差变量联立方程组反演结果精度最高(R2=0.60),显著优于普通回归模型方法、随机森林与kNN反演方法(R2分别为0.56、0.39与0.28)。【结论】误差变量联立方程组反演方法更适用于森林蓄积量遥感估测,其反演精度最高,且获得的蓄积量空间连续分布结果与实际接近,制图效果最好,表明误差变量联立方程组反演森林蓄积量制图方法是可行的。 展开更多
关键词 蓄积量 遥感反演 联立方程组 机载激光雷达 Sentinel-2影像
在线阅读 下载PDF
基于无人机影像自动检测冠层果的油茶快速估产方法 被引量：10
3
作者 严恩萍 棘玉 +1 位作者 尹显明 莫登奎 《农业工程学报》 EI CAS CSCD 北大核心 2021年第16期39-46,共8页
快速准确的产量估算对油茶经营管理和可持续发展具有重要意义。该研究针对油茶快速估产的应用现状,提出一种基于无人机影像自动检测冠层果的方法用于油茶快速估产。首先借助无人机航拍影像,通过随机抽样选取120株油茶树进行无人机近景... 快速准确的产量估算对油茶经营管理和可持续发展具有重要意义。该研究针对油茶快速估产的应用现状,提出一种基于无人机影像自动检测冠层果的方法用于油茶快速估产。首先借助无人机航拍影像,通过随机抽样选取120株油茶树进行无人机近景摄影和人工采摘称量;然后利用Mask RCNN(Mask Region Convolutional Neural Networks)网络开展基于近景影像的油茶冠层果自动检测与计数;采用线性回归和K最邻近建立冠层果数与单株果数之间的关系,同时结合研究区典型样木株数和平均单果质量,构建基于冠层果自动检测的估产模型。结果表明:1)无人机超低空近景影像结合Mask RCNN网络能够有效检测不同光照条件油茶果,平均F1值达89.91%;2)同传统卫星遥感相比,基于无人机近景摄影的冠层果自动检测在作物产量估测方面显示出明显优势,Mask RCNN网络预测的冠层果数与油茶样木单株果数之间具有良好的一致性,拟合决定系数R2达0.871;3)结合线性回归和K最邻近构建的模型估产精度均较高,拟合决定系数R2和标准均方根误差NRMSE(Normalized Root Mean Square Error)分别在0.892~0.913和28.01%~31.00%之间,表明基于无人机影像自动检测冠层果的油茶快速估产是一种切实可行的方法。研究结果可为油茶快速估产和智能监测提供参考。 展开更多
关键词 无人机 自动检测 油茶 快速估产 冠层果
在线阅读 下载PDF
面向对象结合卷积神经网络的GF-1影像遥感分类 被引量：8
4
作者 蒋治浩 林辉 +1 位作者 张怀清 蒋馥根 《中南林业科技大学学报》 CAS CSCD 北大核心 2021年第8期45-55,67,共12页
【目的】近年来,越来越多高时间分辨率、高空间分辨率卫星相继出现,为我们的生产生活提供了很大的便利,如何利用好这些数据庞大、信息丰富的遥感影像一直以来都是国内外研究的热点问题。其中遥感影像的分类是将大量的遥感影像应用于各... 【目的】近年来,越来越多高时间分辨率、高空间分辨率卫星相继出现,为我们的生产生活提供了很大的便利,如何利用好这些数据庞大、信息丰富的遥感影像一直以来都是国内外研究的热点问题。其中遥感影像的分类是将大量的遥感影像应用于各个领域的基础,针对传统方法对于高分辨率影像分类精度提高难的问题,提出一种面向对象结合卷积神经网络的遥感分类方法。【方法】首先利用构建moran’s I指数与地理探测器q统计量的二维空间的方法,确定最佳分割尺度,以最大面积法确定均质因子权重,对预处理后的GF-1影像进行分割,利用分割后的对象的特征作为分类模型的输入变量,建立一维卷积神经网络(1D-CNN)的分类模型,构建了基于像元的支持向量机,面向对象的支持向量机分类模型,对研究区进行了分类。【结果】利用面向对象的一维卷积神经网络方法进行分类,分类结果总体精度为93.10%,Kappa系数为0.9167,同基于像元支持向量机方法相比,总体精度提高了24.35%,Kappa系数提高了0.2923;同面向对象的支持向量机方法相比,总体精度提高了6.2%,Kappa系数提高了0.0746。【结论】利用构建的moran’s I指数与地理探测器q统计量的二维空间和最大面积法确定最佳分割参数,建立一维卷积神经网络结合面向对象的方法对遥感影像进行分类,与传统模型相比得到的分类结果精度较高,是一种快速有效的分类方法。 展开更多
关键词 遥感分类 面向对象 最佳分割参数 卷积神经网络
在线阅读 下载PDF
基于改进Mask RCNN的散坟火灾隐患点自动检测与空间分析 被引量：3
5
作者 严恩萍 莫登奎 《自然灾害学报》 CSCD 北大核心 2023年第2期99-107,共9页
散坟是森林火灾风险的一个重要来源,是林业、应急、民政部门需要掌握的重要基础数据。由于缺乏足够的重视,目前国内外鲜有散坟快速检测与自动清查的研究报道。本研究提出一个基于Detectron2工具箱的Mask RCNN识别网络,利用高分辨率航拍... 散坟是森林火灾风险的一个重要来源,是林业、应急、民政部门需要掌握的重要基础数据。由于缺乏足够的重视,目前国内外鲜有散坟快速检测与自动清查的研究报道。本研究提出一个基于Detectron2工具箱的Mask RCNN识别网络,利用高分辨率航拍影像和实地调查数据对中国湖南长沙县的散坟进行快速检测与自动清查。结合各种空间分布指数,如近邻指数、地理集中指数、不平衡指数和核密度指数,对散落坟墓的空间分布进行绘制和分析。结果表明:改进后的Mask RCNN网络,能够有效识别不同土地覆盖、分布密度和空间区域的散坟目标,平均F1分数分别为90.33%、92.61%和90.41%;研究发现散坟总体呈集群式-随机分布,密度为25.13座/km3,主要受地形和道路因素的影响。研究首次提出绘制散坟火灾隐患点分布数据,对全国散坟的自动检测和及时预警具有潜在的应用价值。 展开更多
关键词 高分辨率遥感 火灾隐患 自动检测 空间分布 改进的Mask-RCNN
在线阅读 下载PDF
采用全卷积神经网络与Stacking算法的湿地分类方法 被引量：13
6
作者 张猛 林辉 龙湘仁 《农业工程学报》 EI CAS CSCD 北大核心 2020年第24期257-264,F0003,共9页
高精度湿地制图对湿地生态保护与精细管理具有重要的支撑作用。针对传统湿地分类方法的精度不高等问题,提出了一种采用全卷积神经(Fully Convolutional Neural,FCN)网络与集成学习的湿地分类方法。首先利用全卷积神经网络(SegNet、UNet... 高精度湿地制图对湿地生态保护与精细管理具有重要的支撑作用。针对传统湿地分类方法的精度不高等问题,提出了一种采用全卷积神经(Fully Convolutional Neural,FCN)网络与集成学习的湿地分类方法。首先利用全卷积神经网络(SegNet、UNet及RefineNet)对GF-6影像的语义特征进行提取与融合,然后利用Stacking集成算法对融合后的特征进行判别和分类。结果表明,采用全卷积神经网络与Stacking算法能有效提取湿地信息,总体分类精度为88.16%,Kappa系数为0.85。与采用全卷积神经网络与单一机器学习的随机森林(Random Forest,RF)、支持向量机(Support Vector Machin,SVM)与k-近邻(Nearest Neighbor,kNN)算法相比,该研究提出的湿地分类方法在总体分类精度上分别提高了4.87,5.31和5.08个百分点;与采用单一全卷积神经网络(RefineNet、SegNet、UNet)与Stacking算法下的湿地分类结果,该文提出的湿地分类方法在总体分类精度上分别提高了2.78,4.48与4.91个百分点;该方法一方面能通过卷积神经网络提取遥感影像深层的语义特征,另一方面通过集成学习根据各分类器的表征性能进行合理的选择并重组,从而提高分类精度及其泛化能力。该方法能为湿地信息提取及土地覆盖分类方法的研究提供参考。 展开更多
关键词 湿地 分类 卷积神经网络 STACKING 集成学习
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