期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
时序滤波对农作物遥感识别的影响 被引量:9
1
作者 张馨予 蔡志文 +4 位作者 杨靖雅 王聪 魏浩东 胡琼 徐保东 《农业工程学报》 EI CAS CSCD 北大核心 2022年第4期215-224,共10页
获取长时序且高质量遥感观测数据是捕捉不同农作物关键物候节律信息,进而获取高精度农作物空间分布信息的关键。受云雨天气影响,卫星遥感易产生低质量观测,其往往不参与或采用时序滤波处理后再用于农作物遥感识别。然而,时序滤波对于农... 获取长时序且高质量遥感观测数据是捕捉不同农作物关键物候节律信息,进而获取高精度农作物空间分布信息的关键。受云雨天气影响,卫星遥感易产生低质量观测,其往往不参与或采用时序滤波处理后再用于农作物遥感识别。然而,时序滤波对于农作物遥感识别的影响机制尚未摸清,为高效且高精度农作物遥感制图带来了较大挑战。该研究基于HLS(Harmonized Landsat Sentinel-2,30 m)和MODIS(Moderate-resolution Imaging Spectroradiometer,500 m)两种空间尺度的反射率产品分别构建时间序列数据集,以S-G(Savitzky–Golay)和HANTS(Harmonic Analysis of Time Series)滤波为例,采用随机森林分类器探究时序滤波分别对于30与500 m空间尺度农作物识别的影响。并通过植被指数时序曲线对比,深入分析时序滤波对于两种空间尺度农作物识别关键特征所带来的差异。结果表明,在该研究试验区域及观测时相内,针对中高分辨率HLS影像,相较于未经滤波处理数据,S-G和HANTS滤波农作物识别精度分别下降了1.73和5.17个百分点;而对于中低分辨率MODIS影像,未经滤波处理、S-G滤波和HANTS滤波后的农作物总体识别精度分别为84.73%、85.51%和83.05%,时序滤波前后农作物识别精度没有显著差异。此外,对比不同作物类型的植被指数时序曲线后发现,中高分辨率尺度下,对于大豆与玉米,其较小的类间差异会被时间滤波误认为噪声而进一步弱化,从而降低相似农作物的分类精度,而对于特征差异较明显的水稻与玉米、水稻与大豆,时序滤波则会减小其类内差异从而提高分类精度。对比而言,对于中低分辨率影像的农作物识别,受到混合像元等因素的干扰,同一作物类型中的光谱异质性是影响农作物识别精度的重要因素,因此时序滤波对其时序特征的影响较小。该研究通过深入分析时序滤波处理对不同空间尺度农作物识别的影响,为未来农作物空间分布的获取提供理论参考和技术支撑。 展开更多
关键词 农作物 遥感 识别 时序滤波 随机森林 MODIS HLS
在线阅读 下载PDF
地形约束下的地块级水稻分层提取方法
2
作者 李梦秋 杨树文 +2 位作者 骆剑承 石含宁 付昱凯 《农业与技术》 2024年第7期1-8,共8页
西南山区的多云多雨天气和复杂地形给光学遥感数据的收集带来挑战,影响了水稻最佳物候期的高质量成像获取,并增加了构建稳定的时间序列和精确提取水稻的难度。本实验选取了重庆市双河镇作为研究区域,以地形高程作为约束条件,利用GF-2卫... 西南山区的多云多雨天气和复杂地形给光学遥感数据的收集带来挑战,影响了水稻最佳物候期的高质量成像获取,并增加了构建稳定的时间序列和精确提取水稻的难度。本实验选取了重庆市双河镇作为研究区域,以地形高程作为约束条件,利用GF-2卫星影像实现了水稻地块的分层精准提取。这一方法有效降低了复杂地形对水稻提取准确性的影响。确定耕地地块作为最小单元,保障了地块内种植作物的唯一性;根据水稻移栽时间随海拔升高而后延的特点将研究区地块细分,高程作为主要地形约束条件,以400m为界分为低海拔和高海拔的水稻种植区,从而加强同一高程内水稻物候的一致性;结合Sentinel-1/2的影像数据,计算各地块的SPRI(SAR-based Paddy Rice Index,水稻指数)值,量化评估每个地块中种植水稻的概率;对这些具有特定SPRI值的地块应用了多阈值二进制分类方法,实现了精确提取。实验结果表明,在0~400m区域,使用高程约束的水稻分类方法F1_score精度可达92.1%,而在400m以上区域精度达到90.8%。SAR数据有效捕捉了水稻关键生长期信息,地块级提取减少了数据干扰,高程分层减少了同一海拔区域内的分类差异,简化了由于高程变化引起的分类复杂性,显著提升了西南地区水稻分类的精度。 展开更多
关键词 遥感 高程分层 水稻指数 地块级 水稻分类 多阈值分类
在线阅读 下载PDF
基于无人机高光谱融合连续投影算法估算棉花地上部生物量 被引量:10
3
作者 易翔 张立福 +5 位作者 吕新 张泽 田敏 印彩霞 马怡茹 范向龙 《棉花学报》 CSCD 北大核心 2021年第3期224-234,共11页
【目的】地上部生物量是表征植物生命活动的重要参数。探索不同的光谱预处理方法和建模方法,实现对棉花地上部生物量快速、无损、准确的估算,对棉花长势监测和大田精准管理具有重要意义。【方法】以新陆早53号、新陆早45号为研究对象,... 【目的】地上部生物量是表征植物生命活动的重要参数。探索不同的光谱预处理方法和建模方法,实现对棉花地上部生物量快速、无损、准确的估算,对棉花长势监测和大田精准管理具有重要意义。【方法】以新陆早53号、新陆早45号为研究对象,设置不同施氮处理,于出苗后不同阶段获取棉花地上部生物量和无人机高光谱数据,通过连续投影算法(Successive projections algorithm,SPA)筛选不同预处理[一阶导数、二阶导数、Savitzky-Golay(SG平滑)、多元散射校正]后的特征波长,基于筛选出的不同波长组合使用偏最小二乘法回归(Partial least square regression,PLSR)和随机森林回归(Random forest regression,RFR)分别构建棉花地上部生物量估算模型,比较不同预处理后建立模型的精度,确定最优估算模型。【结果】(1)利用SPA算法对不同预处理后的光谱信息筛选出特征波长9~26个,可实现光谱信息降维。(2)基于SG平滑-SPA处理及PLSR方法建立的模型最佳,R^(2)达到了0.63,均方根误差(Root mean square error,RMSE)为0.42,验证集的R^(2)为0.67,RMSE为0.44。(3)一阶导数-SPA处理后,采用RFR构建的模型最佳,R^(2)达到0.87,RMSE为0.45,验证集R^(2)为0.81,RMSE为0.37。【结论】采用一阶导数预处理结合SPA筛选特征波长,经RFR构建的估算模型结果和验证效果均最佳,可用于棉花地上部生物量定量估算。 展开更多
关键词 棉花 地上部生物量 光谱预处理 特征波长 偏最小二乘法回归 随机森林回归
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部