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Sentinel-2数据土壤表层水分遥感反演
1
作者
于利峰
乌云德吉
+6 位作者
乌兰吐雅
闫庆琦
刘文兵
包珺玮
许洪滔
任婷婷
于伟卓
《北方农业学报》
2018年第6期120-124,共5页
文章基于土壤表层水分指数(SWCI)模型,将Sentinel-2数据应用于该模型,得到了土壤水分含量及其空间分布情况,该数据可用于精准快速的低植被覆盖下土壤水分遥感反演。通过SPSS对SWCI与土壤水分的相关性分析,得到Pearson、Kendall's Ta...
文章基于土壤表层水分指数(SWCI)模型,将Sentinel-2数据应用于该模型,得到了土壤水分含量及其空间分布情况,该数据可用于精准快速的低植被覆盖下土壤水分遥感反演。通过SPSS对SWCI与土壤水分的相关性分析,得到Pearson、Kendall's Tau-b和Spearman 3个相关系数分别为0.880,0.778,0.891,呈显著性相关。在0～20 cm土层土壤水分遥感反演中,Sentinel-2数据模型操作简单、精度较高,适用于业务化监测。
展开更多
关键词
Sentinel-2
遥感
土壤水分
SWCI
在线阅读
下载PDF
职称材料
基于GF-6影像的农作物种植结构提取方法研究
被引量：
1
2
作者
包珺玮
乌兰吐雅
+2 位作者
车有维
刘朝晖
刘朝霞
《北方农业学报》
2023年第4期112-121,共10页
【目的】挖掘国产卫星影像数据信息,快速准确地获取农作物的种植结构类型,为优化农业生产布局提供参考。【方法】利用随机森林算法模型,结合样本数据对影像的光谱特征、植被指数特征、纹理特征进行重要性分析,通过评估分类精度获得基于G...
【目的】挖掘国产卫星影像数据信息,快速准确地获取农作物的种植结构类型,为优化农业生产布局提供参考。【方法】利用随机森林算法模型,结合样本数据对影像的光谱特征、植被指数特征、纹理特征进行重要性分析,通过评估分类精度获得基于GF-6影像的最优特征组合,并将优选后的特征用于面向对象分类研究(以平滑度0.5、紧致度0.3为参数,10为步长,设置40~140共11种不同分割尺度),以得到研究区主要农作物种植结构的空间分布。【结果】特征优选的方法得到GVI、EVI、Nir、GI、GNDVI和Green特征,能够有效减少农作物分类中的数据冗余,提升分类效率;研究区农田设置的11种分割尺度中,最优分割尺度为100,分割结果保留了地块的完整性并体现了不同农作物类型的异质性;基于面向对象分类方法的分类精度达96.2%,Kappa系数为0.944,相较基于像元的分类精度提升5.3个百分点。【结论】以国产GF-6影像为数据源,采用特征优选的面向对象分类方法能够有效提升分类精度,可作为开展农作物种植结构监测的有效手段。
展开更多
关键词
GF-6影像
特征向量
面向对象
农作物
种植结构
在线阅读
下载PDF
职称材料
抽穗期大麦、春小麦、莜麦叶片叶绿素含量与冠层高光谱特征分析
被引量：
2
3
作者
乌兰吐雅
于利峰
+2 位作者
包珺玮
许洪滔
乌云德吉
《北方农业学报》
2018年第6期115-119,共5页
为了寻找大麦、春小麦、莜麦3种作物遥感识别的敏感参数,该研究以内蒙古农牧业科学院试验田种植的大麦、春小麦、莜麦为研究对象,利用手持ASD光谱仪和叶绿素测定仪SPAD502测得3种作物的光谱反射率及叶片叶绿素含量,并利用微分求取3种作...
为了寻找大麦、春小麦、莜麦3种作物遥感识别的敏感参数,该研究以内蒙古农牧业科学院试验田种植的大麦、春小麦、莜麦为研究对象,利用手持ASD光谱仪和叶绿素测定仪SPAD502测得3种作物的光谱反射率及叶片叶绿素含量,并利用微分求取3种作物冠层光谱反射率一阶微分,选择光谱位置变量、光谱面积变量、植被指数变量等19个光谱特征变量及SPAD值,进行统计分析。结果表明:3种作物的20个遥感参数上表现的特征存在差异,一是,3种作物10个位置变量中,红边对应的波长位置λr大麦>春小麦>莜麦。春小麦的特征是黄边内一阶微分光谱中的最大值Dy比其他2种作物小,莜麦特征是蓝边内一阶微分光谱中的最大值Db比其他2种作物小,大麦的特征是红边内一阶微分光谱中的最大值Dr比其他2种作物大。二是,3个面积变量中,大麦的SDr,SDb 2个参数比春小麦和莜麦大,SDy值比春小麦和莜麦值小;春小麦的SDr,SDb 2个参数比莜麦小,SDy值比大麦与莜麦值大;莜麦的SDr,SDb,SDy值处于中间。三是,6个植被指数变量中,SDr/SDy,SDr/SDb 2个参数特征差别明显,其他4个参数差别不明显。SDr/SDy值大麦>莜麦>春小麦;SDr/SDb值春小麦>莜麦>大麦。四是,莜麦的叶片SPAD值大于其他2种作物,大于60,大麦的值最小,春小麦值在中间。抽穗期的3种麦光谱反射特征及叶绿素含量值有明显差别,为遥感识别3种作物提供了新的思路。
展开更多
关键词
大麦
小麦
莜麦
叶绿素含量
光谱反射率
特征分析
在线阅读
下载PDF
职称材料
题名
基于Sentinel-2数据土壤表层水分遥感反演
1
作者
于利峰
乌云德吉
乌兰吐雅
闫庆琦
刘文兵
包珺玮
许洪滔
任婷婷
于伟卓
机构
内蒙古
农牧业科学院/
内蒙古农业遥感工程技术研究中心
科尔沁右翼前旗
农业
科学
研究
所
科尔沁右翼前旗
农业
技术
推广
中心
出处
《北方农业学报》
2018年第6期120-124,共5页
基金
内蒙古农牧业科学院青年创新基金(2017QNJJN10)
文摘
文章基于土壤表层水分指数(SWCI)模型,将Sentinel-2数据应用于该模型,得到了土壤水分含量及其空间分布情况,该数据可用于精准快速的低植被覆盖下土壤水分遥感反演。通过SPSS对SWCI与土壤水分的相关性分析,得到Pearson、Kendall's Tau-b和Spearman 3个相关系数分别为0.880,0.778,0.891,呈显著性相关。在0～20 cm土层土壤水分遥感反演中,Sentinel-2数据模型操作简单、精度较高,适用于业务化监测。
关键词
Sentinel-2
遥感
土壤水分
SWCI
Keywords
Sentinel-2
Remote sensing
Soil moisture
SWCI
分类号
TP751 [自动化与计算机技术—检测技术与自动化装置]
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GF-6影像的农作物种植结构提取方法研究
被引量：
1
2
作者
包珺玮
乌兰吐雅
车有维
刘朝晖
刘朝霞
机构
内蒙古
农牧业科学院农牧业经济与信息
研究
所
内蒙古农业遥感工程技术研究中心
鄂伦春自治旗农牧科技事业发展
中心
扎兰屯市农村经营服务
中心
扎兰屯市农牧业
技术
推广
中心
出处
《北方农业学报》
2023年第4期112-121,共10页
基金
内蒙古农牧业青年创新基金项目(2021QNJJN12)
内蒙古自治区科技计划项目(2021GG0024)。
文摘
【目的】挖掘国产卫星影像数据信息,快速准确地获取农作物的种植结构类型,为优化农业生产布局提供参考。【方法】利用随机森林算法模型,结合样本数据对影像的光谱特征、植被指数特征、纹理特征进行重要性分析,通过评估分类精度获得基于GF-6影像的最优特征组合,并将优选后的特征用于面向对象分类研究(以平滑度0.5、紧致度0.3为参数,10为步长,设置40~140共11种不同分割尺度),以得到研究区主要农作物种植结构的空间分布。【结果】特征优选的方法得到GVI、EVI、Nir、GI、GNDVI和Green特征,能够有效减少农作物分类中的数据冗余,提升分类效率;研究区农田设置的11种分割尺度中,最优分割尺度为100,分割结果保留了地块的完整性并体现了不同农作物类型的异质性;基于面向对象分类方法的分类精度达96.2%,Kappa系数为0.944,相较基于像元的分类精度提升5.3个百分点。【结论】以国产GF-6影像为数据源,采用特征优选的面向对象分类方法能够有效提升分类精度,可作为开展农作物种植结构监测的有效手段。
关键词
GF-6影像
特征向量
面向对象
农作物
种植结构
Keywords
GF-6 image
Eigenvectors
Object-oriented
Crop
Planting structure
分类号
TP79 [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
抽穗期大麦、春小麦、莜麦叶片叶绿素含量与冠层高光谱特征分析
被引量：
2
3
作者
乌兰吐雅
于利峰
包珺玮
许洪滔
乌云德吉
机构
内蒙古
农牧业科学院/
内蒙古农业遥感工程技术研究中心
出处
《北方农业学报》
2018年第6期115-119,共5页
基金
内蒙古自治区自然基金项目[2016MS(LH)0301]
内蒙古农牧业科学院创新基金项目(2018年CXJJN09)
内蒙古自治区财政厅科技创新引导项目
文摘
为了寻找大麦、春小麦、莜麦3种作物遥感识别的敏感参数,该研究以内蒙古农牧业科学院试验田种植的大麦、春小麦、莜麦为研究对象,利用手持ASD光谱仪和叶绿素测定仪SPAD502测得3种作物的光谱反射率及叶片叶绿素含量,并利用微分求取3种作物冠层光谱反射率一阶微分,选择光谱位置变量、光谱面积变量、植被指数变量等19个光谱特征变量及SPAD值,进行统计分析。结果表明:3种作物的20个遥感参数上表现的特征存在差异,一是,3种作物10个位置变量中,红边对应的波长位置λr大麦>春小麦>莜麦。春小麦的特征是黄边内一阶微分光谱中的最大值Dy比其他2种作物小,莜麦特征是蓝边内一阶微分光谱中的最大值Db比其他2种作物小,大麦的特征是红边内一阶微分光谱中的最大值Dr比其他2种作物大。二是,3个面积变量中,大麦的SDr,SDb 2个参数比春小麦和莜麦大,SDy值比春小麦和莜麦值小;春小麦的SDr,SDb 2个参数比莜麦小,SDy值比大麦与莜麦值大;莜麦的SDr,SDb,SDy值处于中间。三是,6个植被指数变量中,SDr/SDy,SDr/SDb 2个参数特征差别明显,其他4个参数差别不明显。SDr/SDy值大麦>莜麦>春小麦;SDr/SDb值春小麦>莜麦>大麦。四是,莜麦的叶片SPAD值大于其他2种作物,大于60,大麦的值最小,春小麦值在中间。抽穗期的3种麦光谱反射特征及叶绿素含量值有明显差别,为遥感识别3种作物提供了新的思路。
关键词
大麦
小麦
莜麦
叶绿素含量
光谱反射率
特征分析
Keywords
Barley
Spring wheat
Naked oats
Chlorophyll content
Spectral reflectance
Feature analysis
分类号
TP751 [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
作者
出处
发文年
被引量
操作
1
基于Sentinel-2数据土壤表层水分遥感反演
于利峰
乌云德吉
乌兰吐雅
闫庆琦
刘文兵
包珺玮
许洪滔
任婷婷
于伟卓
《北方农业学报》
2018
0
在线阅读
下载PDF
职称材料
2
基于GF-6影像的农作物种植结构提取方法研究
包珺玮
乌兰吐雅
车有维
刘朝晖
刘朝霞
《北方农业学报》
2023
1
在线阅读
下载PDF
职称材料
3
抽穗期大麦、春小麦、莜麦叶片叶绿素含量与冠层高光谱特征分析
乌兰吐雅
于利峰
包珺玮
许洪滔
乌云德吉
《北方农业学报》
2018
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
