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
2
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
Himawari-8卫星云下海表温度反演的机器学习方法比较研究
1
作者
范冬林
杨鑫
+2 位作者
曾优
何宏昌
付波霖
《遥感信息》
CSCD
北大核心
2023年第5期39-48,共10页
针对Himawari-8卫星因云层覆盖导致云下位置海表温度缺失或者反演精度下降的问题,利用近红外波段瑞利校正后阈值递增方法,建立6种无云-有云混合的遥感-实测样本数据集,评估了3种机器学习算法多层感知机(multi-layer perceptron,MLP)、...
针对Himawari-8卫星因云层覆盖导致云下位置海表温度缺失或者反演精度下降的问题,利用近红外波段瑞利校正后阈值递增方法,建立6种无云-有云混合的遥感-实测样本数据集,评估了3种机器学习算法多层感知机(multi-layer perceptron,MLP)、随机森林回归(random forest regression,RFR)和支持向量回归(support vector regression,SVR)的云下海表温度反演的性能。实验结果表明,当阈值为0.125(无云)时,R^(2)都超过了0.98;当阈值为0.4时,性能指标趋于平稳,MLP、RFR和SVR算法的R^(2)分别为0.80、0.81和0.76。通过阈值递增方式构建的阈值模型对无云区域的海表温度影响较小,能够确保无云区域的反演精度。随着阈值的递增,模型对有云区域出现不同程度的低估和反演精度的下降,但在无云区域的制图效果与葵花卫星海表温度产品一致性较高。该方法可以显著提高海表温度反演结果的空间覆盖率,使得研究区空间覆盖率从75%提高到99%。
展开更多
关键词
卫星遥感
海表温度
云下海表温度
机器学习
Himawari-8卫星
瑞利校正
在线阅读
下载PDF
职称材料
基于无人机高光谱的柑橘冠层叶绿素含量预测模型
2
作者
靖娟利
丁顺顺
+2 位作者
窦世卿
华志铭
刘兵
《桂林理工大学学报》
2025年第4期561-569,共9页
以桂林市临桂地区柑橘树为研究对象,使用无人机搭载高光谱传感器采集柑橘果树高光谱影像,共选取96个样本,建立感兴趣区,提取高光谱各波段反射率数据。分别采用卷积平滑(SG)、多元散射校正(MSC)、标准正态变换(SNV)、小波变换(WT)对高光...
以桂林市临桂地区柑橘树为研究对象,使用无人机搭载高光谱传感器采集柑橘果树高光谱影像,共选取96个样本,建立感兴趣区,提取高光谱各波段反射率数据。分别采用卷积平滑(SG)、多元散射校正(MSC)、标准正态变换(SNV)、小波变换(WT)对高光谱数据进行预处理,记为基础预处理数据;对4组基础预处理数据再分别进行一阶求导变换(D1),记为基础-一阶求导数据,分析了一阶求导变换对建模精度影响。利用竞争性自适应重加权算法(CARS)对8组预处理数据提取特征波段,分别使用偏最小二乘回归(PLS)、支持向量回归(SVM)、多元线性回归(MLR)和极限学习机(ELM)建立预测模型并对比,以决定系数R2和均方根误差RMSE作为模型评价指标,最终选出精度最优的柑橘叶绿素含量预测模型。结果表明,基于多元散射校正-支持向量回归(MSC-SVM)建立的预测模型效果最佳,训练集与测试集R^(2)分别为0.885和0.807,RMSE分别为1.242和1.949。
展开更多
关键词
柑橘冠层
叶绿素含量
无人机
高光谱影像
特征波段
回归模型
在线阅读
下载PDF
职称材料
题名
Himawari-8卫星云下海表温度反演的机器学习方法比较研究
1
作者
范冬林
杨鑫
曾优
何宏昌
付波霖
机构
桂林理
工
大学
测绘地理信息学院
桂林理工大学生态时空大数据感知服务重点实验室
出处
《遥感信息》
CSCD
北大核心
2023年第5期39-48,共10页
基金
广西自然科学基金项目(2022GXNSFBA035637)
广西教育厅中青年科研基础能力提升项目(2021KY0255)
“广西八桂学者”专项经费项目(DT2200001302)。
文摘
针对Himawari-8卫星因云层覆盖导致云下位置海表温度缺失或者反演精度下降的问题,利用近红外波段瑞利校正后阈值递增方法,建立6种无云-有云混合的遥感-实测样本数据集,评估了3种机器学习算法多层感知机(multi-layer perceptron,MLP)、随机森林回归(random forest regression,RFR)和支持向量回归(support vector regression,SVR)的云下海表温度反演的性能。实验结果表明,当阈值为0.125(无云)时,R^(2)都超过了0.98;当阈值为0.4时,性能指标趋于平稳,MLP、RFR和SVR算法的R^(2)分别为0.80、0.81和0.76。通过阈值递增方式构建的阈值模型对无云区域的海表温度影响较小,能够确保无云区域的反演精度。随着阈值的递增,模型对有云区域出现不同程度的低估和反演精度的下降,但在无云区域的制图效果与葵花卫星海表温度产品一致性较高。该方法可以显著提高海表温度反演结果的空间覆盖率,使得研究区空间覆盖率从75%提高到99%。
关键词
卫星遥感
海表温度
云下海表温度
机器学习
Himawari-8卫星
瑞利校正
Keywords
satellite remote sensing
sea surface temperature
cloud sea surface temperature
machine learning
Himawari-8
rayleigh correcttion
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
基于无人机高光谱的柑橘冠层叶绿素含量预测模型
2
作者
靖娟利
丁顺顺
窦世卿
华志铭
刘兵
机构
桂林理
工
大学
测绘地理信息学院
出处
《桂林理工大学学报》
2025年第4期561-569,共9页
基金
国家自然科学基金项目(42161028
42561059)
桂林市科学研究与技术开发计划项目(20230120-13)。
文摘
以桂林市临桂地区柑橘树为研究对象,使用无人机搭载高光谱传感器采集柑橘果树高光谱影像,共选取96个样本,建立感兴趣区,提取高光谱各波段反射率数据。分别采用卷积平滑(SG)、多元散射校正(MSC)、标准正态变换(SNV)、小波变换(WT)对高光谱数据进行预处理,记为基础预处理数据;对4组基础预处理数据再分别进行一阶求导变换(D1),记为基础-一阶求导数据,分析了一阶求导变换对建模精度影响。利用竞争性自适应重加权算法(CARS)对8组预处理数据提取特征波段,分别使用偏最小二乘回归(PLS)、支持向量回归(SVM)、多元线性回归(MLR)和极限学习机(ELM)建立预测模型并对比,以决定系数R2和均方根误差RMSE作为模型评价指标,最终选出精度最优的柑橘叶绿素含量预测模型。结果表明,基于多元散射校正-支持向量回归(MSC-SVM)建立的预测模型效果最佳,训练集与测试集R^(2)分别为0.885和0.807,RMSE分别为1.242和1.949。
关键词
柑橘冠层
叶绿素含量
无人机
高光谱影像
特征波段
回归模型
Keywords
citrus canopy
chlorophyll content
unmanned aerial vehicle(UAV)
hyperspectral remote sensing
characteristic band
regression model
分类号
TP751 [自动化与计算机技术]
S127 [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
Himawari-8卫星云下海表温度反演的机器学习方法比较研究
范冬林
杨鑫
曾优
何宏昌
付波霖
《遥感信息》
CSCD
北大核心
2023
0
在线阅读
下载PDF
职称材料
2
基于无人机高光谱的柑橘冠层叶绿素含量预测模型
靖娟利
丁顺顺
窦世卿
华志铭
刘兵
《桂林理工大学学报》
2025
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
