检索结果-南通市图书馆

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

青藏高原草地地上生物量估算研究

生态学报 2024年

作者：姚雨微任鸿瑞太原理工大学测绘科学与技术系

及时准确评估草地产草量对草地资源的科学管理和可持续发展具有重要意义。青藏高原自然环境特殊，气候差异显著，地形复杂，仅依靠遥感信息准确监测草地地上生物量(Aboveground Biomass,AGB)变化有较大限制。本研究基于青藏高原草地AGB... 详细信息

及时准确评估草地产草量对草地资源的科学管理和可持续发展具有重要意义。青藏高原自然环境特殊，气候差异显著，地形复杂，仅依靠遥感信息准确监测草地地上生物量(Aboveground Biomass,AGB)变化有较大限制。本研究基于青藏高原草地AGB野外实测数据与Landsat遥感影像，探索了植被指数表征草地AGB信息的有效性，评估了气象和地形信息对准确估算草地AGB的影响，综合利用气象、地形和遥感信息，在新一代地球科学数据和分析应用平台(Google Earth Engine)上构建了梯度增强回归树草地AGB估算模型，绘制了青藏高原多年草地AGB空间分布图。结果表明：(1)基于单因素遥感因子的线性回归模型仅能解释8%—40%的草地AGB变化情况，其中绿色归一化植被指数(Green Normalized Difference Vegetation Index, GNDVI)对草地AGB解释能力较强(40%)。(2)基于遥感因子构建的梯度增强回归树模型测试集R2为0.57。分别添加气象、地形信息，模型对草地AGB的估测准确性有所提升，测试R2为0.62和0.63。(3)基于气象、地形和遥感因子的多因素估测模型能够提高草地AGB估测精度，经递归特征消除法优选后，基于13个特征变量的梯度增强回归树模型拟合效果最好(训练数据集R2=0.79,RMSE=43.42 g/m2,P<0.01；测试数据集R2=0.66,RMSE=53.64 g/m2,P<0.01)，可以解释66%草地AGB变化情况。(4)2010年青藏高原平均AGB为94.58 g/m2,2015年93.63 g/m2,2020年100.78 g/m2。青藏高原西北部草地AGB较低，东南部草地AGB较高，整体呈现自西北向东南逐渐增加的分布格局。研究结果为准确估算青藏高原草地产草量和碳储量等研究提供重要参考。

关键词：青藏高原草地地上生物量梯度增强回归树遥感

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

低覆盖草地叶面积指数遥感估算方法

草业科学 2024年第3期41卷 588-598页

作者：张云峰任鸿瑞太原理工大学测绘科学与技术系山西太原030024

有效估算低覆盖草地叶面积指数(LAI),对监测低覆盖草地生长状况、优化完善草地管理具有重要意义。以往针对草地叶面积指数的研究大多集中于中高覆盖度草地,对低覆盖草地的研究相对较少。利用谷歌地球引擎(GEE),基于Landsat-8卫星数据提... 详细信息

有效估算低覆盖草地叶面积指数(LAI),对监测低覆盖草地生长状况、优化完善草地管理具有重要意义。以往针对草地叶面积指数的研究大多集中于中高覆盖度草地,对低覆盖草地的研究相对较少。利用谷歌地球引擎(GEE),基于Landsat-8卫星数据提取所需特征变量,通过特征变量与叶面积指数的相关性及其在模型中的重要性进行特征优选,确定模型最佳变量个数,以此构建机器学习模型,探寻适合在低覆盖区草地估算叶面积指数的方法。结果显示,基于相关性特征优选的梯度提升回归树模型(r-GBRT)在低覆盖草地估算叶面积指数的效果较好,测试集的R 2为0.686,均方根误差(RMSE)为0.101。结果表明,基于特征优选构建的机器学习模型在低覆盖条件下估算草地叶面积指数方面具有较好的应用价值。

关键词：叶面积指数低覆盖草地机器学习特征优选随机森林梯度提升回归树遥感

GEE平台下利用物候特征进行面向对象的水稻种植分布提取

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2022年第12期38卷 189-196页

作者：刘通任鸿瑞太原理工大学测绘科学与技术系太原030024

为高效提取高精度水稻种植分布及其面积,该研究基于谷歌地球引擎(Google Earth Engine,GEE)平台,以辽宁省盘锦市为研究区,利用2020年Sentinel-2影像提取水稻生命周期内4个水稻物候期相应的光谱指数,利用简单非迭代聚类(Simple Non-Itera... 详细信息

为高效提取高精度水稻种植分布及其面积,该研究基于谷歌地球引擎(Google Earth Engine,GEE)平台,以辽宁省盘锦市为研究区,利用2020年Sentinel-2影像提取水稻生命周期内4个水稻物候期相应的光谱指数,利用简单非迭代聚类(Simple Non-Iterative Clustering,SNIC)算法来分割影像,灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)来计算纹理特征,结合支持向量机(Support Vector Machine,SVM)和随机森林(Random Forest,RF)算法构建6种不同的模型进行水稻种植分布提取,并基于目视解译及实地调查数据,对比6种模型提取水稻的验证精度和实测精度,确定最优模型。结果表明:在水稻种植分布提取中,面向对象方法有助于提高水稻种植分布提取精度,且RF算法优于SVM算法。其中SNIC图像分割结合RF模型具有最高提取精度,总体精度和Kappa系数分别为96.83%、0.934,经实测数据验证,水稻实测精度为95.43%,可满足区域水稻种植分布和面积监测需求。

关键词：遥感物候学面向对象法简单非迭代聚类灰度共生矩阵 Google Earth Engine(GEE)

融合特征优选与随机森林算法的GF-6影像东北一季稻遥感提取

在线全文

学校读者我要写书评

暂无评论

遥感学报 2023年第9期27卷 2153-2164页

作者：张悦琦任鸿瑞太原理工大学矿业工程学院太原030024

为寻求高效、高精度的东北一季稻种植面积提取方法,该研究以辽宁省盘锦市为研究区,利用覆盖水稻关键物候期的6景GF-6 WFV单时相影像和时序影像,构建光谱特征、植被指数、水体指数和红边指数4类特征变量,采用平均不纯度减少的方法进行重... 详细信息

为寻求高效、高精度的东北一季稻种植面积提取方法,该研究以辽宁省盘锦市为研究区,利用覆盖水稻关键物候期的6景GF-6 WFV单时相影像和时序影像,构建光谱特征、植被指数、水体指数和红边指数4类特征变量,采用平均不纯度减少的方法进行重要性排序并通过袋外误差方法选择最优输入特征,建立基于特征优选的随机森林模型,对2020年盘锦市水稻种植分布进行提取。结果表明:(1)基于水稻不同物候期的单时相影像,总体分类精度均在94%以上,以处于水稻移栽期影像分类结果最佳,其总体精度、F1值(水稻)、Kappa系数与实地验证点精度分别为97.67%、98.84%、0.97和97.22%;(2)与单时相影像相比,利用时序影像进行土地覆被分类和水稻信息提取能够有效提高分类精度,其总体精度、F1值(水稻)、Kappa系数与实地验证点精度分别为99.33%、100.00%、0.99和97.22%;(3)对有无红边信息参与的水稻提取结果进行对比分析,红边波段和红边指数的引入可使分类精度有所提高;(4)引入紫边与黄边波段能够提高分类精度,但分类结果精度提高效果次于红边信息。该研究证明,基于特征优选的随机森林模型,利用水稻移栽期的单时相影像提取水稻种植分布可满足实际应用精度需求,但利用时序影像可进一步提高分类精度。此外,GF-6卫星的新增波段均能够提高水稻分类精度,显示出GF-6卫星在作物精细提取方面具有巨大应用潜力。

关键词：遥感随机森林红边波段特征优选高分六号水稻紫边波段黄边波段

利用Sentinel-1A SLC影像光谱特征估算草地绿色生物量

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2023年第3期43卷 955-961页

作者：罗森任鸿瑞张悦琦太原理工大学测绘科学与技术系山西太原030024 北京师范大学遥感科学国家重点实验室北京100875

草地绿色生物量是监测草地生态系统的重要指标。高效高精度估算草地绿色生物量对草地生态系统具有重要意义。遥感技术因方便快捷、成本较低等优势,已被广泛应用于生物量估算,而传统光学遥感技术易受云层、气候条件等因素影响,不适用于... 详细信息

草地绿色生物量是监测草地生态系统的重要指标。高效高精度估算草地绿色生物量对草地生态系统具有重要意义。遥感技术因方便快捷、成本较低等优势,已被广泛应用于生物量估算,而传统光学遥感技术易受云层、气候条件等因素影响,不适用于高密度植被区。因此,受外界环境影响较小且具有一定穿透性的合成孔径雷达技术在生物量估算中得到了推广;但当前SAR技术多用于估算森林生物量与作物生物量,鲜有估算草地绿色生物量的研究。故选取内蒙古草原为研究区,基于Sentinel-1A SLC影像提取后向散射系数、纹理特征、极化分解量共11种雷达指数,并根据已有雷达植被指数(σ0和σ′0)引入2种雷达植被指数(σ1和σ′1),结合草地绿色生物量实测数据分别对15种雷达指数进行建模分析。结果表明纹理特征中的均值、后向散射系数σVH为估算草地绿色生物量最佳雷达指数,其估算模型R^(2)分别为0.54和0.60,RMSE分别为47.3和44.3 g·m^(-2),此外,雷达植被指数σ0和σ1估算草地绿色生物量也可获得较高精度,其估算模型R^(2)分别为0.53和0.42,RMSE分别为47.6和53.0 g·m^(-2)。研究证明SAR技术在高效高精度草地绿色生物量估算中具有较强应用潜力,但在误差消除方面仍需改进。

关键词：草地绿色生物量 SAR 纹理特征雷达指数

青藏高原干旱荒漠地区叶面积指数时空变化及影响因素

在线全文

学校读者我要写书评

暂无评论

中国水土保持科学 2023年第5期21卷 38-50页

作者：郭玉超任鸿瑞太原理工大学测绘科学与技术系太原030024

探索青藏高原干旱荒漠地区植被生长状况及其影响因素,以期为该地区生态环境治理、可持续发展及环境保护提供参考。基于GLASS LAI数据,辅助气候、地形、社会等因子,采用最大值合成法、趋势分析法、变异系数法与偏相关分析法,分析1981—2... 详细信息

探索青藏高原干旱荒漠地区植被生长状况及其影响因素,以期为该地区生态环境治理、可持续发展及环境保护提供参考。基于GLASS LAI数据,辅助气候、地形、社会等因子,采用最大值合成法、趋势分析法、变异系数法与偏相关分析法,分析1981—2018年青藏高原干旱荒漠地区植被叶面积指数(LAI)时空变化格局。结果表明:1)植被LAI在这38 a间呈显著增加趋势(P0.05),海拔>2000 m均呈显著增加趋势(P6000 m及海拔≤2000 m区间更高;3)植被LAI与气温、降水呈正相关区域所占比例分别为63.93%和52.72%,其中通过显著性检验区域比例分别为11.56%和4.45%,气温与降水相比对植被LAI变化影响更为显著。1981—2018年间,研究区气候逐渐向暖湿化方向转变,对植被生长产生积极影响。经济发展、人口数量上升给该区植被覆盖带来一定负面影响,体现在土地利用变化上主要显示为草地退化、未利用土地扩张的特征。

关键词：叶面积指数变化格局干旱荒漠地区青藏高原

在线全文

学校读者我要写书评

暂无评论

青藏高原草地非光合植被覆盖度时空动态

草业科学 2022年第8期39卷 1521-1530页

作者：牛慧兰任鸿瑞太原理工大学测绘科学与技术系山西太原030024

估算非光合植被覆盖度(f_(NPV))对于自然资源的合理利用、生态系统碳平衡以及气候变化等具有重要意义。青藏高原具有独特的气候特征和丰富的植被类型,在全球生态系统中发挥着至关重要的作用。本研究以青藏高原草地为研究区,以MODIS 500 ... 详细信息

估算非光合植被覆盖度(f_(NPV))对于自然资源的合理利用、生态系统碳平衡以及气候变化等具有重要意义。青藏高原具有独特的气候特征和丰富的植被类型,在全球生态系统中发挥着至关重要的作用。本研究以青藏高原草地为研究区,以MODIS 500 m分辨率地表反射率产品MOD09A1为数据源,利用归一化差异耕作指数(NDTI)构建非光合植被像元二分模型估算了青藏高原草地f_(NPV),并利用趋势分析法和相关分析法研究青藏高原草地f_(NPV)的动态变化及其与气候因子的关系。结果表明:非光合植被像元二分模型可以有效估算青藏高原草地f_(NPV);青藏高原草地f_(NPV)呈现从西北至东南逐渐升高的分布情况,这与青藏高原的地形和气候因素密切相关;2000-2020年青藏高原草地f_(NPV)以每年0.0012%的速度增加,且整体变化趋势不明显;青藏高原草地f_(NPV)与降水呈正相关关系,在西南部分地区呈负相关关系;在研究区中部和东部地区f_(NPV)与温度呈正相关关系,东南、南部和西南地区与温度呈负相关关系;研究区内f_(NPV)与温度的相关受到降水的微弱影响,f_(NPV)与降水的相关性几乎不受气温的影响,且f_(NPV)受5月-9月均温和1月-12月累积降水量的影响较大。本研究提供了一种新方法对非光合植被覆盖度进行估算,研究结果为青藏高原非光合植被覆盖度的研究提供依据。

关键词：青藏高原非光合植被像元二分模型动态分析

基于FY-3 MERSI遥感数据的水稻种植分布提取

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2023年第5期43卷 1606-1611页

作者：任鸿瑞张悦琦何奇瑾李荣平周广胜中国气象局沈阳大气环境研究所辽宁沈阳110166 太原理工大学矿业工程学院测绘科学与技术系山西太原030024 中国农业大学资源与环境学院北京100193 中国气象科学研究院北京100081 中国气象科学研究院与郑州大学生态气象联合实验室河南郑州450001

快速准确获取水稻种植分布对于制定区域农业生产政策、保护区域农业稳定具有科学意义。以风云系列为代表的卫星资料在农业遥感方面已得到了广泛使用,但目前鲜有基于国产风云遥感数据反演水稻种植空间分布的研究。为快速准确获取水稻种... 详细信息

快速准确获取水稻种植分布对于制定区域农业生产政策、保护区域农业稳定具有科学意义。以风云系列为代表的卫星资料在农业遥感方面已得到了广泛使用,但目前鲜有基于国产风云遥感数据反演水稻种植空间分布的研究。为快速准确获取水稻种植分布,挖掘风云遥感资料在反演水稻种植信息领域的数据价值,以盘锦市作为实验区域,开展基于FY-3 MERSI卫星资料的水稻种植空间分布反演。利用5景2019年研究区域水稻生育期风云三号中分辨率MERSI(Medium Resolution Spectral Imager)光谱成像仪数据计算归一化植被指数(NDVI)、归一化水体指数(NDWI)、两者之间的差值(NDWI-NDVI)及比值植被指数(RVI),对盘锦市水稻以及其他地物类型(建筑用地、水体、自然植被、天然湿地和旱地)感兴趣区域进行植被指数时序分析,利用NDVI、 NDWI、 RVI和NDWI-NDVI时间序列曲线确定最佳识别模式及其阈值,发展水稻种植空间分布遥感反演算法。首先根据水稻移栽期NDWI-NDVI>-0.14和抽穗期NDWI-NDVI<-0.4对水稻种植分布进行粗提取,在此基础上依据水稻与其他地物类型NDVI、 NDWI和RVI曲线特征差异对其他地物类型进行掩膜,得到2019年研究区域水稻种植空间分布。基于实地调查数据对研究区域水稻种植空间分布反演结果开展验证评价,总体精度为75%。基于目视解译的水稻空间分布数据开展验证评价,总体精度、制图精度以及用户精度均达到了80%以上,Kappa值为0.61。研究区域2019年水稻面积为116 618.75 hm^(2),与2019年盘锦市统计年鉴公布数据基本一致。研究表明,基于风云三号卫星资料反演水稻种植空间分布能够满足区域农作物种植分布遥感监测的要求,FY-3 MERSI遥感数据在农作物种植空间分布提取中具有应用价值。该研究丰富了农作物种植分布监测的遥感数据源,对于深入风云卫星资料的实际应用具有重要科学意义。

关键词：遥感水稻植被指数风云气象卫星

基于GF-6 WFV影像提取玉米水稻种植信息

在线全文

学校读者我要写书评

暂无评论

山东农业大学学报（自然科学版） 2022年第5期53卷 685-692页

作者：郭玉超李荣平任鸿瑞太原理工大学测绘科学与技术系山西太原030024 中国气象局沈阳大气环境研究所辽宁沈阳110166

玉米、水稻是我国重要的粮食作物,利用遥感技术高效获取其种植分布信息具有重要作用。GF-6 WFV遥感数据光谱波段较为丰富,空间分辨率较高,能够为作物遥感分类提供多种类型特征。然而多特征参与分类容易产生数据冗余、降低处理效率。如... 详细信息

玉米、水稻是我国重要的粮食作物,利用遥感技术高效获取其种植分布信息具有重要作用。GF-6 WFV遥感数据光谱波段较为丰富,空间分辨率较高,能够为作物遥感分类提供多种类型特征。然而多特征参与分类容易产生数据冗余、降低处理效率。如何优选GF-6 WFV数据丰富的特征信息对于提高分类精度具有重要意义。本文利用GF-6WFV影像提取光谱特征、无红边指数、红边指数及纹理特征共26个特征变量,基于所有特征进行优选并采用不同分类方法及不同特征组合识别黑山县及北镇市玉米、水稻分布信息。结果表明:采用平均不纯度减少与相关系数双重指标共优选出14个特征,其中红边信息占比最大。基于优选特征采用随机森林法识别玉米、水稻精度最高,其总体精度为94.01%、Kappa系数为0.90,相比优选前分别提高1.14%、0.02。多源特征相对于单一特征能够改善作物分类效果,提高分类精度。该研究能够剔除非农田像元影响以高效高精度地提取玉米、水稻,具有可行性、有效性,能够为国产高分数据在作物遥感识别应用方面提供参考。

关键词：高分六号农作物影像提取