检索结果-南通市图书馆

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于SMOS卫星的蝗灾监测研究

地理与地理信息科学 2018年第2期34卷 40-46页

作者：杨娜崔学皓马战林河南理工大学测绘与国土信息工程学院河南焦作454000

土壤水分是蝗虫生长繁殖中关键的环境变量,该文利用SMOS土壤水分数据(2011-2016),联合FAO统计资料(2012-2016)、ISRIC土壤网格数据(2016),以南高加索干旱/半干旱地区为研究区,探索了土壤水分与蝗虫孵化、分布及成灾区域的量化关系。研... 详细信息

土壤水分是蝗虫生长繁殖中关键的环境变量,该文利用SMOS土壤水分数据(2011-2016),联合FAO统计资料(2012-2016)、ISRIC土壤网格数据(2016),以南高加索干旱/半干旱地区为研究区,探索了土壤水分与蝗虫孵化、分布及成灾区域的量化关系。研究表明,大尺度微波遥感监测蝗灾可行且有效,主要表现在:土壤水分在3-5月份的年际波动对蝗虫的孵化期有较好的指示性(R>0.7),土壤水分较高时(>0.2cm3/cm3)孵化起始期明显滞后;同时,土壤水分的空间分布对蝗灾程度也有较好反映,其年均值与受灾面积的相关性高达0.90;此外,通过提取多年蝗灾期土壤水分的变化规律,能够对下一年份的蝗灾风险区做出预测。该文为大尺度下蝗灾的研究提供了一种新的思路和方法,亦可为蝗灾控制工作提供决策支持。

关键词：蝗灾监测 SMOS 土壤水分干旱/半干旱地区

在线全文

学校读者我要写书评

暂无评论

基于主被动遥感数据和面向对象的大蒜识别

农业工程学报 2022年第2期38卷 210-222页

作者：马战林薛华柱刘昌华李长春房旭周俊利河南理工大学测绘与国土信息工程学院焦作454003 河南省遥感测绘院郑州450003

针对开封市大蒜种植破碎化程度高,光学数据难以高精度、快速提取问题。该研究基于谷歌地球引擎(Google Earth Engine,GEE)云平台、随机森林算法(RandomForest,RF)和面向对象方法,选择融合Sentinel-1卫星的后向散射系数与Sentinel-2卫星... 详细信息

针对开封市大蒜种植破碎化程度高,光学数据难以高精度、快速提取问题。该研究基于谷歌地球引擎(Google Earth Engine,GEE)云平台、随机森林算法(RandomForest,RF)和面向对象方法,选择融合Sentinel-1卫星的后向散射系数与Sentinel-2卫星的光谱、光谱指数及纹理特征,分别应用10 m与加入植被红边波段的20 m空间分辨率遥感数据,探究不同特征组合对改善大蒜识别精度的性能。结果表明:应用10 m空间分辨率的Sentinel主被动遥感数据,在简单非迭代聚类(Simple Non-iterative Clustering,SNIC)分割尺度为5,灰度共生矩阵(Gray-level Co-occurrence Matrix,GLCM)邻域值为4,7个纹理特征选择第一、二主成分时,分类总体精度和Kappa系数最高,为94.54%、0.93,大蒜的制图精度和用户精度为97.83%、96.38%。应用加入植被红边波段的20m空间分辨率Sentinel主被动遥感数据,在SNIC分割尺度为3,GLCM邻域值为4,7个纹理特征选择第一、二主成分时,分类总体精度和Kappa系数最高,为94.14%、0.92,大蒜的制图精度和用户精度为95.72%、98.81%。单独使用Sentinel-2光学数据,加入植被红边波段的20 m分辨率数据相对10 m分辨率数据,大蒜制图精度和用户精度分别提高0.49%和4.38%。单独使用时序Sentinel-1 SAR数据,10 m空间分辨率数据的大蒜制图精度和用户精度优于20 m分辨率数据0.66%和2.03%。研究为遥感数据识别生长周期相同或重叠的大宗、小宗经济作物提供技术参考。

关键词：遥感谷歌地球引擎 Sentinel卫星随机森林面向对象大蒜

基于作物生长模型与机器学习算法的区域冬小麦估产

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第6期54卷 136-147页

作者：马战林文枫周颖杰鲁春阳薛华柱李长春河南城建学院测绘与城市空间信息学院平顶山467001 河南城建学院管理学院平顶山467001 河南理工大学测绘与国土信息工程学院焦作454003

为精准、高效、实时地实现区域冬小麦产量估算,以河南省鹤壁市淇县桥盟乡石桥村为研究区,基于分辨率10 m的Sentinel-2多时相光学遥感影像,利用集合卡尔曼滤波(Ensemble Kalman filter,EnKF)算法同化PROSAIL辐射传输模型反演的多期叶面... 详细信息

为精准、高效、实时地实现区域冬小麦产量估算,以河南省鹤壁市淇县桥盟乡石桥村为研究区,基于分辨率10 m的Sentinel-2多时相光学遥感影像,利用集合卡尔曼滤波(Ensemble Kalman filter,EnKF)算法同化PROSAIL辐射传输模型反演的多期叶面积指数(Leaf area index,LAI)到PyWOFOST作物生长模型中实现一定数量不同长势单点产量的估测,最后利用建立的机器学习模型和面域数据反演区域冬小麦产量,实现作物生长模型与机器学习算法的应用耦合及一种新的区域冬小麦估产模式。研究基于Sobol参数敏感性分析法量化对贮藏器官总干重质量(Total dry weight of storage organs,TWSO)与LAI_(max)的敏感性参数,并基于反演的多期LAI和粒子群优化(Particle swarm optimization,PSO)算法优化与LAI_(max)相关的TDWI、TBASE、CVS、CVL敏感性参数,将其输入到PyWOFOST模型中,利用EnKF算法和时序LAI数据调整对TWSO相关的AMAXTB1、TDWI、TSUMEM、CVO敏感性参数,实现单点产量的估算;与实测单点产量相比,该方法估算的R2、RMSE、MAE、Bias分别为0.8665、468.64 kg/hm^(2)、385.70 kg/hm^(2)和103.08,为建立随机森林回归(Random forest regression,RFR)区域估产算法提供准确的单点产量训练数据。针对研究区(309.32 hm^(2)),基于不同长势人工样点产量数据建立的RFR区域估产算法,区域估产精度为99.44%,每公顷算法运行用时1.55 s;应用EnKF算法同化多时期面域LAI到PyWOFOST作物生长模型中的区域估产精度为89.01%,每公顷算法运行用时约0.47 h;耦合PyWOFOST作物生长模型与RFR机器学习算法的区域估产精度达到95.58%,每公顷算法运行用时8.85 s(训练数据的单点产量计算占总时长约81.35%),显著降低机器学习算法所需的人工成本和同化变量过程计算的时间及算力成本。研究结果为准确、快速的大区域作物估产提供理论支持和技术参考。

关键词：冬小麦估产 Sentinel-2卫星集合卡尔曼滤波 PyWOFOT作物生长模型

基于Google Earth Engine的农作物分类研究

在线全文

学校读者我要写书评

暂无评论

青海科技 2021年第3期28卷 65-71页

作者：李静茹薛华柱何湜马战林河南理工大学测绘与国土信息工程学院焦作454000

农作物分类与识别是开展农作物的长势、产量、灾害等相关信息监测的基础,对确保粮食安全、发展社会经济、制定农业政策以及保护生态功能等有重要作用。本文以"原阳大米"之乡河南省原阳县为研究区,基于谷歌地球引擎(Google Earth Engine... 详细信息

农作物分类与识别是开展农作物的长势、产量、灾害等相关信息监测的基础,对确保粮食安全、发展社会经济、制定农业政策以及保护生态功能等有重要作用。本文以"原阳大米"之乡河南省原阳县为研究区,基于谷歌地球引擎(Google Earth Engine)云平台,利用随机森林(Random Forest)机器学习算法,通过地面实测数据比较分析了Sentinel-1雷达数据和Sentinel-2光学数据在原阳县秋季农作物分类中的精度。结果表明:多时相的Sentinel-1雷达数据的加入能大大提高农作物的分类精度。基于单时相Sentinel-2光学数据的总体分类精度为87.83%,Kappa系数为0.84;基于多时相Sentinel-1雷达数据的总体分类精度为93.15%,Kappa系数为0.91;基于合成单时相Sentinel-2和多时相Sentinel-1数据的分类精度为96.04%,Kappa系数为0.95%。

关键词：农作物分类 Google Earth Engine Sentintel-1 Sentintel-2 随机森林

GEE环境下融合主被动遥感数据的冬小麦识别技术

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2021年第9期52卷 195-205页

作者：马战林刘昌华薛华柱李静茹房旭周俊利河南理工大学测绘与国土信息工程学院焦作454003 河南省遥感测绘院郑州450003

遥感技术已成为大宗作物种植面积提取的有效手段。为避免冬小麦提取中受光学数据缺乏的影响,基于随机森林算法(RF)和Google Earth Engine(GEE)云平台,探索时间序列Sentinel-1合成孔径雷达(SAR)数据后向散射系数对冬小麦提取效果,并融合S... 详细信息

遥感技术已成为大宗作物种植面积提取的有效手段。为避免冬小麦提取中受光学数据缺乏的影响,基于随机森林算法(RF)和Google Earth Engine(GEE)云平台,探索时间序列Sentinel-1合成孔径雷达(SAR)数据后向散射系数对冬小麦提取效果,并融合Sentinel-1、2主被动遥感数据,研究后向散射系数、光谱特征、植被指数特征与纹理特征的不同组合对冬小麦识别精度的改善情况。结果表明:仅融合多时相Sentinel-1 SAR数据时,分类总体精度为85.93%,Kappa系数为0.75,冬小麦识别精度达到95%以上。融合多时相SAR数据与单时相光学数据,在充分利用极化信息和光谱信息进行分类后,分类总体精度为95.78%,Kappa系数为0.92,比多时相SAR分类结果分别提高9.85个百分点和约22.67%,对冬小麦的识别精度提高约2个百分点。通过分析不同特征组合情况下纹理特征对分类的影响,发现纹理特征对冬小麦的识别精度影响程度较小。

关键词：冬小麦种植面积识别谷歌地球引擎 Sentinel卫星随机森林

在线全文

学校读者我要写书评

暂无评论

餐厅投诉的种类与处理原则

中国食品 2006年第20期 50-51页

作者：马战林北京莫劳西餐厅

对于餐厅的管理者而言,“投诉”更像一把双刃剑。一方面它会带来很多的烦恼,而另一方面它又会促使餐厅服务质量的提高。任何餐厅都不希望有客人投诉自己的工作,然而,即使是世界上最负盛名的餐厅也会遇到客人投诉。成功的餐厅善于把投诉... 详细信息

对于餐厅的管理者而言,“投诉”更像一把双刃剑。一方面它会带来很多的烦恼,而另一方面它又会促使餐厅服务质量的提高。任何餐厅都不希望有客人投诉自己的工作,然而,即使是世界上最负盛名的餐厅也会遇到客人投诉。成功的餐厅善于把投诉的消极面转化为积极面,通过处理投诉来促进（共2页)

关键词：投诉餐厅种类服务质量管理者基本功客人

在线全文

学校读者我要写书评

暂无评论

餐厅投诉管理

中国食品 2006年第18期 10-11页

作者：马战林北京莫劳西餐厅

提起投诉二字对于每一个餐厅管理者都非常沉重,因为客户关系的管理已成为现代餐饮企业保持和提高市场份额,赢得竞争优势的重要手段。而客户投诉的处理,则是客户关系管理中的重要内容。虽然投诉的原因有种种,但是投诉给我们带来的负面影... 详细信息

提起投诉二字对于每一个餐厅管理者都非常沉重,因为客户关系的管理已成为现代餐饮企业保持和提高市场份额,赢得竞争优势的重要手段。而客户投诉的处理,则是客户关系管理中的重要内容。虽然投诉的原因有种种,但是投诉给我们带来的负面影响都是一样的。不管投诉是真是假、有意无?（共2页)

关键词：客户投诉管理者餐厅客户关系管理市场份额餐饮企业竞争优势发展前景

实测拟合Mironov介电常数的SMOS对土壤水分反演精度的优化

在线全文

学校读者我要写书评

暂无评论

贵州农业科学 2017年第10期45卷 139-143页

作者：马战林杨娜崔学皓河南理工大学测绘与国土信息工程学院河南焦作454000

为对农业干旱预测方法和提高SMOS的反演精度参考,介于Mironov介电常数与土壤水分的变异趋势呈相似规律,尝试利用区域性实测数据非线性拟合二者的量化关系,进而由SMOS L2介电常数直接反求土壤水分、快速改善其反演精度。结果表明:在不考... 详细信息

为对农业干旱预测方法和提高SMOS的反演精度参考,介于Mironov介电常数与土壤水分的变异趋势呈相似规律,尝试利用区域性实测数据非线性拟合二者的量化关系,进而由SMOS L2介电常数直接反求土壤水分、快速改善其反演精度。结果表明:在不考虑空间异质性的情况下,该方法将绝对误差由0.095~0.112降低至0.071~0.072。说明,以真实观测作为先验辅助信息,采用优化参数的方式能够有效提升SMOS对土壤水分的整体反演精度。

关键词： Mironov介电常数 SMOS 土壤水分非线性拟合干旱预測

在线全文

学校读者我要写书评

暂无评论

SMOS土壤介电常数可靠性研究

安徽农业科学 2018年第17期46卷 1-5页

作者：马战林杨娜崔学皓左西俊河南理工大学测绘与国土信息工程学院河南焦作454000

[目的]研究SMOS土壤介电常数的可靠性及对SMOS反演土壤水分精度的影响。[方法]针对美国大陆地区,基于USCRN实测数据计算Mironov介电常数,验证SMOS-Mironov介电常数。[结果]Mironov介电常数对土壤水分参数敏感,与土壤温度的量化关系不显... 详细信息

[目的]研究SMOS土壤介电常数的可靠性及对SMOS反演土壤水分精度的影响。[方法]针对美国大陆地区,基于USCRN实测数据计算Mironov介电常数,验证SMOS-Mironov介电常数。[结果]Mironov介电常数对土壤水分参数敏感,与土壤温度的量化关系不显著;在0~23.5、0~0.4 m^3/m^3,SMOS-Mironov介电常数和土壤水分与USCRN的总体相关系数分别为0.49、0.54,但总体仍较USCRN偏低,SMOS反演的个别数据异常突出;东西部分异与地表覆被类型有一定的空间相似性,SMOS反演建模及辅助信息的采用需针对特定的地类做进一步优化;在空间分布上,各站点数据量和数值呈显著的东西部分异特征,各站点数据量与降水量的相关系数为-0.02,初步证实降水对各站点的数据量无显著影响,但会影响反演精度。[结论]该研究为我国土壤水分变化监测及农业干旱预测提供数据支持。

关键词：干旱预测 SMOS Mironov介电常数 USCRN