检索结果-南通市图书馆

Journal of Remote Sensing 2023年第1期3卷 378-392页

作者： Zhenpeng Zuo luofan dong Yuri Knyazikhin Ranga BMyneni Department of Earth and Environment Boston UniversityBostonMAUSA

Estimating potential height of forests is one of key tasks in forest restoration *** regional maximum height statistics is difficult to account for local heterogeneity,biotic and abiotic mechanismbased methods are *** from the mainstream models that possesses either hydraulic constraint or mechanical constraint,we used a more lightweight model based on balance of water availability and consumption,named the Allometric Scaling and Resource Limitations *** enhancements were added,making up the third version of the model,and we deployed it using Google Earth Engine(GEE).A map of potential tree height at 90-m resolution is created for beech-maple-birch forests in northeastern United *** the oldest forests among the study area,the model reproduces the tree height level of~25 m with root mean square deviation(RMSD)of 3.71 m from a high-resolution product of canopy height *** a threshold of 20% deviation,82.9% of pixels agree with the existing tree *** of the oldest forests,RMSD raises to 5.01 m,and agreement drops to 75.3%.Over the entire study area,6.6% total pixels of interest have a predicted height below the current level.A total of 16.7% pixels have larger predictions relative to existing forest heights,with a half of them classified as mistakes of *** may come from uncertainty in climate reanalysis data and inadequate shading effects *** work confirms the applicability of this lightweight model for this static prediction task and explores the deployment of ecological mechanismbased models on the GEE platform.

关键词： Maple Engine constraint

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于FCN的无人机可见光影像树种分类

引用

激光与光电子学进展 2020年第10期57卷 28-37页

作者：戴鹏钦丁丽霞刘丽娟董落凡黄依婷省部共建亚热带森林培育国家重点实验室浙江杭州311300 浙江省森林生态系统碳循环与固碳减排重点实验室浙江杭州311300 浙江农林大学环境与资源学院浙江杭州311300

将深度学习和面向对象方法用于处理超高空间分辨率的无人机可见光影像,以期实现高精度的森林树种遥感分类。首先,利用面向对象方法对无人机影像进行最优尺度分割,基于对象提取特征变量,运用随机森林(RF)法对树种遥感分类,同时对参与分... 详细信息

将深度学习和面向对象方法用于处理超高空间分辨率的无人机可见光影像,以期实现高精度的森林树种遥感分类。首先,利用面向对象方法对无人机影像进行最优尺度分割,基于对象提取特征变量,运用随机森林(RF)法对树种遥感分类,同时对参与分类的变量按重要性排序,并筛选出对分类贡献率最高的两个特征变量--可见光差异植被指数(VDVI)和过绿减过红指数(ExG-ExR)。然后,将这两个特征变量和无人机原始RGB波段融合生成新的数据,针对该数据与原始RGB波段数据,分别利用基于Res-U-Net模型的全卷积神经网络(FCN)方法进行树种分类,并对结果精度评价。最后,为了消除FCN法基于像元分类引起的缺陷,结合面向对象最优分割法对分类结果进行修正。实验结果表明,融合了VDVI和ExG-ExR的FCN方法对无人机影像的树种分类效果最好,总精度为97.8%,Kappa系数为0.970。RF法能够有效筛选分类特征变量,对原始影像添加特征变量能有效提高FCN方法的分类精度,再对面向对象分割结果进行修正,可以基本消除椒盐现象,减弱边缘效应,使总精度提高0.9个百分点,Kappa系数提高了0.013。

关键词：图像处理树种分类全卷积神经网络无人机影像面向对象随机森林特征变量

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：