检索结果-南通市图书馆

基于小波变换与支持向量机回归的冬小麦叶面积指数估算

在线全文

学校读者我要写书评

暂无评论

红外与激光工程 2015年第1期44卷 335-340页

作者：梁栋杨勤英黄文江彭代亮赵晋陵黄林生张东彦宋晓宇安徽大学计算机智能与信号处理教育部重点实验室安徽合肥230039 安徽大学电子信息工程学院安徽合肥230039 中国科学院遥感与数字地球研究所数字地球重点实验室北京100094 北京农业信息技术研究中心北京100097

叶面积指数(LAI)是作物长势诊断及产量预测的重要参数。通过对冬小麦采样点的高光谱曲线进行连续小波变换(CWT),然后利用小波系数与LAI建立支持向量机回归(SVR)模型,实现冬小麦不同生育时期的叶面积指数估算。通过对所研究方法与选取的... 详细信息

叶面积指数(LAI)是作物长势诊断及产量预测的重要参数。通过对冬小麦采样点的高光谱曲线进行连续小波变换(CWT),然后利用小波系数与LAI建立支持向量机回归(SVR)模型,实现冬小麦不同生育时期的叶面积指数估算。通过对所研究方法与选取的植被指数、偏最小二乘(PLS)回归等5种方法的反演结果进行统计分析。结果表明:利用连续小波变换确定的LAI的敏感波段为680、739、802、895 nm,对应尺度分别为8、4、9和8,对应小波系数的LAI回归确定系数(R2)明显高于冠层反射率的回归确定系数;利用小波系数与LAI建立的SVR模型的反演精度最高,模型实测值与预测值的检验精度(R2)为0.86,均方根误差(RMSE)为0.43;而常用植被指数(归一化植被指数,NDVI;比值植被指数,RVI)建立的估测模型对冬小麦多个生育时期LAI反演精度最低(R20.56)。因此利用连续小波变换进行数据预处理,能更好地筛选出对叶面积指数敏感的信息,LAI回归方法比较结果表明,SVR比PLS更适合于LAI的估测,通过将CWT与SVR结合(CWT-SVR)能实现不同生育时期冬小麦叶面积指数的遥感估算。

关键词：叶面积指数(LAI) 高光谱连续小波变换(CWT) 支持向量机回归(SVR) 偏最小二乘(PLS)

在线全文

学校读者我要写书评

暂无评论

黑土典型区土壤有机质遥感反演

农业工程学报 2011年第8期27卷 211-215页

作者：刘焕军赵春江王纪华黄文江张新乐北京农业信息技术研究中心北京市农林科学院北京100097 东北农业大学资源与环境学院哈尔滨150030

土壤有机质(SOM)含量时空变异规律研究对于土壤肥力评价、土壤碳库估算、土壤资源利用与保护具有重要意义,而地貌、成土母质、土壤类型等差异、高光谱卫星影像较少等因素制约了区域尺度的SOM含量遥感反演方法研究的开展。该文以黑龙江... 详细信息

土壤有机质(SOM)含量时空变异规律研究对于土壤肥力评价、土壤碳库估算、土壤资源利用与保护具有重要意义,而地貌、成土母质、土壤类型等差异、高光谱卫星影像较少等因素制约了区域尺度的SOM含量遥感反演方法研究的开展。该文以黑龙江省黑土带典型区为例,采集区域土壤样本,获取Landsat TM遥感影像,基于有机质含量与土壤反射率的定量关系,建立区域SOM遥感预测模型。结果表明:黑土区SOM含量高,一般大于2%,决定了有机质对土壤反射光谱特性的主要作用,而且该区SOM空间变异性显著,且耕作方式、气候等因素决定了裸土时间长,因而该区适于SOM含量遥感反演;有机质与TM各波段反射率均显著相关,最大相关系数在第3波段(0.63～0.69μm),为-0.710,其次为4波段(0.76～0.90μm),与实验室基于高光谱反射率数据分析的结果一致;基于TM影像2、3、4波段的SOM指数模型最优,预测精度高、稳定性好,可以用于揭示黑土典型区SOM含量的空间分布特征。该研究将为改进土壤理化参数遥感反演、土地质量评价、土壤碳库估算等工作方法提供理论与技术支持。

关键词：遥感反演土壤有机质 Landsat TM 区域预测模型

基于HJ-CCD与TM影像的水稻LAI估测一致性分析

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2010年第7期26卷 186-193,I0004页

作者：张竞成顾晓鹤王纪华黄文江何馨王慧芳国家农业信息化工程技术研究中心北京100097 浙江大学环境与资源学院杭州310029

针对传感器参数与Landsat-5 TM较为相近的环境减灾小卫星HJ-CCD影像可否适用于水稻叶面积指数(LAI)估测的问题,该文利用同为2009-07-13获取的安徽省境内相同范围的HJ-CCD影像和TM影像,结合地面同步调查数据,分别从影像原始波段相关性、... 详细信息

针对传感器参数与Landsat-5 TM较为相近的环境减灾小卫星HJ-CCD影像可否适用于水稻叶面积指数(LAI)估测的问题,该文利用同为2009-07-13获取的安徽省境内相同范围的HJ-CCD影像和TM影像,结合地面同步调查数据,分别从影像原始波段相关性、反演模型精度及LAI空间分布趋势3个方面,对两类数据在水稻LAI估测上的一致性进行分析和评价。结果表明,两类影像原始波段反射率相关性较高,基于两类影像的单变量、多变量模型在精度上一致性较高,估测所得的LAI在空间分布上也具有较高的一致性,数据集中分布的区间较为一致。因此,该研究初步证明将HJ-CCD影像用于水稻LAI估测在总体上是可行的。但同时,由于基于两类影像构建的模型在形式上存在一定程度的差异,据此得到的LAI填图结果的数据分布在某些区间内亦略有差异。因此,在应用中应注意针对不同数据源进行独立建模分析,不可相互套用模型。该研究一定程度上为有着重访周期短、覆盖范围宽等优势的国产中分辨率遥感数据在农业领域的应用提供依据。

关键词：遥感影像分析影像质量 HJ-CCD Landsat-5TM 水稻 LAI

在线全文

学校读者我要写书评

暂无评论

光合有效辐射及其传感器研究进展

农业工程学报 2023年第8期39卷 20-31页

作者：孙刚刘慧李丽高帅张全军黄文江刘良云柳钦火中国科学院空天信息创新研究院遥感科学国家重点实验室北京100101 中国计量科学研究院北京100029 中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室北京100101 中国科学院空天信息创新研究院数字地球重点实验室北京100094

植物利用约400~700nm波段的光驱动光合作用,但不同波长的光驱动效率不相同,而且随着植物类型及生长阶段的不同而变化。因此,准确获取被植物捕获并用于驱动光合作用的光辐射成为困扰科学家的难题。当前,光量子传感器被普遍接受并用于评... 详细信息

植物利用约400~700nm波段的光驱动光合作用,但不同波长的光驱动效率不相同,而且随着植物类型及生长阶段的不同而变化。因此,准确获取被植物捕获并用于驱动光合作用的光辐射成为困扰科学家的难题。当前,光量子传感器被普遍接受并用于评价光合作用潜力,可测量400~700nm波段的光量子通量密度或光量子通量,其光谱响应函数为直线。该文回顾了经典光合有效辐射(photosynthetically active radiation,PAR)定义的形成过程,介绍了PAR传感器的演化路径,讨论了PAR及其传感器的应用现状。由于测量对象及应用环境的多样化,PAR的定义仍然没有完全统一,且早期研究对光谱响应函数的度量不充分。随着当前人工光照明与植物生长发育相关研究的深入,发现植物光合作用吸收的光波长范围比400~700 nm要宽,不同的光谱能量分布(波长配比,能量配比)、光周期等对光合作用影响显著,并且很难将光辐射对光合作用的影响和光形态效应区分开,因此PAR的定义及其传感器的研发仍处于不断发展中。理想的PAR应该从植物光合作用的角度来定义,未来PAR传感器的光谱响应函数应与植物光合作用的能力曲线相一致,并能依据测量对象及应用需求而调整。与此相适应,未来PAR传感器应向用户可对光谱响应函数编程的方向发展。

关键词：遥感传感器光合作用光合有效辐射光子通量密度 PAR

在线全文

学校读者我要写书评

暂无评论

基于权重最优组合和多时相遥感的作物估产

农业工程学报 2009年第9期25卷 137-142页

作者：徐新刚王纪华黄文江李存军杨小冬顾晓鹤国家农业信息化工程技术研究中心北京100097 农业部农业信息技术重点开放实验室北京100097

多时相遥感数据比单一时相携带了更多的反映作物产量的信息,研究如何将多时相遥感信息进行有机融合以提高作物估产精度的方法是具有意义的。权重最优组合(WOC)是一种通过对单个模型权重的最优化,来构建高精度组合模型的原理方法。论文... 详细信息

多时相遥感数据比单一时相携带了更多的反映作物产量的信息,研究如何将多时相遥感信息进行有机融合以提高作物估产精度的方法是具有意义的。权重最优组合(WOC)是一种通过对单个模型权重的最优化,来构建高精度组合模型的原理方法。论文以黑龙江农垦友谊农场大麦产量遥感估算为例,首先利用大麦4个时相的Landsat5 TM影像分别构建单一时相的大麦产量模型,然后利用WOC的迭代算法,通过赋予4个单一时相产量模型以最优权重,生成基于多时相遥感的组合模型估算大麦产量,结果表明:基于WOC和多时相遥感的组合估产模型的决定系数R2与单一时相的相比得到较大改善,估算精度提高明显。同时,通过对WOC获取的各时相单一模型最优权重大小进行分析表明:应用多时相遥感数据进行作物估产时,权重大小能够反映各时相遥感数据所携带的产量信息的多少,这对于如何选择和确定能有效反映作物产量的敏感遥感时相具有一定的指导意义。

关键词：优化遥感估计权重最优组合多时相遥感作物估产

面向不平衡高光谱遥感分类的SMOTE和旋转森林动态集成算法

在线全文

学校读者我要写书评

暂无评论

遥感学报 2022年第11期26卷 2369-2381页

作者：童莹萍冯伟宋怡佳全英汇黄文江高连如朱文涛邢孟道西安电子科技大学电子工程学院西安710071 西安电子科技大学先进遥感技术研究院西安710071 中国科学院空天信息创新研究院数字地球重点实验室北京100094 西安电子科技大学前沿交叉研究院西安710071

旋转森林RoF(Rotation Forest)是一种功能强大的集成分类器,它在高光谱图像分类中已经获得了很多成功的应用。然而,现实数据经常存在类别不平衡的问题,这使得传统的RoF算法侧重识别多数类别的样本,而忽略了少数类样本的分类精度。SMOTE(... 详细信息

旋转森林RoF(Rotation Forest)是一种功能强大的集成分类器,它在高光谱图像分类中已经获得了很多成功的应用。然而,现实数据经常存在类别不平衡的问题,这使得传统的RoF算法侧重识别多数类别的样本,而忽略了少数类样本的分类精度。SMOTE(Synthetic Minority Oversampling Technique)算法通过模拟生成新样本的方式来增加少数类别样本的数量,进而达到平衡数据集类别的效果;但是SMOTE算法目前主要被用于数据预处理阶段,并且在处理多类问题时具有增加人工噪声的风险。为了解决高光谱数据学习中的多类不平衡问题,本文提出了一个新的SMOTE和RoF动态集成算法;该算法利用动态采样因子技术,将类别分布优化和基分类器训练过程进行融合。本实验利用Indian Pines、Salinas以及Pavia University这3个公开的高光谱数据对新的SMOTE和RoF动态集成算法的性能进行测试,同时选取4种对比算法,包括随机森林、传统的RoF以及通过随机过采样和SMOTE数据预处理后的RoF算法,并且采用总体分类精度、平均分类精度、F-measure、Gmean、最小召回率、集成分类器多样性、模型训练时间以及McNemar测试等为算法性能评价标准。实验结果表明本文方法具有明显的分类优势,可以保证在增加数据总体分类精度的基础上提高小类别样本的识别精度。

关键词：集成学习不平衡分类旋转森林 SMOTE 动态采样

EXTRACTION OF BIOCHEMICAL COMPONENTS IN WINTER WHEAT BY CANOPY HYPERSPECTRUM

在线全文

学校读者我要写书评

暂无评论

EXTRACTION OF BIOCHEMICAL COMPONENTS IN WINTER WHEAT BY CANO...

基于神经网络的冬小麦蛋白质含量关键生态影响因子分析

Progress of Information Technology in Agriculture

作者： huang wenjiang Wang Jihua Liu Liangyun Zhao Chunjiang huang Muyi Wang JindiNational Engineering Research Center for Information Technology in Agriculture Beijing Post Code:100089 ChinaResearch Center for Remote Sensing and GIS Beijing Normal University Beijing Post Code:100875 China

＜正＞ Winter wheat canopy spectrum is affected by wheat canopy （leaf area index, leaf biochemical components, leaf angle distribution,canopy shadows, et al.）, soil, weeds, environment and their interactions. So the uncertainties for crop canopy spectral information become a fatal problem for the canopy biochemical and biophysical variables extraction. Recent studies have demonstrated the application of spectral indices from hyperspectral data for crop biochemical and biophysical variables. These indices are the compositive response to variations of several vegetation and environmental properties. Canopy chlorophyll content, an indicator of photosynthesis activity, which is related the nitrogen concentration in green vegetation and serves as a measure of the crop response to nitrogen application. The combination of NDVI and PRI can reduce the effect of LAI and soil background. The index （CCII） was proved to be sensitive to chlorophyll concentration and very resistant to the variations. This paper introduced the application of the ratio TCARI/OSAVI to make accurate predictions of winter wheat chlorophyll content under different varieties, and the application of SIPI for canopy biochemical indicators inversion by minimizing foliar inner structure effect. It indicated that the canopy chlorophyll content and nitrogen concentration could be evaluated by some new combination vegetation indices.

关键词： winter wheat canopy spectrum uncertainties information extraction

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

农业工程学报 2010年第7期26卷 220-226页

作者：王大成李存军宋晓宇王纪华黄文江王俊英周吉红黄敬峰浙江大学农业遥感与信息技术研究所杭州310029 国家农业信息化工程技术研究中心北京100097 北京市农业技术推广站北京100097

温度、降雨、光照和土壤等生态因子影响冬小麦籽粒蛋白质含量,确定这些因子是否有重要影响及影响程度对于小麦种植区划具有重要意义。该文利用北京地区具有代表性的小麦种植点的气象数据和土壤养分数据,通过神经网络方法来评估温度、降... 详细信息

温度、降雨、光照和土壤等生态因子影响冬小麦籽粒蛋白质含量,确定这些因子是否有重要影响及影响程度对于小麦种植区划具有重要意义。该文利用北京地区具有代表性的小麦种植点的气象数据和土壤养分数据,通过神经网络方法来评估温度、降雨、光照和土壤等因子对蛋白质含量影响的相对重要程度。研究表明,影响北京地区蛋白质含量的主要因素依次有:6月6日至6月10日的光照时间、气温大于32℃的天数、土壤碱解氮含量、5月上旬至6月上旬的平均气温、5月26日至5月30日的平均气温、5月下旬至6月上旬≥0℃的积温、6月1日至6月5日的平均气温、5月下旬至6月上旬的温差、5月下旬至6月上旬的降雨量和土壤有机质含量;并针对部分关键因子利用神经网络模型制作了响应曲线以反映蛋白质含量随生态因子的变化趋势。

关键词：神经网络品质控制粮食影响因子

基于TM和PLS的冬小麦籽粒蛋白质含量预测

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2011年第3期27卷 388-392,F0004页

作者：谭昌伟王纪华黄文江王君婵朱新开郭文善扬州大学江苏省作物遗传生理重点实验室/农业部长江中下游作物生理生态与栽培重点开放实验室扬州225009 国家农业信息化工程技术研究中心北京100089

为进一步提高遥感预测冬小麦籽粒蛋白质含量精度,分析了卫星遥感变量与冬小麦籽粒蛋白质含量间的定量关系,运用偏最小二乘法构建了遥感预测籽粒蛋白质含量模型,制作了冬小麦籽粒蛋白质含量空间等级分布图,结果表明,该模型的最佳主成分数... 详细信息

为进一步提高遥感预测冬小麦籽粒蛋白质含量精度,分析了卫星遥感变量与冬小麦籽粒蛋白质含量间的定量关系,运用偏最小二乘法构建了遥感预测籽粒蛋白质含量模型,制作了冬小麦籽粒蛋白质含量空间等级分布图,结果表明,该模型的最佳主成分数为5,且归一化植被指数、冠层结构不敏感色素指数、比值植被指数、氮反射指数和植被衰减指数为预测籽粒蛋白质含量的敏感变量;籽粒蛋白质含量预测的均方根误差为0.307%,决定系数为0.642,为提高遥感预测小麦品质的精度提供了一种有效途径,有利于大面积应用和推广。

关键词：模型预测控制系统蛋白质 LandsatTM 冬小麦