检索结果-南通市图书馆

中国农业科学 2024年第1期57卷 80-95页

作者：石浩磊曹红霞张伟杰朱珊何子建张泽西北农林科技大学旱区农业水土工程教育部重点实验室石河子大学农学院

【目的】叶面积指数（leaf area index,LAI）是表征作物长势、光合、蒸腾的重要指标。论文旨在研究不同生育期、多生育期无人机多光谱数据棉花LAI估测模型，明确不同生育期间棉花LAI估测模型变化规律，为实时掌握棉花长势并因地制宜进... 详细信息

【目的】叶面积指数（leaf area index,LAI）是表征作物长势、光合、蒸腾的重要指标。论文旨在研究不同生育期、多生育期无人机多光谱数据棉花LAI估测模型，明确不同生育期间棉花LAI估测模型变化规律，为实时掌握棉花长势并因地制宜进行田间科学管理提供依据。【方法】利用大疆精灵4多光谱无人机获取棉花现蕾期、初花期、结铃期、吐絮期多光谱图像和RGB图像。选用归一化差植被指数（NDVI）、绿度归一化差植被指数（GNDVI）、归一化差红边指数（NDRE）、叶片叶绿素指数（LCI）、优化的土壤调节植被指数（OSAVI）5种多光谱指数和修正红绿植被指数（MGRVI）、红绿植被指数（GRVI）、绿叶指数（GLA）、超红指数（EXR）、大气阻抗植被指数（VARI）5种颜色指数分别建立棉花各生育期及棉花生长多生育期数据集合，结合打孔法获取地面LAI实测数据，使用机器学习算法中偏最小二乘（PLSR）、岭回归（RR）、随机森林（RF）、支持向量机（SVM）、神经网络（BP）构建棉花LAI预测模型。【结果】覆膜棉花LAI随着生育期的变化呈现先增长后下降的趋势，现蕾期、初花期、结铃期内侧棉花叶面积指数均值均显著大于外侧（P指数在各时期彼此间均呈显著相关（P多光谱指数与颜色指数间的相关性随着生育期的进行而呈现下降趋势，选择的指数在各时期均与棉花LAI相关性显著（P多光谱指数相关系数介于0.35—0.85，颜色指数相关系数介于0.49—0.71，相关系数绝对值较大的指数多为多光谱指数，颜色指数与棉花LAI的相关系数绝对值较小；估测模型性能结果显示棉花各生育期模型中多光谱指数优于颜色指数，且各指数模型预测性能随着生育期的变化呈现一定规律性，NDVI是预测棉花LAI的最优指数。从模型结果上看，RF模型和BP模型在各生育期下获得了较高的估计精度。初花期LAI反演模型精度最高，最优模型验证集R2为0.809,MAE为0.288,NRMSE为0.120。多生育期最优模型验证集R2为0.386,MAE为0.700,NRMSE为0.198。【结论】棉花内外侧LAI在现蕾期、初花期、结铃期存在显著差异。在各生育期中，RF和BP模型是预测棉花LAI较优模型。NDVI在各指数中表现最好，是预测棉花LAI的最优指数。多生育期模型效果较单生育期明显下降，最优指数为GNDVI，最优模型为BP。本研究中预测棉花LAI的最优窗口期是初花期。研究结果可为无人机遥感监测棉花LAI提供理论依据和技术支持。

关键词：棉花叶面积指数多光谱指数颜色指数无人机多光谱机器学习

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

高温目标多光谱识别指数构建及决策树判别方法研究

高温目标多光谱识别指数构建及决策树判别方法研究

引用

作者：季悦吉林大学

学位级别：硕士

地表高温目标的常见形式包括林火、草原火、煤层自燃、土法炼焦、油井火炬、火山喷发等。高温目标的遥感识别及其属性反演对环境监测、灾害预警、资源调查等具有重要理论意义和实用价值。通常,高温目标的温度(500 K+)显著高于地表常温地... 详细信息

地表高温目标的常见形式包括林火、草原火、煤层自燃、土法炼焦、油井火炬、火山喷发等。高温目标的遥感识别及其属性反演对环境监测、灾害预警、资源调查等具有重要理论意义和实用价值。通常,高温目标的温度(500 K+)显著高于地表常温地物(300 K),其视反射率在短波红外波段(1.30.00μm)也较常温地物高,而在摄影红外波段(0.76.30μm)则一般较低。相较于中、热红外数据,短波红外波段能更精确识别高温目标并对其进行准确定位,因此被视为高温目标识别的有利波段。目前,短波红外高温目标识别的方法主要有:归一化火点指数(NDFI)法、马氏距离多元截尾法、马氏距离多类判别法以及因子分析法等。本文基于ASD高光谱实测数据以及Landsat8 OLI多光谱遥感影像数据,在深入研究典型常温地物、高温目标光谱特性的基础上,利用方差分析思想构建可分性度量指标对高温目标与各类常温地物分别进行特征波段筛选,确定高温目标识别的有效波段,构建并筛选高温目标最优识别指数。针对识别结果中高温目标与彩钢屋顶建筑的混淆情况,重点开展了决策树分类方法研究,通过建立决策树模型实现高温目标的精确识别,主要研究成果如下:1.在可见光、摄影红外波段,高温目标、典型常温地物间光谱特征差异较小,但在短波红外波段(ASD实测数据的1.70.40μm波长范围或Landsat8 OLI遥感影像数据的6、7波段),高温目标与常温地物光谱特征差异显著,其视反射率远远高于各类典型常温地物。2.基于训练样本统计数据,结合方差分析思想,利用组间离差/组内离差作为可分性度量指标并进行高温目标识别特征波段筛选,结果表明,高温目标识别的有利波段排序为Landsat8 OLI的7、5、4(短波红外、摄影红外、红光)波段。3.基于高温目标识别的若干有效波段,构建差值、比值、和差组合比值等形式的多个光谱指数,综合筛选确定高温目标识别的最优光谱指数为(B7-B5-B4)/(B7+B5+B4)。该指数区分高温目标与水体、火烧迹地、林地(阳坡)和所有常温地物效果最佳,对于裸地、居民地和林地(阴坡),该指数虽非最优,但其可分性度量值也较大,亦为有效指数。利用该指数对高温目标进行识别,结果表明,该最优光谱指数能将高温目标与除彩钢屋顶建筑物外的所有常温地物进行有效区分,识别精度为79.24%。4.根据光谱指数识别结果,通过构建能有效划分两两相似地物的决策树模型来实现高温目标的精确识别。识别结果表明,决策树分类法可将高温目标与各类常温地物进行有效区分,识别精度为97.67%,在分类精度上优于光谱指数法,尤其在区分高温目标与其相似的彩钢屋顶建筑物方面,分类效果更好。

关键词：高温目标短波红外方差分析可分性度量特征波段多光谱指数决策树分类

来源：

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

森林扰动检测算法LandTrendr改进研究

森林扰动检测算法LandTrendr改进研究

引用

作者：邱德安福建师范大学

学位级别：硕士

森林扰动检测对理解森林动态变化具有重要意义。基于Landsat的扰动和恢复趋势检测(LandTrendr)算法由于可以在谷歌地球引擎(GEE)云平台上高效运行和并行计算,是森林扰动检测应用最广泛的算法之一。然而,LandTrendr时间分割算法进行森林... 详细信息

森林扰动检测对理解森林动态变化具有重要意义。基于Landsat的扰动和恢复趋势检测(LandTrendr)算法由于可以在谷歌地球引擎(GEE)云平台上高效运行和并行计算,是森林扰动检测应用最广泛的算法之一。然而,LandTrendr时间分割算法进行森林扰动检测时还存在两个局限性,这可能会阻碍其在全国范围内适用性并在森林碳估算建模中引入不确定性。第一,它仅使用Landsat每年夏季合成观测数据,这可能将秋冬季节发生的森林扰动检测时间推迟至少一年;第二,它使用单一光谱指数或波段同时检测所有森林扰动,这可能会降低对于某种森林扰动类型的检测精度。因此,本研究旨在融合Landsat每年多季节观测数据和多光谱指数改进LandTrendr算法,提高其森林扰动检测精度。本研究基于3914个全国随机选取、解译的森林扰动参考样本,在像元尺度上对LandTrendr原始算法和改进后的算法森林扰动检测精度进行了定量对比和验证。另外,在3个中国不同区位、森林类型的黑龙江省大兴安岭、湖北省神农架和福建省三明市军事格网系统(MGRS)分幅上定性对比了LandTrendr原始算法和改进后的算法森林扰动检测结果。鉴于研究区自然条件和人为压力的广泛相似性以及本研究中的森林扰动类型在全国范围内具有代表性,满足在全国范围内验证算法适用性的需要。本文主要的研究结果如下:1)LandTrendr算法每年融合Landsat多季节观测数据后对其森林扰动检测精度的影响。从LandTrendr每年以单个合成周期进行森林扰动检测来看,其以每年夏季(06/21-09/23)为合成周期的森林扰动检测精度(F1分数)高于原始的合成周期(06/20-08/31),但是低于以每年年末三个月(10/01-12/31)为合成周期的森林扰动检测精度。LandTrendr算法融合以每年夏季和年末三个月为合成周期的森林扰动检测结果后,其森林扰动检测精度提升了11%。2)LandTrendr算法融合多光谱指数后对其森林扰动检测精度的影响。从单一光谱指数来看,在归一化燃烧比率(NBR)、归一化湿度指数(NDMI)、归一化植被指数(NDVI)、缨帽湿度(TCW)和缨帽角度(TCA)五个指数中,指数NBR的森林扰动检测精度最高,而指数NDVI最低。当LandTrendr以NBR、NDMI、TCW和TCA四个光谱指数组合时,其森林扰动检测精度最高。LandTrendr融合多季节观测数据和多光谱指数后,森林扰动检测精度提升了21%。3)在3个中国不同区位、森林类型的黑龙江省大兴安岭、湖北省神农架和福建省三明市地区,定性对比了LandTrendr原始算法和改进后的算法森林扰动检测结果。相比于LandTrendr原始算法,融合多季节观测数据和多光谱指数后的算法检测到的森林扰动不仅在森林扰动面积上有显著提升,而且在森林扰动事件的完整性上也有明显提升。改进后的LandTrendr算法检测的森林扰动空间格局与Landsat 8假彩色合成影像中的森林扰动区域较为相似,仅在部分森林扰动像元中能观察到微小差异。基于GEE云平台高效运行和并行计算等优势,改进后的LandTrendr算法能够快速、准确地检测到森林扰动,可以推广到具有多样化森林类型和森林扰动类型的全球森林扰动检测。

关键词：森林扰动检测 LandTrendr GEE Landsat时间序列多季节观测多光谱指数

来源：

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

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

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

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：