检索结果-南通市图书馆

基于无人机遥感技术的玉米种植信息提取方法研究

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2017年第1期48卷 139-147页

作者：韩文霆李广苑梦婵张立元师志强西北农林科技大学机械与电子工程学院陕西杨凌712100 西北农林科技大学水土保持研究所陕西杨凌712100

使用无人机遥感试验获取的可见光图像研究拔节期玉米种植信息提取方法。首先确定感兴趣区地物种类,包括:玉米、小麦、向日葵、树苗和裸地;然后分别统计计算5类地物的27项纹理特征,比较各类地物特征的种内变异系数和与玉米的相对差异系数... 详细信息

使用无人机遥感试验获取的可见光图像研究拔节期玉米种植信息提取方法。首先确定感兴趣区地物种类,包括:玉米、小麦、向日葵、树苗和裸地;然后分别统计计算5类地物的27项纹理特征,比较各类地物特征的种内变异系数和与玉米的相对差异系数,选出适宜提取玉米种植信息的特征。经过分析发现,仅用一个特征参数难以准确提取玉米种植信息,需要各特征组合分层分类提取玉米信息。最后确定绿色均值、蓝色协同性和纹理低通植被指数TLVI为玉米种植信息提取特征。经过对初步提取结果的分析,发现分类后的小麦地和树苗地中仍残留有与玉米区特征相同的斑块,玉米地中有与非玉米区特征相同的斑块,结合两种斑块各自形状面积分布的独特性,分别实现残留斑块去除和玉米地错分斑块保留,完成玉米种植信息提取。选取与感兴趣区影像同时期不同区域的两幅影像进行方法验证,结果表明:该方法对玉米种植信息提取有较好效果,面积提取误差在20%以内,对用无人机可见光遥感影像进行玉米种植信息提取具有一定的适用性。

关键词：遥感无人机可见光图像纹理低通植被指数种植信息提取玉米

若羌绿洲特色林果种植信息遥感提取方法适用性分析

在线全文

学校读者我要写书评

暂无评论

中国农业资源与区划 2022年第2期43卷 206-219页

作者：沈江龙郑江华尼格拉·吐尔逊王蕾罗磊新疆大学资源与环境科学学院绿洲重点实验室乌鲁木齐830011 新疆林业科学院现代林业研究所乌鲁木齐830012

[目的]为快速掌握若羌绿洲特色林果业种植信息,提高特色林果资源调查的信息化水平,服务若羌特色林果业的发展。[方法]文章通过野外调查和室内文献资料分析建立遥感分类的先验知识,采用面向对象的影像分析方法,构建多尺度分割结果的光谱... 详细信息

[目的]为快速掌握若羌绿洲特色林果业种植信息,提高特色林果资源调查的信息化水平,服务若羌特色林果业的发展。[方法]文章通过野外调查和室内文献资料分析建立遥感分类的先验知识,采用面向对象的影像分析方法,构建多尺度分割结果的光谱、植被指数、形状、纹理等特征,采用CART和随机森林算法进行遥感分类,分析使用不同分类算法、特征集对分类结果的影响。[结果](1)随机森林算法相比于CART算法总体分类效果好,分类精度高,特征数据集的加入对CART算法的分类精度影响较小,而对随机森林算法分类精度的提升较为明显。(2)形状特征对形状差异较大的地物具有较强的识别能力,植被指数特征能有效识别植被和非植被地物,纹理特征则对分类精度的影响较小。(3)综合所有特征集并结合随机森林算法的分类结果最优,总体精度88.43%,Kappa系数85.47%,面积精度96.89%。[结论]形状、植被指数、纹理等特征集的加入对各个地类的分类精度的影响不同,应具体问题具体分析,随机森林算法比CART算法更适用于多维特征数据集的作物遥感分类任务。

关键词：特色林果作物面向对象种植信息提取 Sentinel-2 适用性分析

基于GF-1影像面向对象分类方法的水稻种植信息提取研究

在线全文

学校读者我要写书评

暂无评论

中国稻米 2017年第6期23卷 43-46页

作者：刘绍贵姬忠林张月平李文西高晖杭天文陈明颜怡姜义吴兵龚鑫鑫祝飘任红艳扬州市耕地质量保护站江苏扬州225101 福建师范大学地理科学学院福州350007 中国科学院地理科学与资源研究所/资源与环境信息系统国家重点实验室北京100101 扬州地恒科技有限公司江苏扬州225002

应用遥感技术提取水稻种植信息是农业遥感的重要内容。GF-1卫星WFV数据为农业信息提取提供了新的途径,面向对象的分类方法是遥感解译的重要方法。本研究以扬州市为研究区域,基于GF-1影像WFV数据,采用面向对象的分类方法,提取水稻种植信... 详细信息

应用遥感技术提取水稻种植信息是农业遥感的重要内容。GF-1卫星WFV数据为农业信息提取提供了新的途径,面向对象的分类方法是遥感解译的重要方法。本研究以扬州市为研究区域,基于GF-1影像WFV数据,采用面向对象的分类方法,提取水稻种植信息,并实地调查验证试验结果,试图探讨GF-1数据面向对象分类方法在水稻种植信息提取中的可行性与影响提取精度的因素。结果表明,应用GF-1数据,采用面向对象的分类方法能够很好地完成扬州市水稻种植信息的提取,2016年扬州市有水稻种植面积214 524 hm^2,总体精度达到98.5%,Kappa系数0.95,面积精度达97.5%;实地考察能够提高提取精度,地形破碎程度越低,提取精度越高。

关键词： GF-1 面向对象水稻种植信息提取

在线全文

学校读者我要写书评

暂无评论

高分1号数据用于云南文山三七种植信息提取

浙江农林大学学报 2020年第1期37卷 129-135页

作者：朱赞袁希平甘淑张良洁赵庆会昆明理工大学国土资源工程学院云南昆明650093 滇西应用技术大学云南大理671006 昆明理工大学云南省高校高原山区空间信息测绘技术应用工程研究中心云南昆明650093

[目的] 云南文山三七Panax notoginseng作为经济价值较高的中草药,其产量多少与价格波动之间存在着较紧密的联系,实时准确地掌握三七种植面积,对于当地政府相关管理部门科学指导三七种植规模和确定价格等宏观调控具有重要意义。 [方法]... 详细信息

[目的] 云南文山三七Panax notoginseng作为经济价值较高的中草药,其产量多少与价格波动之间存在着较紧密的联系,实时准确地掌握三七种植面积,对于当地政府相关管理部门科学指导三七种植规模和确定价格等宏观调控具有重要意义。 [方法] 以文山州4个三七主产县为研究区域,基于国产16 m分辨率的高分1号(GF-1)开源影像,根据三七的生长环境特点对专家决策树模型进行改进,并通过决策树分类法提取三七的荫棚图斑。在对三七荫棚识别可靠度和面积提取精度评价中,采用了谷歌影像代替实地调绘和以目视解译结果作为图斑面积基准的方法。 [结果] 决策树分类成果和目视解译提取的图斑判定正确率分别为87%和99%;专家决策树分类提取的成果整体面积精度为80%。 [结论] 与传统基于高分辨率商业影像采用目视解译的人工勾绘图斑方法相比,基于GF-1影像的三七面积提取所采用的方法能够在保证一定精度的条件下,以较快速度开展文山三七种植资源的调查,为当地特色农产品种植的科学监管与价值估算提供基础数据与有效技术支持。

关键词：森林测计学种植信息提取高分1号决策树精度分析三七

基于Sentinel-2数据的梁河县烟草区域遥感监测与分析研究

在线全文

学校读者我要写书评

暂无评论

基于Sentinel-2数据的梁河县烟草区域遥感监测与分析研究

作者：薛宇飞云南大学

学位级别：硕士

烟草是云南省传统的农业经济作物和高原特色作物,烟草行业是云南省首要支柱产业,其发展直接影响到云南省产业发展、经济效益和稳定情况。云南省烟草行业目前面临数字化高质量转型,烟草农业作为烟草产业链的基石,目前存在烟草种植面积和... 详细信息

烟草是云南省传统的农业经济作物和高原特色作物,烟草行业是云南省首要支柱产业,其发展直接影响到云南省产业发展、经济效益和稳定情况。云南省烟草行业目前面临数字化高质量转型,烟草农业作为烟草产业链的基石,目前存在烟草种植面积和空间信息难以有效监测管理、传统地面调查方法无法满足现实需求等问题。遥感技术在农作物分类识别和面积监测研究中的应用为云南省烟草农业面临的问题提供了有效的解决思路。本研究选取具有代表性的优质植烟区梁河县为研究区域,利用Sentinel-2卫星影像数据在高时间和空间分辨率上的优势,结合GF-2遥感影像、DEM等数据,构建覆盖研究区烟草完整生长期的时间序列遥感影像数据集,并从中提取时序植被指数、红边指数、光谱特征曲线,综合分析烟草的物候特征,进而结合计算烟草的纹理特征,计算各个分类参数及其组合的J-M距离对特征参数选优,随后,对比分析CNN、RF和SVM三种方法和红边波段的烟草种植面积提取效果,最终应用RF方法实现2020-2021年梁河县烟草种植面积和空间分布信息提取,为烟草种植持续动态监测提供理论、方法基础以及实际意义。主要研究成果如下:(1)研究区烟草分类特征参数集构建。应用多期Sentinel-2卫星遥感影像数据构建提取研究区植被指数、光谱特征时序数据,分析烟草物候特征,结合GF-2数据提取出的纹理特征、地形特征等28个特征参数并对其组合,应用J-M距离对各个参数组合进行评估选优,最终提出一种包含有光谱、指数、物候、地形共22个分类特征参数的组合,去除冗余特征,有效提高烟草提取的准确性;设置对照组用以分析红边波段/指数对烟草识别和提取的作用。分析发现4月份研究区烟草与其他地物特别是与其它作物的特征差异最大,是其信息提取的最佳窗口;后续分类结果表明红边波段/指数对植被信息敏感,能更好地反映烟草识别信息,有效提高了烟草分类和种植信息提取的准确性,提取结果的和系数分别提高了3.27%和0.0223。(2)最优分类方法选择。本研究应用CNN、RF和SVM三种分类方法对研究区地物进行分类提取,选取具有足够代表性的典型区域,以目视解译和混淆矩阵综合对比分析3种方法的分类精度和效果。结果表明,3种方法均能较好的提取烟草种植面积,SVM、RF和CNN分类结果的分别为91.68%、93.60%和95.80%,系数分别为0.8858、0.9237和0.9319,耗费时间分别为27min、30min、6h23min。综合分析后认为RF分类方法较好地平衡了精度与效率,并最终应用RF分类方法提取2020-2021年研究区烟草种植面积和空间分布信息,使用混淆矩阵对其进行精度评价,共提取种植面积3004.56 hm,与实际相比面积误差1.51%,达到93.30%,系数为0.9174,和均较高,认为达到了较为理想的提取效果。(3)烟草空间分布。结合研究区DEM、各乡镇实际统计数据等对提取的烟草面积进行空间分析,结果表明本研究提取结果符合研究区烟草实际种植分布情况,;研究区烟草主要种植于海拔812-1200 m、坡度≤15°,人力资源丰富的坝子、山脚等人类宜居区,分布合理,有利于烟草的生产管理,能获得较好的经济效益。本研究为研究区烟草种植监管提出了一种行之有效的烟草遥感分类识别和种植信息提取方法,为研究区烟草种植实时、准确、持续动态监测提供了理论和方法基础,同时为相关部门了解烟草种植、生产和管理情况提供了基础数据与决策支持,在一定程度上为实现烟草精益生产、推动烟草农业数字化转型提供先验知识,具有一定的理论意义和现实意义。

关键词：烟草种植信息提取 Sentinel-2 随机森林