检索结果-南通市图书馆

Potential Bands of sentinel-2a Satellite for Classification Problems in Precision Agriculture

International Journal of Automation and computing 2019年第1期16卷 16-26页

作者： Tian-Xiang Zhang Jin-Ya Su Cun-Jia Liu Wen-Hua Chen Department of Aeronautical and Automotive Engineering Loughborough University

Various indices are used for assessing vegetation and soil properties in satellite remote sensing applications. Some indices,such as normalized difference vegetation index(NDVI) and normalized difference water index(NDWI), are capable of simply differentiating crop vitality and water stress. Nowadays, remote sensing capabilities with high spectral, spatial and temporal resolution are available to analyse classification problems in precision agriculture. Many challenges in precision agriculture can be addressed by supervised classification, such as crop type classification, disease and stress(e.g., grass, water and nitrogen) monitoring. Instead of performing classification based on designated indices, this paper explores direct classification using different bands information as features. Land cover classification by using the recently launched sentinel-2a image is adopted as a case study to validate our method. Four approaches of featured band selection are compared to classify five classes(crop, tree, soil, water and road) with the support vector machines(SVMs)algorithm, where the first approach utilizes traditional empirical indices as features and the latter three approaches adopt specific bands(red, near infrared and short wave infrared) related to indices, specific bands after ranking by mutual information(MI), and full bands of on-board sensors as features, respectively. It is shown that a better classification performance can be achieved by directly using the selected bands after MI ranking compared with the one using empirical indices and specific bands related to indices, while the use of all 13 bands can marginally improve the classification accuracy than MI based one. Therefore, it is recommended that this approach can be applied for specific sentinel-2a image classification problems in precision agriculture.

关键词： sentinel-2a remote sensing image classification supervised learning precision agriculture

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

基于sentinel-2a影像估算黄土高原光合/非光合植被盖度

引用

中国环境科学 2022年第9期42卷 4323-4332页

作者：吕渡刘宝元何亮张晓萍程卓贺洁中国科学院水利部水土保持研究所陕西杨凌712100 中国科学院大学北京100049 西北农林科技大学水土保持研究所陕西杨凌712100 北京师范大学地理科学学部地表过程与资源生态国家重点实验室北京100875

以黄土高原为例,基于sentinel-2a影像和地表实测地物光谱与盖度数据,分别在模拟混合场景和野外实测混合场景中,评估4种NPV植被指数(NPVI):SWIR32(短波红外比值指数)、DFI(干枯燃料指数)、STI(土壤耕作指数)和NDTI(归一化差异耕作指数)... 详细信息

以黄土高原为例,基于sentinel-2a影像和地表实测地物光谱与盖度数据,分别在模拟混合场景和野外实测混合场景中,评估4种NPV植被指数(NPVI):SWIR32(短波红外比值指数)、DFI(干枯燃料指数)、STI(土壤耕作指数)和NDTI(归一化差异耕作指数)估算非光合植被盖度(fNPV)的有效性,并利用优化法确定线性光谱混合模型的关键参数端元值,估算研究区光合植被盖度(f_(PV))和f_(NPV).结果表明,在模拟混合场景下,4种NPVI与模拟f_(NPV)线性关系的R2是0.365~0.750;在野外场景中,其相关性均有一定程度的降低,R2是0.147~0.211.研究构建NDVI-SWIR32像元三分模型,并确定了最优端元值:NDVIPV=0.80,SWIR32PV=0.60,NDVINPV=0.17,SWIR32NPV=0.77,NDVIBS=0.23,SWIR32_(BS)=0.99.模型对f_(PV)和f_(NPV)估算精度R2分别是0.817和0.463,NSE分别是0.806和0.458.利用该模型估算全区2019年4、8和12月的平均fPV和f_(NPV),分别为20.3%和59.2%,48.6%和33.1%,10.7%和59.0%.随时间推移,f_(PV)从东南向西北不断增加而后减小,f_(NPV)与之相反.NDVI-SWIR32模型可以用于sentinel-2a影像数据来监测黄土高原地区fPV和fNPV的时空动态变化.

关键词： sentinel-2a 光合植被盖度非光合植被盖度线性光谱混合模型黄土高原

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

基于sentinel-2a影像的玉米冠层叶绿素含量估算

引用

光谱学与光谱分析 2019年第5期39卷 1535-1542页

作者：苏伟赵晓凤孙中平张明政邹再超王伟史园莉中国农业大学土地科学与技术学院北京100083 农业部农业灾害遥感重点实验室北京100083 国家气象中心北京100081 生态环境部卫星环境应用中心北京100094

农作物叶片中的叶绿素通过吸收光能参与光合作用产生化学能,及时、准确地估算叶绿素含量对于农作物长势、养分含量监测、品质评价和产量估算具有重要意义。sentinel-2卫星的重访周期为5 d,空间分辨率为10 m,具有13个光谱波段,其中包括... 详细信息

农作物叶片中的叶绿素通过吸收光能参与光合作用产生化学能,及时、准确地估算叶绿素含量对于农作物长势、养分含量监测、品质评价和产量估算具有重要意义。sentinel-2卫星的重访周期为5 d,空间分辨率为10 m,具有13个光谱波段,其中包括三个波宽仅为15 nm对叶绿素含量变化敏感的红边波段,是叶绿素含量估算的理想数据源。植被指数是基于农作物在不同波段的反射特性,通过不同波段组合方式刻画长势和叶绿素含量的差异,可用于大区域范围内的玉米冠层叶绿素含量快速、精确估算。以sentinel-2a影像为数据源,开展基于多种植被指数的玉米冠层叶绿素含量估算方法研究。课题组于2016年8月6—11日在河北省保定市(115°29′—116°14′E, 39°5′—39°35′N)进行玉米冠层叶绿素含量的实地测量,并在每个采样位置上采用中绘i80智能RTK(real-time kinematic)测量系统进行定位。sentinel-2a影像预处理工作包括几何校正、辐射定标和大气校正,其中大气校正使用Sen2Cor模型和SNAP模型。首先,基于预处理后的sentinel-2a遥感影像,分别计算CI_(green)(green chlorophyll index), CI_(red-edge)(red-edge chlorophyll index), DVI(difference vegetation index), LCI(leaf chlorophyll index), MTCI(MERIS terrestrial chlorophyll index), NAVI(normalized area vegetation index), NDRE(normalized difference red-edge), NDVI(normalized difference vegetation index), RVI(ratio vegetation index), SIPI(structure insensitive pigment index)植被指数。然后,建立样方位置上实测叶绿素含量与各植被指数的统计关系,从而构建玉米冠层叶绿素含量估算模型,并以野外实测玉米冠层叶绿素含量为依据,对基于各植被指数的估算结果进行精度评价。最后,利用筛选出的最优叶绿素含量估算模型,估算研究区内的玉米冠层叶绿素含量。研究的目标为:(1)通过比较分析,构建合适的玉米冠层叶绿素含量估算模型,估算精度以决定系数R^2、均方根误差RMSE以及相对误差RE作为评价指标;(2)确定最优波段组合方案:在红边波段中选择与可见光、近红外波段组合效果更优的波段组合方案;(3)确定参与植被指数计算的红边波段的最优数量。精度评价结果表明:(1)选用的植被指数与玉米冠层叶绿素含量呈多项式拟合关系,其中使用红边波段计算的植被指数的估算结果明显优于未使用红边波段的估算结果;红边波段引入后明显提高了可见光、近红外波段对叶绿素含量的拟合的精度, CI_(green(560, 705))指数比CI_(green(560, 842))的回归模型R^2提高0.516,红边波段参与计算的DVI相对于RVI来说,估算结果更稳定。(2)对于不同的植被指数,参与运算的sentinel-2a影像的两个红边波段,估算精度的提高程度不同。对于可见光波段参与计算的植被指数来说,在红边波段1(中心波长为705 nm)的估算精度较高,如LCI, CI_(green), DVI和RVI等;对于近红外波段参与计算的植被指数来说,在红边波段2(中心波长为740 nm)的估算精度较高,如CI_(red-edge), NDRE和NAVI等。(3)对于sentinel-2a影像来说,两个红边波段共同参与叶绿素含量估算时能取得最高的的估算精度。选用的植被指数中, MTCI_((665, 705, 740))指数与玉米冠层叶绿素含量估算精度最高,回归模型拟合精度R^2为0.803,模型验证R^2为0.665, RMSE为3.185,相对误差RE为4.819%。MTCI_((665, 705, 740))指数计算中使用了两个红边波段,突出红边波段反射率差值变化,与玉米冠层叶绿素含量表现出很好的相关性。最后,利用优选出的基于MTCI指数的叶绿素含量估算模型,对研究区范围内的叶绿素含量进行估算并完成空间制图。

关键词： sentinel-2a 玉米冠层叶绿素含量红边波段植被指数

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

sentinel-2a多特征变量反演针叶林地上生物量能力评估

引用

北京林业大学学报 2020年第11期42卷 27-38页

作者：郭正齐张晓丽王月婷北京林业大学林学院北京100083

【目的】森林生物量是衡量森林碳储量的关键因子,准确估算生物量对掌握森林现状和森林资源合理利用具有重要意义。欧空局发射sentinel-2a数据因其丰富的光谱信息和较高的空间分辨率为生物量的反演和监测提供了新的机会。本文旨在评估基... 详细信息

【目的】森林生物量是衡量森林碳储量的关键因子,准确估算生物量对掌握森林现状和森林资源合理利用具有重要意义。欧空局发射sentinel-2a数据因其丰富的光谱信息和较高的空间分辨率为生物量的反演和监测提供了新的机会。本文旨在评估基于sentinel-2a的各类特征变量反演针叶林地上生物量的能力以及完成区域尺度的针叶林地上生物量定量估测。【方法】试验以内蒙古赤峰市喀喇沁旗旺业甸林场针叶林为研究对象,以sentinel-2a为主要数据源,提取了10个波段反射率、20个植被指数和5个生物物理参数共3种类型变量,分别建立基于光谱反射率、植被指数、生物物理参数,以及融合3类变量的多元逐步回归生物量估算模型,同时每组均加入高程因子分析地形对估算精度的影响。【结果】(1)基于多种类型参数建立的模型估算效果最好,模型决定系数达到0.765,均方根误差为39.49 t/hm2;(2)在3组单类型变量模型中,基于植被指数的预测结果最好,说明相比于波段反射率和生物物理参数,植被指数对针叶林地上生物量的估算贡献更大;(3)无论基于何种类型参数建模,高程信息的加入都会提高针叶林地上生物量的估算精度。【结论】基于sentinel-2a植被指数与地形特征的针叶林地上生物量反演模型较好,可用于区域生物量估算。该研究对区域性森林资源监测的实际应用具有指导意义。

关键词： sentinel-2a 地上生物量多元逐步回归生物物理参数红边波段

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

sentinel-2a与Landsat 8数据在植被覆盖度遥感估算中的比较

引用

测绘通报 2021年第S01期 104-108,113页

作者：吴青云高飞李振轩车子杰合肥工业大学土木与水利工程学院安徽合肥230000

本文以芜湖市繁昌县为研究对象,基于sentinel-2a数据与Landsat 8数据,利用像元二分法、线性光谱混合模型对研究区进行植被覆盖度估算,并对试验结果进行分析,探究两种数据在植被覆盖度反演方面的能力差异,比较了不同方法在研究区反演中... 详细信息

本文以芜湖市繁昌县为研究对象,基于sentinel-2a数据与Landsat 8数据,利用像元二分法、线性光谱混合模型对研究区进行植被覆盖度估算,并对试验结果进行分析,探究两种数据在植被覆盖度反演方面的能力差异,比较了不同方法在研究区反演中的优劣性。试验结果表明,繁昌县植被覆盖状况较好;利用Landsat 8数据和sentinel-2a数据分析得出的植被覆盖度具有较强的一致性,并且当利用线性光谱混合模型反演植被覆盖度时,sentinel-2a数据总体精度比Landsat 8数据总体精度高3.84%;利用像元二分法反演植被覆盖度时,sentinel-2a数据总体精度比Landsat 8数据总体精度高2.725%。总体而言,sentinel-2a的植被覆盖度反演能力优于Landsat 8;像元二分法能较好地适用于研究区的植被覆盖度反演。

关键词：植被覆盖度 Landsat 8 sentinel-2a 像元二分法线性混合像元分解

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

sentinel-2a数据支持下的雷州半岛植被类型识别

引用

测绘通报 2022年第3期 76-82页

作者：王刚丁华祥广东省国土资源测绘院广东广州510500

本文以雷州半岛为研究区,利用sentinel-2a影像数据和真实植被样本数据,综合探讨了机器学习中随机森林与支持向量机的分类效果,并与传统的最大似然法进行比较。提取sentinel-2a影像9个波段、7个植被指数、72个纹理特征,通过递归特征消除... 详细信息

本文以雷州半岛为研究区,利用sentinel-2a影像数据和真实植被样本数据,综合探讨了机器学习中随机森林与支持向量机的分类效果,并与传统的最大似然法进行比较。提取sentinel-2a影像9个波段、7个植被指数、72个纹理特征,通过递归特征消除法挑选了10个特征组合,并将其应用于3种分类方法中,对其分类效果进行比较。结果表明:(1)有效使用多种特征变量是提高植被类型识别精度的关键,就不同特征对植被类型识别的重要性而言,光谱特征与纹理特征相当且大于植被指数,三者重要性相差不大;(2)随机森林分类效果最佳,不但能对特征进行有效选择,而且能保证植被类型提取精度,提高运行效率;(3)基于随机森林特征选择的递归特征消除法得到的特征组合不能对其他分类器性能进行优化,对随机森林模型本身的优化效果也有限。

关键词：植被类型识别机器学习 sentinel-2a 特征选择递归特征消除法

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

sentinel-2a与GF-1数据在油菜种植提取中的差异性分析及提取方法对比研究

引用

云南大学学报（自然科学版） 2019年第4期41卷 678-688页

作者：李杰张军李宇宸云南大学资源环境与地球科学学院

以sentinel-2a和GF-1 WFV为数据源,分别采用最邻近法(面向对象)及BP神经网络法(基于像元),提取兴化市油菜种植区,并对提取结果进行精度验证;同时,结合官方数据,比较各提取组合类型(数据+方法)提取的油菜种植面积相对误差.通过此,探讨多... 详细信息

以sentinel-2a和GF-1 WFV为数据源,分别采用最邻近法(面向对象)及BP神经网络法(基于像元),提取兴化市油菜种植区,并对提取结果进行精度验证;同时,结合官方数据,比较各提取组合类型(数据+方法)提取的油菜种植面积相对误差.通过此,探讨多源中高空间分辨率遥感数据中,油菜作物的提取效果差异性及适用的提取方法,并对研究区油菜种植空间格局特征进行分析.结果表明:针对sentinel-2a和GF-1 WF数据,最邻近法及BP神经网络法提取效果均较好,各提取结果均显示油菜种植区在缸顾乡、周奋乡、垛田镇等西部区域主要呈集中连片分布,其他区域呈零星状分布.相对于基于像元的分类法,面向对象分类法在精度评价中的各参数表现更佳,并能较为有效地避免复杂地物类型区像元错分及漏分问题.针对同一数据,采用最邻近法所提取sentinel-2a数据的生产者精度、用户精度以及油菜面积精度比BP神经网络法分别多3.22%、0.43%、6.24%,采用最邻近法所提取GF-1 WFV的生产者精度、用户精度和油菜面积精度比BP神经网络法高3.74%、0.10%、9.58%.针对同一方法,由于sentinel-2a数据具更高的空间分辨率及更丰富的光谱信息,以上2种方法提取该数据的精度均高于GF-1 WFV数据,sentinel-2a数据更适用于地物结构复杂,地块细碎的小尺度地区的作物信息提取.

关键词： sentinel-2a 最邻近法 BP神经网络油菜兴化市

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

基于决策树和SVM的sentinel-2a影像作物提取方法

引用

农业机械学报 2018年第9期49卷 146-153页

作者：王利军郭燕贺佳王利民张喜旺刘婷河南省农业科学院农业经济与信息研究所郑州450002 中国农业科学院农业资源与农业区划研究所北京100081 河南大学环境与规划学院开封475004

以河南省濮阳县为研究区,以2017年8月6日遥感影像为基础数据源,基于地面样方和样本点数据分析构建植被指数阈值分割分类决策树,结合支持向量机(Support vector machine,SVM)分类方法实现了秋季主要作物种植面积遥感识别,并与其他方法分... 详细信息

以河南省濮阳县为研究区,以2017年8月6日遥感影像为基础数据源,基于地面样方和样本点数据分析构建植被指数阈值分割分类决策树,结合支持向量机(Support vector machine,SVM)分类方法实现了秋季主要作物种植面积遥感识别,并与其他方法分类结果进行了精度验证与对比。结果表明,与最大似然法(Maximum likelihood,ML)和SVM法相比较,决策树和SVM相结合能较好地解决线状地物和小地块作物提取不全以及"椒盐"现象等问题,可以对秋季复杂作物进行有效识别,作物分类提取总体精度和Kappa系数分别为92.3%和0.886。利用中分辨率单时相遥感影像,结合波谱特征和植被指数能有效提高复杂作物分类精度,为区域复杂作物分类提取提供技术参考和借鉴价值。

关键词：秋季作物 sentinel-2a 植被指数决策树支持向量机

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

sentinel-2a卫星大气校正方法及校正效果

引用

遥感信息 2018年第5期33卷 41-48页

作者：潘嫄嫄李长春马潇潇王宝山房旭河南理工大学测绘与国土信息工程学院河南焦作454000 北斗导航应用技术协同创新中心郑州450001 河南广播电视大学郑州450008

针对sentinel-2a卫星大气校正研究的不足,对sentinel-2a大气校正方法进行介绍,并选取森林、水体、城市建筑物3种地物为研究对象,分析sentinel-2a单波段通道大气校正前后反射率变化;以Landsat-8、高分一号(GF-1)为辅助数据,从3种传感器... 详细信息

针对sentinel-2a卫星大气校正研究的不足,对sentinel-2a大气校正方法进行介绍,并选取森林、水体、城市建筑物3种地物为研究对象,分析sentinel-2a单波段通道大气校正前后反射率变化;以Landsat-8、高分一号(GF-1)为辅助数据,从3种传感器大气校正后均质像元反射率曲线、大气校正前后植被指数变化3个方面进行研究。结果表明:1)sentinel-2a大气校正后,可见光通道反射率变小,波长越长,大气校正效果越不显著;近红外、短波红外反射率增加。2)大气校正后,3种数据源同种地物光谱曲线趋于一致,其中sentinel-2a水体与植被光谱曲线更能反映地物特征。3)与Landsat-8相比,sentinel-2a、GF-1WFV1大气校正后林地NDVI明显增大,sentinel-2a高植被覆盖区增大,低植被覆盖区减小,最能反映植被特征;sentinel-2aNDWI变化不如Landsat-8NDWI变化显著。

关键词： sentinel-2a Landsat-8 GF-1WFV1 大气校正 NDVI NDWI

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

sentinel-2a影像珠海市污染水体识别

引用

遥感信息 2021年第3期36卷 1-9页

作者：谢勇李凯云李家国鲍云飞朱利南京信息工程大学地理科学学院南京210044 中国科学院空天信息创新研究院北京100101 北京空间机电研究所北京100094 生态环境部卫星环境应用中心北京100094

针对目前较少研究使用中高分辨率卫星对内陆河流污染水体进行遥感识别,使用sentinel-2a遥感影像,基于一般水体和污染水体之间的光谱差异特征,构建了单波段阈值法、波段比值法、波段差值法和河流污染指数法,对内陆河流污染水体进行识别... 详细信息

针对目前较少研究使用中高分辨率卫星对内陆河流污染水体进行遥感识别,使用sentinel-2a遥感影像,基于一般水体和污染水体之间的光谱差异特征,构建了单波段阈值法、波段比值法、波段差值法和河流污染指数法,对内陆河流污染水体进行识别。通过对四种遥感识别方法的精度分析表明,河流污染指数遥感识别精度最高,为92.59%,单波段阈值法次之,为86.79%,而波段差值法对污染水体识别效果较差,仅为64.81%。在此基础上,进一步利用识别精度较高的河流污染指数对珠海市大中型河流污染水体进行遥感识别和时空变化分析。从污染水体的空间分布来看,污染主要分布在香洲区的前山水道和马骝洲水道,以及金湾区的洪鹤大桥和珠三角环线高速建设工程附近区域;从时间上来看,2019年1月和2019年9月的珠海河流污染水体面积较大,2020年1月的污染水体面积分布较小。

关键词：污染水体遥感识别 sentinel-2a 时空变化珠海市

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

在线全文

在线全文

在线全文

在线全文

在线全文

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

在线全文

在线全文

在线全文

在线全文

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：