公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

支持向量机与分类后验概率空间变化向量分析法相结合的冬小麦种植面积测量方法被引量：11: 2010年; 利用遥感手段提取农作物种植面积时,需要结合作物物候特征,以提高面积的提取精度。该文以北京市通州区西南部为试验区,以冬小麦为研究对象,利用多时相的环境减灾小卫星遥感影像数据,通过基于支持向量机二分法的分类后验概率空间变化向量分析法进行冬小麦种植面积遥感测量试验研究。研究结果表明:该文提出的方法测量结果总体精度、Kappa系数分别为95%、0.90,远高于支持向量机(SVM)分类后直接比较方法(总体精度91%,Kappa系数0.79);解决了实际应用中的变化阈值选取的主观性问题,该方法的频度直方图两极化现象使得变化阈值取值部分频度被压低摊平,阈值敏感度降低,变化阈值取值更为客观,一定程度上解决了阈值难以设定的问题;SVM二分法和变化向量分析的结合增强了对光谱的敏感性,能够监测不同季相上植被的长势变化,进而提高了农作物种植面积遥感测量的精度,同时对其他农作物种植面积测量提供了途径。; 李苓苓潘耀忠张锦水宋国宝侯东; 关键词：混合法冬小麦

基于线性光谱模型和支撑向量机的软硬分类方法被引量：8: 2011年; 针对硬分类方法中无法解决的混合像元问题及软分类方法中全图共用一套端元进行混合像元分解所带来的弊端,提出了一种新的软硬分类方法。该方法通过分析目标地物在图像中的分布情况,自动计算判别阈值,将图像分为目标地物纯净区域、目标地物混合区域和非目标地物区域。对于目标地物纯净区域和非目标地物区域采用硬分类方法(支撑向量机)快速提取分类信息;对于目标地物混合区域采用软分类方法(端元可变的线性混合像元分解)提取目标地物丰度信息,最后得到目标地物软硬分类结果。通过对北京地区ALOS图像的应用试验,并将新方法与支撑向量机、线性光谱混合模型进行比较,新方法的RMSE值为0.203,总量精度达到95.48%,高于支撑向量机和线性光谱混合模型。实验结果表明,新方法能够有效解决混合像元问题,提高图像分类精度。; 胡潭高潘耀忠张锦水李苓苓李乐; 关键词：支撑向量机自适应阈值

基于高精度历史耕地地块的农区多光谱影像分割方法研究被引量：1: 2011年; 与传统的基于像元的影像分类方法相比,面向对象的分类方法能够提供更为准确的地类识别结果。对象作为信息提取过程的中间实体,对其划分的好坏直接关系到影像的分类精度。为了更准确地对农区多光谱影像进行分类,提出了一种基于高精度历史耕地地块数据的影像分割方法。该方法首先判定现势遥感图像上耕地地块的均质性,然后通过计算区域对比度指标指导局部最优参数的动态选择,最终获得影像的分割结果。基于农区的案例研究表明:①在相同的全局分割参数条件下,基于高精度历史耕地地块数据的影像分割方法能够在保持稳定的耕地地块边界的同时,获得比直接影像分割更均一的对象;②局部参数的应用使得影像"欠分割"和"过分割"现象基本消除,分割结果较使用全局参数的分割结果更为合理;③局部最优分割参数的自动选取,极大地增强了该方法的客观性;④区域对比度指标对"欠分割"和"过分割"现象十分敏感,能够较好地指导影像分割,为评价农区影像分割的优劣提供了有效的评价指标。; 李苓苓朱文泉潘耀忠曹森朱再春; 关键词：影像分割农区遥感

SVM与PCVA相结合的冬小麦种植面积测量方法研究: 与自然植被相比,除光谱差异以外,不同农作物都具有各自典型的物候特征,这种剧烈的季相变化特征与自然植被的有序变化形成了巨大的反差,因此,利用多时相遥感影像进行变化监测已成为当前农作物种植面积提取的重要方法之一。本文以北京市...; 李苓苓潘耀忠张锦水宋国宝侯东; 关键词：混合法冬小麦; 文献传递

农区MODIS植被指数时间序列数据重建被引量：7: 2010年; MODIS植被指数时间序列数据能够连续反映植被的覆盖情况,是农作物遥感测量的重要数据源。但现有MOD13产品中存在由云、气溶胶,传感器角度等干扰因素导致的噪声指数。因此,必须对MOD13时间序列中的噪声指数进行恢复。根据农作物种植区物候与熟制信息,将待重建像元时间序列划分为符合作物生长周期的时段。对各时段内指数按非对称高斯模型重建,优化相邻时段之间重叠期内指数。多次迭代重建和优化过程后恢复时间序列中噪声指数。对覆盖北京市通州区以南和河北省保定市以北农区2005年MOD13数据进行重建,与两阶段S-G滤波重建结果对比。结果表明:噪声指数被准确判断并恢复。农区多熟制导致的低值指数被有效保留。重建时间序列可以正确反映植被的覆盖情况。; 侯东潘耀忠张锦水梁顺林朱文泉李乐李苓苓; 关键词：农作物物候熟制

HJ-1号卫星数据与统计抽样相结合的冬小麦区域面积估算被引量：33: 2010年; 【目的】探讨利用HJ-1号卫星遥感数据进行冬小麦种植面积测量的可行性,并进一步结合统计抽样的方法,估算区域冬小麦种植面积,解决单靠遥感进行冬小麦种植面积测量时多期影像信息误差积累和生长差异性影响的问题。【方法】以北京市为研究区,采用多时相HJ-1号卫星遥感数据与分层抽样相结合的方法进行冬小麦种植面积测量:利用多时相HJ-1号卫星遥感数据获取冬小麦遥感识别结果(56506.67hm2),结合耕地地块数据建立入样总体,以耕地地块内冬小麦遥感识别面积作为分层标志进行分层随机抽样,反推得到北京市冬小麦面积总量(59680hm2)。【结果】多时相冬小麦遥感识别结果MAE为0.17,bias为-0.05,抽样反推区域总量面积提高了约5%,在一定程度上纠正了HJ-1号卫星多期遥感影像提取冬小麦区域面积偏低的问题。【结论】本文方法能够准确测量出区域冬小麦总量面积,具有较强的应用性和普适性,为采用HJ-1号卫星遥感数据进行农作物种植面积遥感测量进行了先期的方法探讨,深化了该遥感数据源的应用。; 张锦水申克建潘耀忠李苓苓侯东; 关键词：冬小麦分层抽样遥感

全选清除导出

共1页<1>

李苓苓