公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

Google Earth影像与同源Quick Bird影像在城市土地利用分类上的对比研究被引量：5: 2013年; Quick Bird(QB)、IKONOS等高分辨率遥感影像是Google Earth(GE)影像中的重要来源,经过图形化处理后,免费提供给公众浏览和使用.通过对相同区域、同期QB及其GE影像分别采取基于像素和面向对象的分类方法实施土地利用分类,对比分析两类影像在不同土地利用类型、不同分类方法上的分类效果,阐明GE影像进行土地利用分类的可行性,并就其在不同分类方法、不同分类类型情况下的适应性进行评价和建议.; 胡琼张建徐保东李宗南; 关键词：土地利用分类面向对象分类

基于实测数据的作物三维信息获取与重建方法研究进展被引量：12: 2013年; 作物三维信息获取与重建是农业信息化领域的关键问题,基于实测数据的信息获取与重建方式是该研究领域的热点方向。按三维信息获取原理及工作方式进行分类,并就每类方法的基本原理和应用进行了介绍和探讨。同时针对作物建模精度评价问题,将现有评价方法归纳成2类分别进行了阐述。最后从方法融合、多参数反演、工作模式和工作范围四个方面探讨了基于实测数据作物三维信息获取与重建方法的发展动向。; 张建李宗南张楠谢静贺立源; 关键词：三维信息实测数据

亚像元定位之邻域像元选取问题研究被引量：4: 2013年; 混合像元普遍存在于各类遥感影像中,混合像元分解仅能获取像元内部各类地物丰度数据,要获取其空间分布信息还需要进行亚像元定位处理.空间相关性是目前大多数亚像元定位方法的理论基础,而距离是主要决定因素.同时距离决定了亚像元邻域范围内参与其所属类别判定的像元位置和个数,从而决定亚像元空间排布结果.因此针对亚像元定位过程中邻域像元选取问题,就常见的邻域选取方法进行对比试验,并就各种方法的效果进行探讨.; 张建李宗南谢静; 关键词：遥感影像混合像元

基于人工智能的异常地物光谱自适应剔除及分类算法研究被引量：2: 2014年; 针对传统光谱数据预处理与分析的现状,提出一种基于人工智能的光谱异常数据自适应剔除及自动分类算法,通过遗传算法的优化搜索确定马氏距离的阈值,实现异常光谱的自适应剔除,并提出可量化光谱剔除效果的异常一致性指数(ACI)。在此基础上,借助自组织神经网络方法,以各类观测对象的特征光谱作为输入对象,对剔除后的光谱进行自动分类。经过实验验证,算法取得了较好的剔除效果(ACI达到86%以上)和分类效果(总体分类精度达到94%),较好地实现了异常光谱剔除和光谱分类的自动化处理。; 郝建明李宗南谢静; 关键词：人工智能遗传算法自组织神经网络光谱预处理

基于高光谱成像技术的油菜SPAD值空间分布预测及最佳测量叶位被引量：8: 2018年; 采集不同氮素处理水平下的油菜植株不同叶位和叶片部位的高光谱数据、SPAD值和叶绿素含量实测值,在筛选原始高光谱数据预处理方法的基础上,比较基于偏最小二乘(partial least squares,PLS)模型和最小二乘-支持向量机(least squares support vector machine,LS-SVM)的SPAD预测模型。结果表明,基于标准正态变量校正(standard normal variate,SNV)预处理方法的LS-SVM模型(SNV-LS-SVM)为最佳高光谱-SPAD预测模型,可准确预测油菜叶片SPAD值空间分布和可视化结果。基于SPAD空间分布结果提取不同叶位和叶片部位的SPAD值,将其与对应植株和叶片位置的实测叶绿素含量进行相关性分析,结果显示,油菜SPAD值最佳测量叶位为顶四叶的顶部。; 赵琨王臖珂王楚锋谢田晋张建; 关键词：油菜叶绿素 SPAD值偏最小二乘法无损检测

基于高光谱成像技术的水稻叶片SPAD值及其分布问题研究被引量：10: 2014年; 高光谱成像技术在快速无损检测植物叶片叶绿素含量上得到越来越广泛的应用.运用SPAD仪可同期获得叶片的叶绿素含量.以水稻叶片为研究对象,首先采集水稻活体植株至培养皿,利用SPAD502叶绿素计采集叶片的SPAD值,最后使用高光谱成像仪采集水稻叶片的高光谱影像.运用不同的植被指数和偏最小二乘法分别对SPAD值进行回归分析.结果显示,偏最小二乘回归模型精度较高且较为稳定.根据最佳预测模型反演叶片上任意像素的SPAD含量,通过伪彩色配色即可得到水稻叶片SPAD分布图像.该方法为研究水稻植株的生长状况提供了更为具体的数据资料,为水稻的产量估测和病害预警提供了新的依据和方法.; 谢静陈适王珺珂李怡春刘梦张建; 关键词：高光谱成像偏最小二乘法植被指数

消费级近红外相机的水稻叶片叶绿素(SPAD)分布预测被引量：13: 2018年; 便捷可靠的作物营养诊断是作物科学施肥管理的基础,也是精准农业的核心。叶绿素含量是作物氮营养含量的重要指标。以水稻叶片为研究对象,用改造后的普通单反相机搭载滤波片的方式拍摄叶片的可见光和中心波长为650,680,720,760,850和950nm多个波段的近红外图像,获取不同波段的相对反射率值,通过可见光与多个近红外波段结合的回归分析与比较,筛选出精度较高且稳定的模型。经过对比相机三个成像通道,R通道与叶绿素含量(SPAD值)的相关性要高于B和G通道。实验结果表明,植被指数GVI最能反映作物的生长状况,近红外波段760nm对SPAD值的预测效果最好,最小二乘支持向量机法结合多个植被指数建模的预测精度R2为0.831 4,取得了较为理想的效果。同时使用高光谱成像仪采集水稻叶片的高光谱影像,对比消费级近红外相机成像方式下与高光谱成像方式下得到的植被指数多因子预测模型精度,两者相当。实验证明消费级近红外相机能够获得与高光谱成像仪相近的叶绿素含量估测结果。; 张建孟晋赵必权张东彦张东彦; 关键词：叶绿素含量

全选清除导出

共1页<1>

国家自然科学基金(41201364)