李俊明
- 作品数：5 被引量：26H指数：4
- 供职机构：东北林业大学更多>>
- 发文基金：国家自然科学基金中国博士后科学基金更多>>
- 相关领域：农业科学自动化与计算机技术更多>>
- 基于HJ-1A高光谱遥感树种识别的研究
- 当前,已有很多专家学者应用高光谱遥感影像进行森林树种识别研究,但以国内的环境与灾害监测小卫星高光谱遥感数据为基础提取森林树种识别的研究却鲜有相关报道。因此,本论文基于环境与灾害监测小卫星的遥感影像,以吉林省汪清林业经营区...
- 李俊明
- 关键词：高光谱遥感波段选择专家知识
- 文献传递
- 基于环境与灾害监测预报小卫星的树种识别被引量：10
- 2013年
- 应用环境与灾害监测预报小卫星的高光谱遥感影像,对吉林省汪清林业局施业区内的典型树种蒙古栎、白桦和落叶松进行分类。依据各树种在相同波段灰度值的差异性,从HJ-1A遥感影像的115个波段中提取3个树种可分性好的波段区域,建立基于植被灰度值的分类规则进行预分类,再结合地形因子的坡向数据和DEM数据等地形因子进行再分类。预分类的总体分类精度为68.33%,分别结合坡向数据和高程数据的分类精度为81.67%和80.00%;在预分类中,结合坡向和高程数据的总体分类精度为88.33%。
- 李俊明邢艳秋杨超李增元
- 关键词：地形因子
- 基于OSC的土壤全氮近红外光谱测定被引量：1
- 2013年
- 采集农田、林地和盐碱地不同类型的土壤样本,采用偏最小二乘法结合OSC方法建立土壤有机质反演模型,运用交叉验证和外部验证相结合的评价方法进行比较分析。结果显示:采用平滑+MSC+OSC方法对光谱进行预处理,可以提高预测模型的精度。OSC因子个数和PLS主因子个数分别为6和4时,交叉验证决定系数R2为0.990 1,均方根误差为0.297 5,外部验证决定系数R2为0.926 1,均方根误差为0.283 6,模型达到最优。表明对光谱进行OSC预处理后建模是可行的,OSC降低与浓度阵无关的光谱信号,并且减少建立模型的主因子个数,进一步提高模型的精度和稳定性。
- 杨超邢艳秋李俊明
- 关键词：近红外光谱偏最小二乘法土壤全氮正交信号校正
- 基于近红外光谱的紫丁香叶片叶绿素含量的估测研究被引量：4
- 2013年
- 近红外具有快速无损检测特点,利用该特点能够对紫丁香叶片叶绿素的含量进行估测。采用的试验方法是采取东北林业大学城市示范实验林场中的紫丁香叶片60片,从中随机抽取40片作为建模集,其余20片为验证集,并用偏最小二乘法建立建模集的叶片的近红外光谱和叶绿素含量的关系模型。再利用该模型来估测验证集紫丁香的叶绿素含量。本次试验,建模集的预测集和校验集的R2分别达到0.86和0.73,相关系数均达到85%以上,并且验证集的R2值达到0.82,相关系数为90.85%,说明近红外技术具有应用于叶片叶绿素含量估测的潜力。
- 李俊明邢艳秋
- 关键词：近红外叶绿素紫丁香偏最小二乘法
- 基于森林类型光谱特征的最佳波段选择研究——以HJ/1A高光谱影像为例被引量：8
- 2013年
- HJ/1A高光谱影像有115个波段,从这115个波段中选出波段相关性小、图像信息量大的波段组合,来更好的区分汪清林业区内的阔叶林、针叶林和混交林。从3种森林类型的光谱特征出发,挑选出辐射亮度值差异大的67个波段,利用相关系数矩阵将67个波段分成3组,再用最佳指数法、波段指数法和协方差特征值法选出波段组合方案,最后用光谱混合距离判断出波长505.89 nm、529.64和908.95 nm的波段组合为区分针叶林的最佳组合波段;508.42 nm、696.85 nm、885.18 nm波段组合为区分阔叶林和混交林的最佳波段组合。
- 李俊明邢艳秋杨超
- 关键词：波段组合光谱特征
