基于像元二分模型的森林郁闭度估测方法

以遥感影像与森林资源一类调查数据为基础,基于归一化植被指数(NDVI)的像元二分模型对密云县森林郁闭度进行遥感估测,模型的纯像元植被指数通过样地数据来确定.经验证,模型估测值与实测值相关系数为0.73,相对误差为14.40％.结果说明,采用像元二分模型与森林资源一类调查数据结合进行森林郁闭度估测,技术路线简单可靠,精度可满足要求,同时能弥补TM影像分辨率的不足,具有一定的推广价值.     

基于NDVI像元二分模型的城市植被覆盖度分析——以焦作市为例

选取焦作市作为研究区,应用GIS与RS技术,以Landsat8和高空间分辨率影像为数据源,基于NDVI的像元二分模型对焦作市植被覆盖度进行估算分析,并在NDVI绿地提取的基础上,将研究区绿地进一步细分为草地、树林和农田,实现了城市绿地信息的精细提取,为城市绿地评价与分析提供科学依据,为城市绿地系统规划、优化植物群落结构...     

基于NDVI像元二分模型植被覆盖度反演喀斯特石漠化研究——以贵州毕节鸭池示范区为例

该研究在＂3S＂技术发展的背景下,以贵州省毕节鸭池示范区为研究区,选用2005年SPOT遥感影像,对遥感影像进行几何校正、图像配准等数据预处理,引入NDVI植被指数和像元二分模型,根据像元二分模型的理论,确定出NDVIsoil和NDVIveg,建立了反演植被盖度的像元二分模型。并根据大量的外业调查数据对所建立的模型进行了精度验证,定量估算了毕节鸭池示范区的植被覆盖度,取得NDVI植被指数与喀斯特石漠化之间的对应关系,得到研究区NDVI图像,最后由各覆盖度得出NDVI结果反演毕节鸭池示范区石漠化特征,得到研究区的各等级喀斯特石漠化的面积以及空间分布情况。利用该方法进行喀斯特石漠化研究,明显改善了分类的精度,为喀斯特石漠化生态修复及其他综合防治提供科学依据。     

宁夏草地植被覆盖度动态变化监测

为了研究宁夏草地植被覆盖度动态变化情况,研究以宁夏天然草原为研究对象,采用遥感监测的方法对宁夏草地2002、2006、2011、2016年不同时期草地植被覆盖度进行了计算。结果表明:在2002—2016年,宁夏地区草地覆盖度呈升高的趋势,草原覆盖度好转;草地植被覆盖度指数呈现先增加后减少的趋势。     

伊洛河流域植被覆盖空间分异研究

植被覆盖信息对于流域资源与生态环境质量评价、综合治理与开发、可持续发展等具有重要意义。以伊洛河流域2009年的TM影像为数据源,基于像元二分模型提取该流域的植被覆盖度,并将植被覆盖度由低至高分为5类,研究流域植被覆盖的空间分异状况。结果表明:流域的植被覆盖整体较好,平均值达到60%左右,高值区域分布在栾川县、熊耳山附近、洛南县南部;低值区域分布在嵩县和洛宁县以下河段,覆盖度大于80%的区域大约占整个流域面积的57%,主要集中在陆浑水库至洛宁县一线上游的区域;而覆盖度在0～20%的区域只占不到5%,主要是上河流沿线、洛南县中上部和洛阳市所在区域。研究结果将为该区域的资源环境保护和开发治理提供基础数据。     

基于Landsat-8OLI数据的植被覆盖度反演模型研究——以西安市雁塔区为例

植被覆盖度遥感反演模型是用定量的方法来估算研究区范围内植被的覆盖分布。本文主要利用Landsat-8OLI遥感数据分别提取3类常用植被指数包括归一化植被指数NDVI、增强植被指数EVI、比值植被指数RVI,根据像元二分模型建立植被覆盖度反演模型。同时利用交叉验证的方式对其估算模型进行验证,来反映估算模型的精度。     

基于像元二分法的冬小麦植被覆盖度提取模型

【目的】快速准确提取冬小麦返青期植被覆盖度信息。【方法】利用无人机获取田间冬小麦可见光图像,提取图像中4种常见可见光植被指数;在像元二分法原理的基础上,分别构建基于差异植被指数(Visible-band difference vegetation index,VDVI)、过绿指数(Excess green,EXG)、归一化绿蓝差异指数(Normalized green-blue difference index,NGBDI)和归一化绿红差异指数(Normalized green-red difference index,NGRDI)的植被覆盖度提取模型,采用支持向量机(Support vector machine,SVM)监督分类结果作为真值对各模型进行精度验证。【结果】4种模型中,利用VDVI植被覆盖度提取模型获取的植被覆盖度精度最高,提取效果较好。与监督分类结果对比,4种植被覆盖度提取模型的提取误差(EF)分别为3.36%、15.68%、8.74%和15.46%,R2分别为0.946 1、0.934 4、0.695 3和0.746 0,均方根误差(RMSE)分别为0.021 9、0.059 5、0.042 0和0.055 9。【结论】采用可见光植被指数结合像元二分法构建植被覆盖度提取模型实现了冬小麦返青期植被覆盖度准确快速提取,为植被覆盖度提取提供了一种新途径,可为无人机遥感监测提供参考。     

1988-2009年安县山区植被覆盖度变化动态分析

利用像元二分模型对1988年、1995年、2000年、2007年和2009年5期安县山区的影像数据进行植被覆盖度估算.通过植被覆盖度变化转移矩阵总体评价21年间安县山区植被覆盖度的变化情况,并定量分析1988-1995年、1995-2000年、2000-2007年、2007-2009年四个时段的植被覆盖度变化趋势.结果表明:(1)21年间安县山区的植被覆盖改善的面积为34706 hm2,退化部分的面积为36920hm2;(2) 1988-1995年间、1995-2000年、2000-2007年及2007-2009年间安县山区整体植被覆盖度等级提高的面积为39205、51014、54316和38813hm2,退化部分的面积分别为39563、45650、55422及44271 hm2.2007-2009年此时段受汶川地震影响,地表植被结构严重破坏.利用本文的方法可达到对植被覆盖度进行反演及对该县山区生态环境的保护和可持续发展做出贡献,从而达到创建和谐社会的目的.     

基于超像素特征向量的果树冠层分割方法

针对无人机精确植保过程中,果树冠层区域颜色特征和杂草相似度较高、难以分割等问题,采用基于超像素特征向量的果树冠层分割方法,以消除不同杂草特征对树冠分离的干扰,减小农药喷雾区域,节省农药使用量.通过分析无人机采集合成的样本图像在HSV彩色空间上色调与饱和度的分布情况,选取合适的阈值范围,提取样本图像中包含果树冠层与杂草的...     

基于鱼眼镜头的林冠郁闭度简易测量方法

为探究一种精度高、操作简便,成本低、便携性高的郁闭度观测方法和设备,于2008年8月在水土保持与荒漠化防治教育部重点实验室方山试验站土桥沟流域进行了对比观测试验,提出了采用鱼眼镜头获取林分冠层图像,应用Photoshop软件测定林分郁闭度的新方法（CCPS法）,并以冠层分析仪所测28个固定样地的郁闭度值为基准值,对CCPS法所获冠层图像客观性和方法的系统偏差、精度和稳定性进行检验与测试,探讨了不同测量高度、林冠选择方式和林木主干对郁闭度测量结果的影响。结果表明:建立多边形林冠测量范围,其测量精度可达99.43%;在距地面90～130 cm高度范围内测量结果最为稳定,且便于操作;林木主干使郁闭度测量值均偏大,尤其对针叶林影响较大;该方法的稳定系数可达92.86%。      

基于BiPLS-CARS-PLS的哈密瓜冠层叶片SPAD值反演建模

利用光谱技术对大田哈密瓜冠层叶片叶绿素含量定量估测,可为田间水肥调控以及田间管理提供理论依据。本实验在剔除噪音后的378 nm到1 115 nm光谱的基础上采用多元散射校正、标准正态变量相交、标准化、Savitzky-Golay卷积平滑法、归一化、移动平均平滑等方法对原始光谱数据进行预处理,然后采用特征区间选择与特征波长选择相结合的方法实现数据降维和简化模型,并建立偏最小二乘和极限学习机的回归模型。结果表明,多元散射校正预处理效果最佳,在此基础上,利用反向区间偏最小二乘法(BiPLS)和竞争性自适应重加权采样算法(CARS)相结合共筛选出13个特征波长,将其作为模型的输入变量,由偏最小二乘法(PLS)建立的模型效果最优,其预测集的相关系数R_p和均方根误差RMSEP分别为0.942 4与1.006 2。因此,采用BiPLS与 CARS结合PLS建立的光谱定量分析模型,可实现对哈密瓜冠层叶片叶绿素含量的定量估测。     

基于小规模数据集的柑橘树冠层施药情况的分类模型

目的 提升柑橘果园的智能化管理水平,快速无损获取柑橘树冠层的施药情况,改善小规模数据集导致施药情况分类模型易发生过拟合的问题。方法 提出一种基于卷积神经网络的柑橘树冠层施药情况分类模型——VGG_C模型。模型以VGG模型核心思想为基础进行构建,通过交叉熵损失函数优化,加速概率分布与真实分布的迭代过程,并在输出端引入不确定性度量计算以及在下采样模块中插入Droupout方法,降低由于数据较少而发生过拟合的概率。结果 VGG_C模型针对训练集的分类损失值为0.44%,比ResNet和VGG模型分别降低了87%和91%;准确率为95.3%,比ResNet和VGG模型分别提高了5%和10%;验证集的预测平均准确率为96.4%。结论 VGG_C模型通过多层卷积模型协同实现柑橘冠层热红外图像特征的高效提取,通过优化输出端结构提高了柑橘冠层施药情况分类模型在小数据集规模上的训练测试优度,可为柑橘树施药情况的智能化判断提供有效参考。     

基于冠层NDVI数据的北方粳稻产量模型研究

以沈阳农业大学试验田为研究区域,将无人机遥感技术与人工结合,采集2015年夏季粳稻生长全过程的冠层NDVI数据。首先,利用二元定距变量相关分析的方法对单天和各旬、各月冠层NDVI与产量进行相关性分析;然后,利用线性回归和Square(或Cubic)曲线分别对相关性较好的单天和各旬与产量建模,并对回归模型进行检验,验证模型精度,同时将效果较好的几个模型进行对比分析。结果表明,单独用一个变量建模,Square(或Cubic)曲线模型优于一次线性回归模型,6月中旬和8月上旬的组合模型是估产最理想的模型,其判定系数(R²)为0.771,相对误差(RE)为4.06%,均方根误差(RMSE)为0.474 t·hm^-2,精度较高,具有可行性,据此确定北方粳稻最佳估产时间是6月中旬的分蘖盛期和8月上旬的抽穗期。     

基于无人机可见光影像的毛竹林郁闭度估测方法

【目的】由于毛竹Phyllostachys edulis的生长特点和经营特点,使得毛竹林郁闭度在毛竹林经营中尤为重要,只有保持适宜毛竹生长的郁闭度,才能提高毛竹生产力。研究无人机可见光影像的毛竹林郁闭度估测方法,可实现实时快速获取毛竹林的郁闭度。【方法】以普通旋翼无人机可见光毛竹林影像为研究对象,基于像元的阈值分类、像元的监督分类、多尺度分割的阈值分类、多尺度分割的监督分类等4种方法,选取不同钩梢和郁闭度的样地36个,利用现有软件和MATLAB编程,对各样地的毛竹林竹冠区域进行快速提取,进而估算林分郁闭度,对比目视解译的郁闭度真值计算各方法的估算精度,利用单因素方差分析比较4种方法在不同钩梢和不同郁闭度下估算郁闭度的表现。【结果】基于像元的阈值分类、基于像元的监督分类、基于多尺度分割的阈值分类、基于多尺度分割的监督分类等4种方法的郁闭度估算总体精度依次为91.81%、92.96%、93.47%、98.86%,郁闭度估测值绝对误差依次为0.038、0.030、0.024、0.004。钩梢和郁闭度等对提取结果没有显著影响。【结论】基于多尺度分割的监督分类方法总体精度最高,估算绝对误差最小,...     

基于改进CKR模型的客户知识分类法

在研究了目前客户知识分类现状的基础上,引人关键知识识别(CKR)模型,并对CKR模拟进行改进,克服了原CKR模型只在单一目标下进行知识分类的局限,改进的CKR模型以企业与顾客"双赢"为理念,实现双目标下客户知识的分类.     

基于改进BP网络模型的洪水预报研究

针对目前神经网络应用于洪水预报时存在的不足,引入遗传算法、模糊神经网络对BP网络模型进行了改进,建立了基于改进BP网络模型的洪水预报模型,并将改进的BP网络模型应用于文峪河洪水过程的预报。预测结果表明,过程预报合格率达93．54%。达到了水文预报规范的要求;与传统BP网络相比,改进算法可提高洪峰的预报精度。     

基于改进YOLOv4模型的群养生猪姿态检测

为了提升猪舍环境下生猪姿态检测的速度和性能,在YOLOv4模型的基础上提出一种改进的Mini＿YOLOv4模型。首先,该模型将YOLOv4的特征提取网络改为轻量级的MobileNetV3网络结构,以降低模型参数量;其次,在检测网络的CBL＿block1、CBL＿block2模块中使用深度可分离卷积代替传统卷积,避免了复杂模型导致的内存不足和高延迟问题;最后,将原YOLOv4网络每个尺度的最后一层3×3卷积改为Inception网络结构,以提高模型在生猪姿态检测上的准确率。应用上述模型,对生猪的站立、坐立、腹卧、趴卧和侧卧5类姿态进行识别。结果显示,Mini＿YOLOv4模型较YOLOv4模型在检测精度上提升了4.01百分点,在检测速度上提升近1倍,在保证识别精度的同时提升了实时性,可为生猪行为识别提供技术参考。