排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
4.
乌鲁木齐市是新疆维吾尔自治区的首府,具有丰富的草地资源。探寻其草地面积增减的规律和特点,摸清影响其发生变化的驱动因子,掌握不同草地类型面积动态变化,对该地区草地的合理开发利用及保护具有重要意义。本研究通过单一土地利用动态度和转移矩阵对1990-2020年乌鲁木齐市草地面积时空变化特征进行研究,采用相关性分析法探讨草地面积变化的驱动因素。结果表明,30年间乌鲁木齐市:1)草地面积整体呈减少趋势,动态度为-0.31%,草地净减少595.47 km2,主要转出为未利用地;2)不同类型草地面积均发生变化,除了温性草原化荒漠类、温性荒漠草原类和温性荒漠类草地面积呈减少趋势,其他类型均呈增加趋势,面积变化最大的是温性荒漠类草地,净减少787.07 km2,主要发生在中北部,变化最小的是高寒草原草地,净增加0.36 km2,主要发生在南部;3)总播种面积与大多数草地类型面积的关联度最大,关联度系数在0.995~0.998。可见,1990-2020年人为因素是导致乌鲁木齐市草地面积减少的主要原因。 相似文献
5.
物候期和识别模型的选择直接影响植物识别的精度。本研究以蒿类荒漠草地主要植物伊犁绢蒿(Seriphidium transiliense)、角果藜(Ceratocarpus arenarius)以及裸地为识别对象,选择4月、6月、9月3个时期,通过SOC 710 VP高光谱成像仪采集草地群落高光谱数据,在分析地物光谱反射率差异的基础上,利用最佳指数因子(OIF)筛选特征波段,通过卷积神经网络(CNN)和支持向量机(SVM)建立识别模型。结果表明:1)不同物候期的伊犁绢蒿与角果藜在可见光波段均表现为“低-高-低”的光谱反射率趋势,并随月份增加峰谷现象逐渐不明显;红边波段这两种植物表现出快速上升;在NIR平台区4月各识别对象间反射率大小差异最明显。2)利用OIF筛选的识别波段组合在月份间表现一致,为638.64、789.49和923.79 nm。3)在识别精度上,SVM> CNN;4月> 9月> 6月;裸地>伊犁绢蒿>角果藜。综合来看,采用SVM在4月对蒿类荒漠草地主要植物进行识别的精度最高,为92.12%。 相似文献
6.
掌握毒害草在化学防控后的光谱差异及识别效果变化是实现大面积遥感监测防控效果的基础。本研究以白喉乌头(Aconitum leucostomum)为识别对象,试验在5月下旬(化学防控前)、6月下旬(防控后15 d)以及7月中旬(防控后30 d)进行,分析其光谱变化,筛选特征波长并建立Fisher判别模型进行识别。结果表明:防控处理后,白喉乌头在600~710 nm波段内反射率升高,在770~1 075 nm波段内反射率降低;其他牧草在720~1 075 nm波段内的反射率表现为6月升高,7月无明显差异;各月份的敏感识别波段不相同,主要分布在399~404 nm波段、512~578 nm波段、684~718 nm波段、775~778 nm波段以及979~1 075 nm波段内;5月未防控乌头识别效果最好,识别精度为96.00%,防控处理后6月、7月的药害乌头识别精度分别为73.33%,78.00%。总体而言,化学防控降低了白喉乌头的识别精度,但防控30 d后药害乌头的光谱会产生明显变化,增加其识别精度。 相似文献
7.
为选择最佳的物候期、飞行高度和识别模型提高植物识别的精度,本研究以伊犁绢蒿(Seriphidium transiliense)荒漠草地主要植物伊犁绢蒿、角果藜(Ceratocarpus arenarius)以及裸地为识别对象,选择4月、6月、9月3个飞行时期,15m,30m,60m 3个飞行高度,通过无人机搭载多光谱相机采集草地群落多光谱数据,在分析光谱反射率差异的基础上,利用最佳指数因子(Optimum index factor,OIF)筛选特征波段,通过卷积神经网络(Convolutional neural network,CNN)和支持向量机(Support vector machines,SVM)建立识别模型。结果表明:地物反射率4月>6月>9月,15m>30m>60m;不同飞行高度下OIF值一致,但在月份间具有差异,4月敏感波段为Green,Red和NIR,6月和9月敏感波段为Red,Red edge,NIR;在识别精度上SVM>CNN,4月>9月>6月,15m>30m>60m,裸地>伊犁绢蒿>角果藜。综合来看,采用SVM在4月、15m飞行高度下进行识别的总体精度最高,达到86.23%。 相似文献
1