您的位置： 专家智库 > >

国家自然科学基金(41301444)

作品数：16 被引量：165H指数：7
相关作者：张锦水潘耀忠朱爽谢登峰孙佩军更多>>
相关机构：北京师范大学北京工业职业技术学院北京市统计局更多>>
发文基金：国家自然科学基金北京市自然科学基金北京市教育委员会科技创新平台资助项目更多>>
相关领域：农业科学自动化与计算机技术天文地球更多>>

文献类型

  • 12篇中文期刊文章

领域

  • 7篇农业科学
  • 6篇自动化与计算...
  • 2篇天文地球

主题

  • 4篇遥感
  • 4篇支撑向量
  • 4篇支撑向量机
  • 4篇向量
  • 4篇向量机
  • 3篇冬小麦
  • 3篇作物
  • 3篇小麦
  • 3篇变化检测
  • 2篇遥感数据
  • 2篇秋粮
  • 2篇秋粮作物
  • 2篇景观
  • 1篇单季晚稻
  • 1篇地块
  • 1篇信息熵
  • 1篇遥感数据融合
  • 1篇遥感提取
  • 1篇市域
  • 1篇数据集

机构

  • 12篇北京师范大学
  • 3篇北京工业职业...
  • 1篇河南省农业科...
  • 1篇北京市统计局
  • 1篇北京天合数维...

作者

  • 12篇张锦水
  • 4篇潘耀忠
  • 4篇朱爽
  • 4篇谢登峰
  • 4篇孙佩军
  • 2篇云雅
  • 1篇王铮
  • 1篇张群
  • 1篇李文君
  • 1篇喻秋艳
  • 1篇朱秀芳
  • 1篇崔有祯
  • 1篇窦莉莉

传媒

  • 4篇遥感学报
  • 3篇北京师范大学...
  • 2篇农业工程学报
  • 1篇测绘通报
  • 1篇河南农业科学
  • 1篇遥感技术与应...

年份

  • 2篇2018
  • 5篇2016
  • 4篇2015
  • 1篇2014
共 16 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
基于信息熵分层抽样的冬小麦区域种植面积估算被引量：2
2018年
基于信息熵概念和最大似然分类后验概率设计了信息熵和信息量指标作为冬小麦遥感抽样的分层标志,与传统面积规模指标进行对比分析,验证了该方法的有效性。试验结果表明,信息熵和信息量指标相较传统面积规模指标,在不同尺寸抽样单元下,能够有效提高抽样反推的估算精度。在种植结构单一、地块规整的汤阴县,上述2个指标在(80 m×80 m)^(400 m×400 m)抽样单元下,均能不同程度地提高反推结果的相对精度;在种植结构复杂、地块较破碎的中牟,上述2个指标能够在192 m×192 m以下抽样单元下有效提高估算精度。
王铮李文君张锦水
关键词：信息熵分层抽样冬小麦种植面积
地块破碎度对软硬变化检测法识别冬小麦分布精度的影响被引量：4
2016年
软硬变化检测作物识别(soft and hard change detection,SHCD)是一种新型的作物识别方法。该研究针对不同耕地地块破碎程度的农业景观地区进行SHCD冬小麦识别,分析地块破碎程度对SHCD冬小麦识别精度的影响。试验结果表明,在种植地块破碎试验区,SHCD的RMSE对分辨率不敏感,均小于0.15,bias也比较小,R2随着检测窗口的增加,相关性逐步升高,达到98%以上。在种植地块规整试验地区,亦能够得到相同试验结论。SHCD方法综合了硬变化(hard change detection,HCD)和软变化(soft change detection,SCD)各自的优势,能够达到稳定且较高的识别精度,不受影像分辨率的影响;有效地解决了SCD在硬变化区(纯净像元)受到光谱不稳定性和HCD在软变化区(混合像元)识别为"0-1"排他性结果的不足,保证了冬小麦的识别精度,为大范围进行冬小麦识别以及其他作物的变化检测识别提供前期的试验基础。
朱爽张锦水
关键词：作物支撑向量机冬小麦
构建时空融合模型进行水稻遥感识别被引量：17
2016年
传统变化检测手段进行水稻遥感识别受"云污染"和影像间配准误差导致的变化检测误差累积及"椒盐"现象的影响,水稻遥感识别精度低。本文提出时空融合模型(Temporal-Spatial-Fusion Model,TSFM)进行水稻遥感识别,旨在综合像元在时间、空间维度上的信息定义像元的水稻时空归属度,根据时空归属度划分阈值提取水稻。实验结果表明:在不同窗口尺度下,TSFM在整体和"云污染"区域对水稻提取均达到了较高精度。当窗口尺度为3×3时,水稻提取的用户精度、制图精度和总体精度分别达到93.4%、83.5%和87.9%。在不同窗口尺度下水稻提取的用户精度、制图精度、总体精度均高于分类后比较PCC(Post-Classification Comparison)和多数投票法(Majority Voting,MV);在"云污染"区域,水稻识别总体精度均在92.0%以上,水稻制图精度比PCC、MV分别至少提高了14.0%、7.6%。有效地解决了传统变化检测作物遥感识别存在的误差累积问题,在一定程度上避免了"云污染"和"椒盐"现象对识别结果的影响。另外,初步探讨了TSFM水稻提取精度与景观特征关系,发现在景观规整区域适宜采用较小的窗口,在破碎区域适宜采用较大的窗口。该方法的成功实施,为大范围开展秋粮作物遥感识别,消除"云"影响进行了前期实验探讨。
孙佩军张锦水潘耀忠谢登峰袁周米琪
关键词：变化检测景观特征水稻
通过软硬变化检测识别冬小麦被引量：13
2014年
提出一种软硬变化检测的作物识别方法 SHLUCD(Soft and Hard Land Use/Cover Change Detection Method)。该方法利用多期遥感影像能够有效表达作物的生长物候特征,以达到在离散变化区(即纯净像元区,包括完全转换成作物的突变区域和非作物区域)和连续变化区(即渐变区,混合像元区,是部分转化为作物的区域)准确进行作物的识别。在北京市选择一个研究区,以冬小麦为研究对象,选用2011年10月6日(播种期)和2012年4月16日(拔节期)两期环境减灾1号卫星影像,分别采用硬变化检测方法 HLUCD(Hard Land Use/Cover Change Detection Method)、软变化检测方法 SLUCD(Soft Land Use/Cover Change Detection Method)和SHLUCD进行冬小麦的识别。实验结果表明:在不同尺度窗口下,SHLUCD较传统方法表现出较明显的优势,具有更低的均方根误差RMSE(SHLUCD为[0.14,0.07],HLUCD为[0.15,0.07],SLUCD为[0.16,0.08])和偏差bias(SHLUCD为-0.0008,HLUCD为-0.007,SLUCD为0.014)和更高的决定系数R2(SHLUCD为[0.68,0.86],HLUCD为[0.62,0.86],SLUCD为[0.60,0.86])。针对冬小麦突变区域、冬小麦渐变区域和非冬小麦区域分别进行评价,表明SHLUCD识别精度接近各区最佳的识别方法,进一步验证了SHLUCD的灵活性和适用性。SHLUCD方法在离散变化区能够通过土地覆盖类型状态变化来有效地识别出冬小麦,在连续变化区可识别出土地覆盖的状态变化程度定量表达冬小麦的丰度,是其他作物多时相遥感变化检测的前期实验基础。
朱爽张锦水帅冠元喻秋艳
关键词：变化检测物候
结合像元分解和STARFM模型的遥感数据融合被引量：11
2016年
高空间、时间分辨率遥感数据在监测地表快速变化方面具有重要的作用。然而,对于特定传感器获取的遥感影像在空间分辨率和时间分辨率上存在不可调和的矛盾,遥感数据时空融合技术是解决这一矛盾的有效方法。本文利用像元分解降尺方法(Downscaling mixed pixel)和STARFM模型(Spatial and Temporal Adaptive Reflectance Fusion Model)相结合的CDSTARFM算法(Combination of Downscaling Mixed Pixel Algorithm and Spatial and Temporal Adaptive Reflectance Fusion Model)进行遥感数据融合。首先,利用像元分解降尺度方法对参与融合的MODIS数据进行分解降尺度处理;其次,利用分解降尺度的MODIS数据替代STARFM模型中直接重采样的MODIS数据进行数据融合;最后以Landsat 8和MODIS遥感影像数据对该方法进行了实验。结果表明:(1)CDSTARFM算法比STARFM和像元分解降尺度算法具有更高的融合精度;(2)CDSTARFM能够在较小的窗口下获得更高的融合精度,在相同的窗口下其融合精度也高于STARFM;(3)CDSTARFM融合的影像更接近真实影像,消除了像元分解降尺度影像中的"图斑"和STARFM模型融合影像中的"MODIS像元边界"。
谢登峰张锦水孙佩军潘耀忠云雅袁周米琪
关键词：像元分解降尺度遥感数据融合
Landsat 8和MODIS融合构建高时空分辨率数据识别秋粮作物被引量：46
2015年
本文利用Wu等人提出的遥感数据时空融合方法 STDFA(Spatial Temporal Data Fusion Approach)以Landsat 8和MODIS为数据源构建高时间、空间分辨率的遥感影像数据。以此为基础,构建15种30 m分辨率分类数据集,然后利用支持向量机SVM(Support Vector Machine)进行秋粮作物识别,验证不同维度分类数据集进行秋粮作物识别的适用性。实验结果显示,不同分类数据集的秋粮作物分类结果均达到了较高的识别精度。综合各项精度指标分析,Red+Phenology数据组合对秋粮识别效果最好,水稻识别的制图精度和用户精度分别达到91.76%和82.49%,玉米识别的制图精度和用户精度分别达到85.80%和74.97%,水稻和玉米识别的总体精度达到86.90%。
谢登峰张锦水潘耀忠孙佩军袁周米琪
关键词：秋粮
样本特征对参数/非参数分类器分类精度的影响分析被引量：2
2016年
为验证理论训练数量（10～30 p）对参数分类器（如最大似然分类）、非参数分类器（如支撑向量机）的适用性以及样本特征（光谱统计、空间分布特征）对分类器分类精度的影响,选择不同规模的训练样本进行最大似然分类和支撑向量机分类,分析分类精度与样本之间的关系。实验结果表明：随着样本量的增加,最大似然、支撑向量机分类精度均随样本量增多而提高并趋于稳定,最大似然分类精度的增长速度要快于支撑向量机。MLC受样本量的影响较大,在小样本的时候（5个）,分类精度不稳定,超过30个样本的时候,分类精度稳定下来;对于SVM分类器,在小样本的时候（5个）,分类精度较高且稳定,因此SVM分类适合于小样本分类,不受限于理论样本量的影响。当样本量超过最小理论样本量值（30个）的时候,最大似然分类精度要优于支撑向量机,主要是由于当样本量增加后,最大似然更易于获得有效的信息量样本,而对于支撑向量机边缘信息样本的增加数量不大。研究结果为进一步优化样本进行分类打下前期的实验基础。
朱爽张锦水
关键词：最大似然分类支撑向量机
随机森林在高光谱遥感数据中降维与分类的应用被引量：35
2015年
高光谱数据的特征数目庞大,而且波段之间存在冗余信息,对高光谱数据进行分类的成本较高,因此需要提取合适的特征达到提高效率的目的.随机森林作为一种热门算法,广泛应用于各种分类、特征选择等问题中,均取得了良好的效果.本文选择北京小汤山农业试验区的OMIS高光谱影像作为研究数据,利用随机森林算法计算每个特征的重要性指标并对其排序,针对面向精度和效率的特征选择策略,使用RF-RFE波段选择方法去除价值低的特征分别得到最佳波段组合,实现高光谱数据降维,进行随机森林、支持向量机分类.实验结果表明随机森林分类精度为72.82%,SVM分类精度为65.21%,随机森林分类器优于SVM,是一种较好的高光谱数据分类器.
杨珺雯张锦水朱秀芳谢登峰袁周米琪
关键词：OMIS降维波段选择
图斑与变化向量分析相结合的秋粮作物遥感提取
2015年
本文提出一种图斑与变化向量分析相结合的农作物提取方法,旨在综合面向对象空间纹理信息、归一化植被指数信息和作物变化信息,提取农作物.实验以高分一号为数据源,选取河北省衡水市中部区域提取作物,根据野外采样点数据验证方法精度.实验结果表明:该方法较高精度地提取了研究区作物分布,总体精度达到93.4%.其中主要作物玉米提取的用户精度、制图精度分别为95.4%、95.7%,棉花提取的用户精度、制图精度分别为86.8%、84.0%,其余非农作物类别用户精度高于89.9%,制图精度高于91.6%.棉花和景观树由于种植破碎,并且大部分都混作于玉米中,提取精度比玉米低.从分类结果图中可以看出,该方法基于面向对象,以地块为基本识别单元提取作物信息,消除了传统基于像元的分类存在的"椒盐现象".研究表明:本文提出的方法能够充分利用面向对象地块信息,以农作物变化信息为依据,辅以归一化植被指数,较高精度的提取农作物.该方法的成功实施为面向对象方法在农作物提取中的研究提供了新思路,为作物信息提取提供了有效的途径.
孙佩军杨珺雯张锦水潘耀忠云雅
关键词：面向对象农作物
北京奥后夏季农业景观的变化特征分析——以北京市大兴区、通州区为例被引量：4
2015年
利用2009—2013年的HJ卫星影像资料为主要数据源,借用相关地理信息数据等资料,通过建立景观格局度量指标体系,对北京市大兴区和通州区2个重点农业大区耕地范围内夏季作物农业景观格局随时间演变特征进行定量分析.结果表明:2009—2013年(奥后),冬小麦面积不断下降,同时景观斑块受外界影响破碎化程度增大,斑块形状整体表现更加规则,农业斑块边界割裂的程度愈发明显,优势景观类型逐渐不再突出.2个区域内耕地土地利用类型及景观格局变化受社会经济因素影响较大,其中人口增加与经济发展,剧烈的城市化进程占用了大量郊区和农村的耕地,从而加剧耕地内景观格局愈发复杂、破碎;政府部门相关政策,如粮食直补、农业发展规划、平原造林工程等政策的出台,对农村产业结构产生强烈的影响;城市化与交通发展均对耕地景观格局产生深刻影响,造成了农业景观格局朝破碎化、异质化和复杂化的方向发展.
窦莉莉郑学昌杨珺雯张锦水张群
关键词：农业景观
全选 清除 导出
共2页<12>
聚类工具0