- 年份
- 2024(5782)
- 2023(8433)
- 2022(7241)
- 2021(6929)
- 2020(5994)
- 2019(13913)
- 2018(13797)
- 2017(27063)
- 2016(14335)
- 2015(16240)
- 2014(15736)
- 2013(15011)
- 2012(13237)
- 2011(11561)
- 2010(11234)
- 2009(9853)
- 2008(9100)
- 2007(7342)
- 2006(5884)
- 2005(4577)
- 学科
- 济(55899)
- 经济(55847)
- 管理(41044)
- 业(39417)
- 企(33751)
- 企业(33751)
- 方法(32717)
- 数学(29860)
- 数学方法(29259)
- 财(13900)
- 农(13524)
- 中国(12365)
- 业经(11486)
- 理论(10022)
- 贸(9966)
- 贸易(9960)
- 易(9742)
- 务(9651)
- 学(9611)
- 财务(9599)
- 财务管理(9579)
- 技术(9358)
- 企业财务(9056)
- 农业(8957)
- 地方(8921)
- 和(8175)
- 环境(7965)
- 制(7845)
- 划(7515)
- 银(6468)
- 机构
- 学院(188840)
- 大学(186973)
- 管理(79371)
- 济(74844)
- 经济(73496)
- 理学(70612)
- 理学院(69956)
- 管理学(68309)
- 管理学院(67972)
- 研究(54102)
- 中国(39646)
- 京(37284)
- 科学(34176)
- 财(32086)
- 业大(29597)
- 农(28631)
- 财经(27070)
- 中心(26820)
- 江(25521)
- 所(24956)
- 经(24926)
- 研究所(23212)
- 经济学(23175)
- 农业(22606)
- 范(22515)
- 师范(22249)
- 北京(22070)
- 经济学院(21139)
- 经济管理(21090)
- 技术(20915)
- 基金
- 项目(141823)
- 科学(113718)
- 基金(105270)
- 研究(101244)
- 家(92105)
- 国家(91401)
- 科学基金(80703)
- 社会(64491)
- 社会科(61328)
- 社会科学(61310)
- 省(56028)
- 基金项目(55975)
- 自然(54683)
- 自然科(53553)
- 自然科学(53544)
- 自然科学基金(52573)
- 教育(48853)
- 划(47184)
- 资助(43381)
- 编号(40675)
- 重点(31900)
- 部(31382)
- 创(30857)
- 成果(30208)
- 发(29605)
- 创新(28753)
- 科研(28096)
- 教育部(27497)
- 课题(27167)
- 国家社会(27024)
共检索到246357条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 林业科学研究
[作者]
杨丹 李崇贵 李斌
[目的]基于多时相Sentinel-2A/B影像，探究深度学习模型在森林植被上的分类效果。[方法]以黑龙江省孟家岗林场为研究区，以多时相Sentinel-2A/B影像、数字高程模型（DEM）为数据源，通过各森林类别的JM距离，确定最佳单一时相。同时，构建多时相植被指数及红边指数特征（DVI、mNDVI、CIred-edge、NDre1）。采用支持向量机和优化的U-Net模型分别对单一时相+DEM和单一时相+DEM+多时相植被指数两种方案进行分类实验。[结果]（1）在单一时相+DEM基础上，加入多时相植被指数后，U-Net模型精度为77.87%，比单一时相+DEM精度高6.67%;(2)U-Net模型的总体精度明显优于支持向量机，并且分类效果更好。同时，深度学习U-Net模型能够避免“椒盐”现象，分类结果更细腻。[结论]基于多时相Sentinel-2A/B影像，构建植被指数及红边指数时序特征，同时采用U-Net模型在一定程度上能够提高林分类型分类精度。
[期刊] 草业科学
[作者]
房家玮 胡念钊 王怀玉 刘咏梅
狼毒(Stellera chamaejasme)是近年来青藏高原高寒草地的主要入侵毒杂草之一，及时高效的调查与监测可为狼毒综合防控与退化草地恢复提供重要的技术支持。本研究选取花期前与盛花期的Sentinel-2A多光谱影像，将Google Earth Engine平台去云、环境要素掩膜、特征优选和随机森林分类相结合，探讨区域尺度的狼毒遥感识别方法。结果表明，通过狼毒敏感指数计算，以及Spearman秩相关性分析与随机森林重要性排序相结合的二次降维，提取了7项狼毒分类特征并构建了4个特征组合方案。与单时相特征组合相比，多时相特征组合有效提高了狼毒识别精度，其中，基于随机森林模型的6个特征组合方案的分类总精度为84.62%，狼毒分类精度均大于80%，识别效果最佳。本研究显示，影像去云及掩膜预处理能够有效减少分类干扰信息，花期前与盛花期提取的多时相特征组合增强了狼毒群落与其他群落的影像光谱差异，在区域尺度狼毒遥感识别中具有较好的应用潜力。
[期刊] 南京农业大学学报
[作者]
韩涛 潘剑君 罗川 周涛 张培育
[目的]油菜是中国重要的经济作物之一,准确、及时掌握油菜种植面积对政府以及农民均有着重要的意义。本文为探索多时相Sentinel-2A影像识别种植结构复杂的小尺度地区油菜的能力,以获取高精度的作物分布信息为目的。[方法]以多时相Sentinel-2A和一景SPOT数据为数据源,选取种植结构复杂的小尺度农业区为研究区,构建不同特征向量组合,利用支持向量机(support vector machine,SVM)的方法提取油菜种植面积。[结果]通过对比分析基于不同特征向量组合的油菜识别精度,利用一景油菜最佳识别
[期刊] 资源科学
[作者]
何云 黄翀 李贺 刘庆生 刘高焕 周振超 张晨晨
中南半岛地处热带、亚热带地区,由于水热条件适宜,植被生长旺盛,土地利用强度高,地表覆盖类型的光谱特征时空变异复杂,使用传统的基于光谱特征的遥感分类精度难以保证。Sentinel-2A卫星遥感数据具有较丰富的光谱波段和较高的空间分辨率,为土地覆盖遥感分类提供了多维特征空间。但多维特征参与分类容易造成信息冗余,从而导致分类速度和精度降低。因此,如何充分利用Sentinel-2A数据丰富的光谱和空间信息,并通过高维特征空间降维进行特征优选对于提高分类精度具有重要意义。本文以中南半岛典型地区土地覆盖分类为例,利用Sentinel-2A多波段光谱特征,归一化植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)、归一化水体指数(NDWI)等指数特征以及对比度、相关性、能量、均值、熵等纹理特征,在随机森林模型框架下,采用平均不纯度减少方法对不同特征在土地覆盖分类中的重要程度进行识别;利用袋外(OOB)误差方法,对重要特征组合进行了优选;利用优选特征进行随机森林土地覆盖分类,并与原始随机森林分类结果进行对比。结果表明:Sentinel-2A影像的光谱特征和纹理特征在土地覆盖分类中具有较为重要的作用,光谱特征中短波红外、可见光、植被红边波段重要性较大,纹理特征中均值、能量法重要性较高。选择重要性列前9位的特征参与分类时,OOB精度达到最高;继续增加特征会使模型复杂度过高,容易发生过拟合而使得分类精度不增反降。通过特征优选高效利用了Sentinel-2A丰富的光谱和纹理信息,其总体分类精度达87.53%,Kappa系数达0.8461,优于原始随机森林方法,一定程度上提高了热带亚热带地区复杂土地覆盖分类精度。
[期刊] 林业科学研究
[作者]
王雅慧 陈尔学 郭颖 李增元 金玉栋 赵俊鹏 周瑶
[目的]使用深度学习全卷积神经网络U-net的自动特征提取,有效地改善遥感目标识别及地物分类的效果。[方法]以内蒙古自治区赤峰市旺业甸林场为研究区,主要数据源包括GF-2多光谱数据、ZY-3 DOM数据、ZY-3 DEM数据、小班数据以及外业实地调查数据等。借鉴前人对FCN-8s模型的优化思路,基于Unet网络模型,在模型训练过程中通过在原始波段的基础上加入标准归一化植被指数(NDVI)构建网络,并增加条件随机场后处理过程,得到最终的分类结果。[结果]表明:(1)优化后的U-net模型的总体分类精度达84.89%,Kappa系数为0.82,分别高于未加入标准归一化植被指数特征的U-net模型以及未使用条件随机场进行后处理的U-net模型的分类精度;(2)优化后的U-net模型与使用相同策略的FCN-8s,支持向量机和随机森林的分类结果相比,提高了8.04%～12.54%,分类精度大幅度提高。[结论]通过少量调整相关的遥感特征以及使用条件随机场后处理方法可改善U-net模型的分类效果,适用于基于U-net的森林类型高分辨率多光谱遥感影像分类。
[期刊] 林业科学
[作者]
王馨爽 陈尔学 李增元 姚顽强 赵磊
森林在全球碳循环及大自然空气调节中发挥着重要作用,对森林分布的监测与制图意义重大。以黑龙江省逊克县两景星载ALOS PALSAR多时相数据覆盖区为研究区,利用不同时相极化SAR、干涉SAR对植被结构变化特征的敏感性,结合后向散射系数与干涉相干性的时变特征进行林地类型分类研究,发展基于多时相、多极化、干涉SAR的SVM林地类型分类识别方法。结果表明:多时相的平均干涉相干性对有林地、疏林地及灌木林地的识别十分有效;综合运用所选取的多时相干涉、极化比等有效维度信息能很好地突出地物的边缘与结构,更细致地区分不同林地类型。
关键词：
多时相 极化 InSAR 林地类型 分类
[期刊] 浙江农林大学学报
[作者]
贾玉洁 刘云根 杨思林 王妍 张超 徐红枫 郑淑君
【目的】获取更高效、准确的土地利用自动分类方法，为后续的高原山区土地利用分类研究提供理论支撑。【方法】选取中国典型的高原山区云南省大理市为研究区域，以Sentinel-2A影像为对象，提出一种面向对象特征的决策树分类方法，并将此方法分类结果与传统的ISODATA法和最大似然法土地利用分类结果进行对比。【结果】(1)面向对象特征的决策树方法分类结果在空间分布和各地类的面积统计方面都优于ISODATA法和最大似然法，与研究区实际土地利用面积数据更为接近；(2)在大理市，最大似然法在水体和林地的提取上适用性较好，而面向对象特征的决策树分类方法在农田、草地、建设用地和其他这些地类的区分上适用性更强，且在冰川积雪的提取上也有更好的提取效果；(3)相比与传统的ISODATA法和最大似然法分类结果精度，面向对象特征的决策树分类方法可进一步提高分类精度，总体分类精度可达90.20%,Kappa系数为87.95%。【结论】相较于传统的分类方法，先粗分类再进一步细分类的分类思想，可避免区域之间的混淆问题。面向对象特征与决策树相结合的组合分类方法在高原山区有着更好的适用性，可以有效提高高原山区分类精度。图3表8参26
[期刊] 西南农业学报
[作者]
蒋怡 李宗南 任国业 王昕 李章成
【目的】选取云南省陆良县,开展基于Landsat-8 OLI和Sentinel-2A MSI影像的设施种植区域监测研究,及时为农业生产管理提供准确的设施农业空间信息。【方法】首先分析日光温室及其他典型地物的遥感特征,然后使用目视解译以及最小距离法、马氏距离法、最大似然法、支持向量机等4种监督分类方法提取设施种植空间信息,再使用亚米级Google earth历史影像为底图建立验证样区。通过目视解译提取样区设施种植区域信息,以此验证Landsat-8和Sentinel-2A影像的监测精度,选择最优监测方法。【结果】使用Landsat-8影像,基于目视解译及4种监督分类方法的精度依次为97. 54%、77. 31%、91. 35%、91. 89%和83. 15%;使用Sentinel-2A影像,基于目视解译及4种监督分类方法的精度依次98. 82%、80. 80%、87. 01%、93. 89%和85. 41%。【结论】①2种影像的日光温室监测均适于使用最大似然法,其估算精度与目视解译精度误差分别为5. 65%和4. 93%;②遥感监测显示,2016年陆良县日光温室主要集中于该县湖积平原区。基于Landsat-8影像监测的面积为5381. 62 hm2,基于Sentinel-2A影像监测的面积为5347. 84 hm2。
[期刊] 中国农业科学
[作者]
臧少龙 刘淋茹 高越之 吴珂 贺利 段剑钊 宋晓 冯伟
【目的】探索无人机遥感在氮效率分类识别中的潜力，构建小麦品种氮效率分类方法，为氮高效品种筛选提供理论依据和技术支持。【方法】通过6个成熟期与氮效率密切相关的农学指标（产量、植株氮积累、氮素生理利用效率、植株干生物量、籽粒总吸氮量、N收获指数）构建主成分综合值，并对其进行K-Means聚类分析，将121个小麦品种划分为氮高效型、氮中效型和氮低效型3种类型。利用无人机遥感平台搭载多光谱相机，在小麦拔节期、孕穗期和开花期获取无人机遥感影像，并提取34种植被指数，分析植被指数与氮效率综合值的相关性；对比支持向量机（SVM）、随机森林（RF）和K最近邻（KNN）分类方法的氮效率分类模型精度，使用总体分类精度（OA）和Kappa系数比较不同生育时期下小麦品种氮效率分类识别的能力；并使用3种不同的特征集筛选方法（ReliefF算法、Boruta算法和RF-RFE算法）对优化的特征子集进行综合评价，确立适宜的小麦品种氮效率分类识别方法。【结果】随着小麦生育时期的不断推进，植被指数与氮效率综合值的相关性逐渐提高，开花期最高（r=0.502）；利用植被指数全特征集对小麦品种氮效率进行分类，对于单生育时期数据而言，以开花期的SVM模型分类效果最好（OA=77.1%,Kappa=0.591），拔节期最差（OA=65.6%,Kappa=0.406）；总体而言，多生育时期数据融合的品种氮效率分类精度高于单生育时期，其中以拔节期+孕穗期+开花期3个生育时期数据融合的SVM模型的分类效果最优（OA=80.6%,Kappa=0.669）。为减少多生育时期数据融合的特征集变量数量，比较分析RF-RFE、Boruta和ReliefF 3种算法的特征优化效果，基于RF-RFE算法得到的优化特征子集分类精度最高，其OA和Kappa系数比全特征集分类模型分别提高了4.0%和10.1%，其中，以3个生育时期数据融合的分类效果最好（OA=85.4%,Kappa=0.749）。【结论】确立6个氮效率指标—主成分分析—K-Means氮效率评价方法；RF-RFE算法有效优化多生育时期组合的特征子集数量，且获得较高的分类精度，确立基于多生育时期组合—RF-RFE—SVM技术融合的小麦品种氮效率分类模型，为小麦氮高效品种的快速准确分类鉴定提供理论依据和技术支撑。
[期刊] 浙江农林大学学报
[作者]
李龙伟 李楠 陆灯盛
利用Sentinel-2遥感影像研究一种快速、准确提取茶园空间分布的新方法,可为茶园经济林资源及其动态变化的快速检测提供新的手段。以浙江省西北部为研究区,根据实地调查选取6类典型植被,基于4个季节的Sentinel多光谱影像分析不同植被物候及光谱特征。茶园在5月经历修剪后与其他植被区别较大,根据红边与短波红外波段构建归一化茶园指数(NDTI)。基于新指数建立决策树模型提取茶园,通过谷歌地球对结果进行验证。结果显示:归一化茶园指数可以最大限度扩大茶园与其他植被之间的差距。基于该指数提取茶园的总精度达93.83%,Kappa系数为0.917,成功实现了浙西北茶园信息的提取,证明了使用红边波段提取茶园的潜力。图6表1参17
[期刊] 北京林业大学学报
[作者]
江涛 王新杰
【目的】基于遥感影像的林分类型分类在现代林业中是一项重要的应用。本文试图构建一个基于高分二号(GF-2)影像林分类型分类的卷积神经网络(CNN)模型,探索CNN在遥感图像像素级分类这一领域的发展潜力。【方法】以GF-2卫星遥感影像为数据源,利用Tensorflow(一种开源用于机器学习的框架)构建4种不同图像斑块大小(m=5,7,9,11)为输入的CNN,同时以传统的神经网络模型——多层感知器(MLP)为基准,比较不同图像斑块大小下的CNN分类图的分类效果和分类精度。【结果】实验分类结果表明:CNN(m=9)得出最高的分类精确度,总体精度比MLP和CNN(m=5,7,11)分别高出10.91%和6.55%、1.3%、2.54%。分类图的可视化结果也表明CNN(m=9)更好地解决了"椒盐现象"与过度平滑后的边界不确定性问题。【结论】CNN能够在利用高分影像光谱特征的同时充分挖掘影像的空间特征,从而提高分类精度,同时在利用CNN基于遥感影像分类时,根据数据源以及地物的特点选择合适的图像斑块大小作为输入是提高分类精度与分类效果的关键措施。
[期刊] 浙江农林大学学报
[作者]
郭瑞霞 李崇贵 刘思涵 马婷 全青青
【目的】基于多时相遥感影像研究落叶松Larix gmelini人工林季相特性,采用多种分类方法提取落叶松人工林空间分布,以期得到适用落叶松人工林提取的手段和方法。【方法】利用多时相Landsat 8影像,在分析落叶松人工林季相和物候特性的基础上,综合森林资源二类调查成果和样地数据,分别采用最大似然法、支持向量机法、光谱角法和k最近邻法提取研究区的落叶松人工林信息,并进行精度验证。【结果】落叶松人工林具有明显的植被光谱特征和季相特性,在近红外波段各树种类别光谱差异最明显,秋季影像对落叶松人工林信息提取效果较好。利用多时相数据对落叶松人工林信息提取精度明显优于单时相数据的提取精度,多时相Landsat 8影像能使落叶松人工林分类精度达86%以上,其中光谱角法最好,精度为88.346 3%。【结论】利用多时相特征遥感影像进行落叶松人工林信息提取研究,有着一定的可行性和适用性,研究结果对大面积获取落叶松人工林的空间位置分布提取具有一定的参考价值。图2表4参21
[期刊] 中国土地科学
[作者]
李少帅 陈原 张超 陈艳林
研究目的:为进一步拓展土地整治遥感监测手段,本文以多时相高分辨率遥感数据为数据源,在土地整治工程地物信息提取基础上,构建形象进度评价模型以综合掌握项目实施进展。研究方法:挣值分析法,实证研究法,文献研究法。研究结果:从遥感影像提取的工程矢量信息分析评价结果符合项目实际进展。研究结论:在遥感监测信息提取的基础上,本文提出的工程形象进度评价模型可用于计算项目整体工程进展,评价项目进度情况,并找出导致项目进展缓慢的工程建设内容。
[期刊] 西北农林科技大学学报(自然科学版)
[作者]
宋朝阳 史尚渝 王飞 赵玉龙 刘元昊
【目的】采用遥感影像对不同种类农作物耕地进行高效精准的分类,以期获取最优的农作物种植信息提取方案,为农业生产提质增效提供决策支持。【方法】以陕西省宝鸡市扶风县为研究区,利用Google Earth Engine(GEE)平台,基于2020年10月至2021年12月的Sentinel-2影像和目视解译与野外定位相结合选取的样本点,使用随机森林(random forest,RF)算法,结合归一化植被指数(normalized difference vegetation index,NDVI)、增强植被指数(enhanced vegetation index,EVI)、物候参数特征、遥感影像红边波段,且将根据NDVI计算出的物候参数的波段记为N,根据EVI计算出的物候参数的波段记为E,引入红边波段记为1,未引入红边波段记为2,在此基础上构建了8种不同的分类模型(NDVI-N1、EVI-E1、N1、E1、NDVI-N2、EVI-E2、N2、E2),并与4种样本分割比例(训练样本数与检验样本数的比例分别为5∶5,6∶4,7∶3和8∶2)组合,共计32种分类方案,利用这些方案对扶风县的不同种类农作物耕地进行分类,并计算了不同分类方案的总体精度和Kappa系数。【结果】(1)经S-G滤波法处理后,6种地物类型的NDVI和EVI时序曲线噪声减小且更为平滑,且NDVI和EVI曲线差异明显。(2)在32种分类方案中,只有样本分割比例为7∶3时的EVI-E1模型、EVI-E2模型和样本分割比例为6∶4时E2模型的总体精度高于90%,说明在扶风地区用EVI分类效果更好一些。(3)在样本分割比例为7:3的情况下,EVI-E1模型的总体精度和Kappa系数均最高,分别为91.66%和89.41%,为最优分类方案。但是在该方案中引入红边波段后,其总体精度下降了1.18%,Kappa系数下降了1.53%,可知运用该分类方案时应剔除红边波段。(4)运用最优分类方案对小麦地、玉米地、土豆地的提取结果与实际调查情况大致相同。【结论】基于GEE平台和Sentinel-2数据实现了对县域级农作物种植面积的精确分类,可为扶风县农业生产提供决策支持。
[期刊] 浙江农林大学学报
[作者]
郭文婷 张晓丽
植被分类是研究森林资源状况和动态变化规律的基础,利用遥感手段可以更加快速、准确地识别植被类型。以位于内蒙古赤峰市喀喇沁旗西南部的旺业甸实验林场为研究对象进行植被分类。采用分层分类的思想,首先根据植被物候特征选取植被生长旺盛时期的影像,计算归一化植被指数(normalized difference vegetation index, NDVI)并设定合适的阈值将研究区内的植被提取出来,剩余部分归为非植被。然后选取NDVI时间序列、最佳时相的Sentinel-2数据中10个波段的光谱反射率特征和主成分分析前3个分量的纹理特征作为分类特征,利用支持向量机分类器将研究区内的植被类型分为耕地、草地、常绿针叶林、落叶针叶林和落叶阔叶林五大类,并将分类结果与最大似然法、 NDVI时序+光谱特征的分类结果进行对比分析。NDVI时序+光谱特征+纹理特征的多特征植被分类总体精度达87.64%, Kappa系数为0.85,分别比最大似然法和结合NDVI时序+光谱特征的分类总体精度提高了15.73%和14.61%, Kappa系数提高了0.20和0.18。其中常绿针叶林和耕地的分类结果与实地调查情况高度一致,分类精度分别达到95.65%和92.31%。从而得出:①基于多特征的分类方法有助于提高分类精度;②NDVI时序特征对于植被的区分具有很大帮助;③采用分层分类的思想,首先将研究区内的植被提取出来,可以排除非植被因素的干扰,有效提高植被类型的分类精度。图4表3参26
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
