张锦水
- 作品数：109 被引量：1,635H指数：22
- 供职机构：北京师范大学更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划教育部“新世纪优秀人才支持计划”更多>>
- 相关领域：自动化与计算机技术农业科学天文地球经济管理更多>>
- 支持向量机与分类后验概率空间变化向量分析法相结合的冬小麦种植面积测量方法被引量：11
- 2010年
- 利用遥感手段提取农作物种植面积时,需要结合作物物候特征,以提高面积的提取精度。该文以北京市通州区西南部为试验区,以冬小麦为研究对象,利用多时相的环境减灾小卫星遥感影像数据,通过基于支持向量机二分法的分类后验概率空间变化向量分析法进行冬小麦种植面积遥感测量试验研究。研究结果表明:该文提出的方法测量结果总体精度、Kappa系数分别为95%、0.90,远高于支持向量机(SVM)分类后直接比较方法(总体精度91%,Kappa系数0.79);解决了实际应用中的变化阈值选取的主观性问题,该方法的频度直方图两极化现象使得变化阈值取值部分频度被压低摊平,阈值敏感度降低,变化阈值取值更为客观,一定程度上解决了阈值难以设定的问题;SVM二分法和变化向量分析的结合增强了对光谱的敏感性,能够监测不同季相上植被的长势变化,进而提高了农作物种植面积遥感测量的精度,同时对其他农作物种植面积测量提供了途径。
- 李苓苓潘耀忠张锦水宋国宝侯东
- 关键词：混合法冬小麦
- 生态安全条件下的土地利用格局优化模拟研究——以中国北方农牧交错带为例被引量：22
- 2006年
- 在综合使用“自上而下”的灰色线性规划(GLP)方法和“自下而上”的元胞自动机(CA) 方法的基础上,建立了土地利用格局优化模拟LUOS(land use pattern optimizing simulation mod- el)模型,进行了中国北方农牧交错带生态安全条件下的土地利用格局优化模拟研究．通过GLP方法8个方面共11个生态安全约束条件的限定与单纯形法求解,得出6种情景下的总量控制优化方案;以宏观用地总量需求和微观土地供给相平衡为原则,利用具有复杂空间演变能力的CA模型, 完成土地空间分配．模拟结果表明,与当前土地利用格局相比,在2010年林地和草地增加、耕地减少、城镇用地增加的优化情景下,研究区可同时获得满意的生态效益、经济效益和社会效益．
- 苏伟陈云浩武永峰李京张锦水
- 关键词：生态安全灰色线性规划元胞自动机
- 多尺度遥感复合的冬小麦种植面积测量体系研究
- 张锦水
- 关键词：冬小麦遥感多尺度支持向量回归
- 时空概率模型水稻遥感识别方法
- 本发明公开了一种时空概率模型水稻遥感识别方法，主要包括数据准备、数据预处理、构建时空概率模型、像元归属概率计算、像元时空概率计算、作物类别阈值划分及水稻分类结果识别。本发明可以有效提取水稻，降低传统变化监测作物遥感识别存...
- 张锦水孙佩军潘耀忠谢登峰袁周米琪
- 文献传递
- 剖线强度梯度变化的作物软硬变化区精确划分被引量：2
- 2018年
- [目的]软硬变化区的划分是进行遥感变化检测技术识别农作物的基础。为解决人工判读方法中存在人为主观因素影响以及自动判别和交互式判别方法对不同研究区的适用性问题,该文提出基于剖线梯度变化(Profile based Gradient Change Magnitude,PGCM)进行软硬变化区划分的方法。[方法]该研究选择破碎农业景观种植区域为研究区,计算拔节期Quick Bird影像和播种期模拟影像两个时相的变化强度,从作物地块内部向外绘制剖线,利用剖线强度的梯度变化确定硬变化区(Hard change region,HCR)、软变化区(Soft change region,SCR)和未变化区(Non change region,NCR)3者间的划分阈值。[结果]从识别结果来看,PGCM能够有效在地块边界处探测到软变化像元,进而确定HCR、SCR。像元分辨率在5~60 m不同尺度下,识别HCR区混入比例为11%~16%,混入比例随着分辨率下降而降低;NCR区混入比例为3%~4%,受分辨率尺度影响不大;SCR区识别比例为74%~86%,识别精度较高,识别结果与冬小麦空间分布结果保持一致。[结论]PGCM方法能够自动、便捷地确定阈值,摆脱人工判定的主观性,有效地划分出HCR、SCR和NCR 3个区域,为进一步HCR、SCR区内的作物识别提供基础。
- 朱爽张锦水崔有祯
- 关键词：变化检测农作物遥感
- 农区MODIS植被指数时间序列数据重建被引量：7
- 2010年
- MODIS植被指数时间序列数据能够连续反映植被的覆盖情况,是农作物遥感测量的重要数据源。但现有MOD13产品中存在由云、气溶胶,传感器角度等干扰因素导致的噪声指数。因此,必须对MOD13时间序列中的噪声指数进行恢复。根据农作物种植区物候与熟制信息,将待重建像元时间序列划分为符合作物生长周期的时段。对各时段内指数按非对称高斯模型重建,优化相邻时段之间重叠期内指数。多次迭代重建和优化过程后恢复时间序列中噪声指数。对覆盖北京市通州区以南和河北省保定市以北农区2005年MOD13数据进行重建,与两阶段S-G滤波重建结果对比。结果表明:噪声指数被准确判断并恢复。农区多熟制导致的低值指数被有效保留。重建时间序列可以正确反映植被的覆盖情况。
- 侯东潘耀忠张锦水梁顺林朱文泉李乐李苓苓
- 关键词：农作物物候熟制
- 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
- 基于相似性分析的中低分辨率复合水稻种植面积测量法被引量：13
- 2008年
- 【目的】利用遥感技术获取大范围水稻种植面积是遥感技术在农业领域的主要应用方向之一。本研究的目的是探索利用多尺度遥感数据复合测量水稻种植面积的方法。【方法】以SPOT5数据的水稻识别结果作为样本,构建图像相似性指数,通过支持向量机(SVM)混合像元分解模型,对MODIS-EVI时间序列数据进行水稻的种植面积测量。【结果】通过江苏省邳州市的试验研究得出:(1)在野外经验支持下,从MODIS-EVI时间序列数据中构建的水稻种植相似性指数可以有效反映水稻在整个研究区的空间分布情况;(2)利用图像相似性选取训练样本,能有效地提高MODIS-EVI数据的水稻种植面积的测量精度,当图像相似性指数越小,即图像相似性越高,提取的水稻种植面积也越准确;(3)通过与随机样本测量结果对比分析,基于相似样本的测量方法有着更高的稳定性;(4)该方法在不同种植结构分区内有着相似的总量精度与像元精度变化规律,均能获得较高的测量精度。【结论】基于相似样本的水稻种植面积测量方法,有助于发挥MODIS长时间序列优势,提高水稻种植面积遥感测量精度和稳定性,可以作为替代随机选取样本的方法之一。
- 顾晓鹤韩立建张锦水潘耀忠李乐
- 关键词：水稻种植面积支持向量机
- 训练样本对TM尺度小麦种植面积测量精度影响研究(Ⅰ)——训练样本与分类方法间分类精度响应关系研究被引量：35
- 2007年
- 准确的遥感农作物类型识别和种植面积统计,不仅仅取决于不同分类方法的选择,同时还要看输入分类器用以学习的训练样本数据,训练样本对分类精度的影响比分类技术本身对测量精度的影响还要大。训练样本对测量精度的影响包含样本的质量和数量两个方面。为了探讨训练样本对农作物种植面积测量精度的影响,本文以小麦为例,选择典型试验区,利用较常用的TM遥感影像,结合高分辨率SPOT数据和野外GPS数据,在构建标准训练样本和检验样本数据集的基础上,在不同训练样本量下,分别对光谱角制图、平行六面体、马氏距离、最小距离、最大似然和支持向量机6种方法进行了多次试验,并对测量结果进行了对比分析。研究结果表明:①不同样本量下6种方法10次测量的结果存在不同程度的波动,而且地块越破碎的地区波动越大,但这种波动随样本量的增加会减少,说明目前在小麦面积测量中,用单次分类的结果作为最终的提取结果的做法存在一定的随机误差,在实际的工作中,应尽可能多的获取训练样本,以提高小麦面积测量的稳定性,同时利用多次测量结果求均值的方式,来消减或者抵消测量的随机误差;②相同样本量下,各种方法测量出的全区和破碎区的小麦像元个数(总量)不一致,种植结构复杂且破碎的地区,各种方法测量出的小麦面积总量差异会更大,说明不同方法对同一地区小麦的识别能力是不同的,同种方法对于不同地区小麦的识别能力也是不一样的,但是通过分析小麦识别的产品精度和用户精度,可以判断出哪个结果最接近于真实总量。
- 朱秀芳潘耀忠张锦水王双顾晓鹤徐超
- 关键词：小麦种植面积TM
- GIS支持下滑坡灾害空间预测方法研究被引量：42
- 2007年
- 滑坡预测在防灾减灾工作中具有重要意义,它包括空间、时间预测两个方面。基于统计模型进行区域评价与空间预测是滑坡灾害研究的重要方向,但是预测结果往往依赖样本数量和空间分布等。本文以马来西亚金马伦高原为研究区,选择高程、坡度、坡向、地表曲率、构造、土地覆盖、地貌类型、道路和排水系统作为评价因子,探讨运用地理信息系统(GIS)和遥感(RS)获取与管理滑坡灾害信息,以及热带雨林地区湿热环境下滑坡空间预测的方法。支持向量机(SVM)和逻辑(Logistic)回归模型分别应用于滑坡空间预测,结果显示平均预测精度分别为95.9%和86.2%,SVM法具有较高的描述精度,值得推荐;同时,基于SVM模型的滑坡空间预测受样本影响较小,预测结果相对比较稳定,这对于滑坡灾害区域评价与预测的快速实现具有实际意义。
- 胡德勇李京陈云浩张锦水
- 关键词：SVMLOGISTIC回归
