公共文化服务平台

竞霞: 作品数：65 被引量：331H指数：12; 供职机构：西安科技大学测绘科学与技术学院更多>>; 发文基金：国家自然科学基金北京市自然科学基金国家科技支撑计划更多>>; 相关领域：农业科学自动化与计算机技术天文地球环境科学与工程更多>>

合作作者

融合视觉注意机制的高光谱RX异常检测算法: 2023年; 视觉注意机制具有快速引导关注到重点区域的特性,将其引入高光谱图像异常检测中具有可行性。本文从采样方式、波段选取、融入局部光谱特征3方面构建更适用于计算高光谱图像显著性的视觉注意机制模型。针对经典的基于高斯统计分布假设的RX异常检测算法在背景参数估计中易受潜在异常干扰的问题,利用视觉显著性结果对原图像进行高斯加权,在加权后图像中进行背景均值与协方差的重新估算,进而使用更精确的背景参数对原图像进行RX异常检测。在5个经典数据上的实验结果表明,本文方法有效地表现了潜在的异常目标,改进的RX异常检测算法具有更高的检测精度与更低的虚警率。; 李茗欣黄远程竞霞史孟琦; 关键词：高光谱图像异常检测视觉注意机制 RX

水稻产量遥感监测机器学习算法对比被引量：5: 2022年; 水稻是我国的主要粮食作物,利用高光谱遥感技术在水稻未成熟之前对水稻产量进行监测,一方面可以及时调整栽培管理方式,指导合理追肥,另一方面,可以准确掌握水稻的产量信息,帮助政府提前做出决策。以2019年—2020年广州市白云区钟落潭试验基地氮肥梯度实验为基础,分别获取水稻分化期和抽穗期冠层高光谱数据、作物群体长势参数(生物量、叶面积指数)及作物养分吸收量,利用贝叶斯岭回归(BRR)、支持向量回归(SVR)、偏最小二乘回归(PLSR)三种方法建立各生育期的产量监测模型并进行精度对比,确定水稻产量的最优估算时期和最佳估测模型。结果表明,三种方法中,BRR和SVR方法更适合产量监测,在不同时期及不同的参数组合下均有较好的表现(R^(2)>0.82,NRMSE<8.22%);基于2019年与2020年数据,采用全波段光谱信息进行产量监测时,分化期最佳监测模型为BRR模型,R^(2)为0.90,抽穗期最优监测模型为SVR模型,R^(2)为0.87;采用全波段光谱协同作物群体长势参数进行产量监测时,两时期最佳监测模型均为BRR模型,R^(2)分别达到0.90和0.92;相较于BRR模型和SVR模型,PLSR模型在不同时期和不同参数组合下,最高R^(2)仅为0.75;基于2020年数据,以三种不同的参数组合作为输入时,两时期估算结果均为BRR模型最优,且分化期建模精度高于抽穗期(R^(2)至少增加0.02,NRMSE至少降低0.61%);当输入参数组合为全波段光谱协同作物群体长势参数、作物养分吸收量时,BRR模型对产量的估算精度达到最高,R^(2)为0.94。分析认为产量的最优监测时期是分化期,最优监测模型为BRR模型。研究结果可为水稻产量的早期遥感监测提供参考。; 竞霞张杰张杰明世康傅友强傅友强冯海宽; 关键词：高光谱遥感支持向量回归

采用IRS-P6遥感数据监测密云水库水质及评价营养状况被引量：7: 2008年; 为了解密云水库水体营养状态的空间分布特点及规律,防止水体向富营养化状态发展,该文利用IRS-P6卫星影像对密云水库水质进行监测。探讨了利用IRS-P6遥感数据定量反演密云水库Chla浓度的方法,借助半经验回归模型进行密云水库水体Chla浓度提取。在此基础上利用修正卡尔森指数法评价密云水库水体富营养化程度,并给出了密云水库水体不同营养状态空间分布图。2005年11月的监测结果表明,密云水库水体营养状态整体处于中营养化水平,东库区水体富营养化程度高于西库区。; 竞霞黄文江王纪华王婷王锦地; 关键词：遥感密云水库水质叶绿素A 富营养化

SISP指数探测小麦病害方法和SISP指数构建方法: 本发明公开了一种SISP指数探测小麦病害的方法，其包括：利用归一化植被指数(NDVI)和重归一化植被指数(RDVI)对日光诱导叶绿素荧光(SIF)和光化学指数(PRI)进行处理；利用SIF和PRI构建协同冠层SIF和PR...; 竞霞闫菊梅邹琴

基于时相和波谱信息的作物分类研究: 利用遥感图像进行作物分类是遥感应用领域的一项重要研究内容。国内外的学者对遥感图像分类算法研究的也比较多。但总的来说,目前还没有一种算法是普适的和最优的。这是由于作物类别的复杂性以及遥感信息的综合性决定的,又加上混合光谱的...; 竞霞; 关键词：时相波谱遥感; 文献传递

基于改进遥感生态指数的西安市长安区生态环境评价研究: 2023年; 基于遥感影像提取各生态指标,并运用组合权重法构建改进的遥感生态指数(RSEI),在探究其时空分异的基础上,选取地形、人口密度等自然-社会因子,采用地理探测器探究改进遥感生态指数时空变化的驱动因素,进一步探究自然-社会因子复合下西安市长安区的生态环境质量时空变化。结果表明:改进RSEI在2006—2019年由0.594 1增长至0.639 1,研究期间先降低再上升,生态环境质量总体呈好转态势;改进RSEI在长安区南部秦岭及周边地区较高,而长安区北部地区如高桥乡、长安区等经济发展迅速的地区较低;绿度、湿度和土地利用对遥感生态指数空间分异性解释力较大,是影响遥感生态指数的主要因子,其中绿度解释力最大,q值为0.952;2006—2019年自然∩自然复合因子为区域第一主导交互因子,其次为自然∩社会耦合,其q平均值分别为0.866 5和0.819 0。长安区生态环境总体上呈现好转态势,且其时空变化是自然和社会因子复合下的结果。; 张雪颖竞霞; 关键词：生态环境

采用IRS-P6遥感数据监测密云水库水质及评价营养状况: 为了解密云水库水体营养状态的空问分布特点及规律,防止水体向富营养化状态发展,该文利用IRS-P6卫星影像对密云水库水质进行监测。探讨了利用IRS-P6遥感数据定量反演密云水库Chla浓度的方法,借助半经验回归模型进行密云...; 竞霞黄文江王纪华王婷王锦地; 关键词：遥感密云水库水质叶绿素A 富营养化; 文献传递

中国区域2007~2018植被荧光时空变化与气候响应模式研究: 2022年; 基于GOME-2卫星日光诱导叶绿素荧光(SIF)产品数据集,对2007~2018年中国区域SIF进行时空变化分析,探讨了中国区域SIF对气温、降水、辐射等气候变化的响应。结果表明:(1)中国植被区域SIF总体上呈现从东南向西北递减的空间分布,12 a间年均SIF增加了20.2%,增幅达0.034 mW/m2/sr/nm,增加区域占比为80.3%,呈显著增长区域占比25.7%,增长区域主要分布在植被较为密集的中国东部、南部和东北部。(2)季节尺度上,夏季SIF增加的区域和幅度最大,增幅达0.065 mW/m2/sr/nm,增加区域占比为82.1%,呈显著增长的区域占比19.4%,SIF增长区域与年均SIF的趋势基本一样。春季和秋季SIF总体也是呈增长的趋势,而冬季只在中国南部增长趋势明显。(3)与气候因子的偏相关响应分析表明,在寒温带针叶林区域,气温是SIF增长主要的影响因子;在暖温带及温带植被区域,降水是SIF增长主要的影响因子;在亚热带常绿阔叶林区域,影响SIF增长的更可能是人类活动;对处于较低纬度地区的热带季风雨林区域来说,辐射是SIF增长的主要影响因子。研究结果揭示了2007~2018年间的中国区域植被荧光时空变化规律及其与气候变化间的响应关系,可为全球碳循环研究提供必要的数据支撑。; 严致荣刘良云竞霞; 关键词：气候响应

日光诱导叶绿素荧光与反射率光谱数据监测小麦条锈病严重度的对比分析被引量：13: 2019年; 小麦条锈病是影响我国小麦产量的主要病害之一,在小麦受到条锈病菌侵染初期探测到病害信息,对小麦条锈病的防控以及产量和品质的提高具有更为重要的意义。反射率光谱主要反映植被生化组分的浓度信息,而日光诱导叶绿素荧光则对植物光合生理变化响应灵敏。为了更好地实现小麦条锈病病情严重度的遥感探测,尤其是条锈病的早期探测,对日光诱导叶绿素荧光和反射率光谱数据监测小麦条锈病病情严重度的敏感性进行了对比分析。首先利用地物光谱仪测定了不同病情严重度的小麦冠层光谱数据,基于夫琅和费暗线原理利用3FLD(three-band Fraunhofer Line Discrimination)方法提取了小麦条锈病不同病情严重度下的日光诱导叶绿素荧光数据,然后分别利用反射率光谱数据和日光诱导叶绿素荧光数据构建小麦条锈病不同发病状态下的遥感探测模型,并通过保留样本交叉检验方式对预测模型精度进行了评价。结果表明:(1)当小麦条锈病病情指数低于20%时,日光诱导叶绿素荧光对小麦条锈病病害信息的响应比反射率光谱数据更为敏感,以日光诱导叶绿素荧光为自变量构建的小麦条锈病病情严重度预测模型达到了极显著性水平,能够在植被叶绿素含量或叶面积指数发生变化之前探测到植物的胁迫状态,实现作物病害的早期诊断,而反射率光谱数据则难以探测到条锈病病害信息;(2)在小麦条锈病病情严重度处于中度发病(20%45%)时,利用反射率光谱数据和日光诱导叶绿素荧光数据构建的小麦条锈病病情严重度预测模型均达到了极显著性水平,两种数据均能够较; 赵叶竞霞黄文江董莹莹李存军; 关键词：小麦条锈病植被指数病情严重度

融合GA与SVR算法的小麦条锈病特征优选与模型构建被引量：6: 2020年; 为提高小麦条锈病遥感监测精度,综合利用反射率光谱在作物生化参数探测方面的优势和叶绿素荧光在光合生理诊断方面的优势,构建了冠层日光诱导叶绿素荧光(Solar-induced chlorophyll fluorescence,SIF)协同反射率光谱吸收参量的初始特征集合,并基于融合遗传算法(Genetic algorithm,GA)和支持向量回归(Support vector regression,SVR)算法对初始特征集合与SVR参数进行联合优选,确定遥感监测小麦条锈病严重度的敏感因子,建立基于GA-SVR算法的小麦条锈病遥感监测模型,并将其与相关系数(Correlation coefficient,CC)分析法提取特征参量构建的CC-SVR模型精度进行对比。小区试验数据验证结果表明,融合GA和SVR算法优选特征参量构建的GA-SVR模型精度优于CC-SVR模型,3个样本组中GA-SVR模型预测病情指数(Disease index,DI)与实测DI间的决定系数R2比CC-SVR模型至少提高了2.7%,平均提高了17.8%,均方根误差(Root mean square error,RMSE)至少减少了10.1%,平均减少了32.1%。大田调查数据进一步验证了利用GA-SVR算法对小麦条锈病遥感监测的敏感因子进行优选及模型构建能够提高小麦条锈病遥感监测精度,研究结果为实现大面积高精度遥感监测作物健康状况提供了思路。; 竞霞张腾白宗璠黄文江; 关键词：小麦条锈病

竞霞

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

竞霞

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈