胡丹娟
- 作品数：4 被引量：18H指数：3
- 供职机构：中国矿业大学（北京）地球科学与测绘工程学院更多>>
- 发文基金：国家科技支撑计划国家自然科学基金更多>>
- 相关领域：农业科学自动化与计算机技术天文地球更多>>
- 联合主成分分析与最小二乘支持向量机估测冬小麦叶面积指数被引量：3
- 2014年
- 利用单一植被指数估测叶面积指数存在高光谱遥感丰富的波段信息易丢失和外界因素干扰大的缺点,但若将波段信息全部引入模型又会增加建模难度。为解决利用多波段信息估测叶面积指数的问题,利用主成分分析法(PCA)对光谱数据进行降维,之后将提取的主成分与最小二乘支持向量机(LS-SVM)模型相结合,构建冬小麦叶面积指数的高光谱估测模型,并与以4类植被指数作为LS-SVM输入参数建立的模型进行比较。结果表明,以主成分作为LS-SVM模型的输入参数建立的模型精度最高,模型检验集R2为0.71,检验集RMSE为0.56,估测结果较使用植被指数作为输入参数建立的模型精度高,稳定性好。该方法可为利用多波段信息进行大范围冬小麦叶面积指数的无损测定提供参考。
- 蔡庆空蒋金豹陶亮亮胡丹娟崔希民
- 关键词：最小二乘支持向量机冬小麦叶面积指数植被指数主成分分析
- 基于改进的BP神经网络裸露地表土壤水分反演模型对比被引量：7
- 2016年
- 土壤水分对于全球水循环十分重要,大面积、快速获取土壤水分信息具有重要意义。微波遥感数据可以用于反演土壤水分。以Matlab为平台建立BP神经网络,通过改进BP神经网络的权值、阈值和网络结构,对该算法进行了优化;在研究区范围,分别利用积分方程模型(integral equation model,IEM)、Oh模型、Shi模型生成模拟数据,训练改进的BP神经网络,构建裸露地表土壤水分反演模型,并用野外实测土壤水分数据对模型进行了验证。结果表明,改进后的BP神经网络算法反演精度明显提高,且Shi模型训练网络反演精度较其他2种模型更高,绝对误差为2.47 g/cm3,相对误差仅为7.78%。
- 胡丹娟蒋金豹陈绪慧李京
- 关键词：微波遥感土壤水分反演模型
- 基于两种方法的铝土矿蚀变信息提取被引量：1
- 2015年
- 采用两种方法相结合提取矿物蚀变信息,能够有效地减少伪异常信息,提高信息提取精度与效率。以河南省铝土矿区为研究区,引入主成分分析、独立成分分析分别提取研究区蚀变信息,并求得两种方法分析结果的交集。采用16个实地勘探矿床点数据资料进行结果分析,发现通过两种方法提取共同蚀变信息区,可以大大缩小野外勘探面积,减少野外勘探工作量,提高工作效率,对利用遥感技术圈定成矿靶区具有重要的指导意义。
- 陈绪慧胡丹娟袁立男
- 关键词：铝土矿主成分分析蚀变信息
- 基于MIMICS模型的麦田地表土壤含水量反演研究被引量：7
- 2015年
- 为尝试联合应用光学与微波遥感数据反演小麦覆盖区土壤含水量的可行性,收集了2014年3月28日RADARSAT-2微波数据和2014年3月24日Landsat8光学数据,同时开展了地面同步试验,测量了49个点的地面数据。首先根据地面实测数据优化了光学遥感反演地表小麦含水量模型,然后利用MIMICS模型和AIEM模型模拟研究区后向散射系数生成训练数据集,再以Matlab为平台建立BP神经网络、SVM(Support Vector Machine)、MEA-BP(Mind Evolutionary Algorithm-Back Propagation)神经网络、LS-SVM(least squares support vector machine)方法模型,构建小麦覆盖区地表土壤含水量反演模型,最后利用地面实测数据对反演模型进行了精度验证。结果表明,以LS-SVM方法构建的小麦覆盖区地表土壤含水量反演模型的精度最好,其RSME为0.010,相对误差为6.57%。说明联合应用光学与微波遥感数据,并结合简化MIMICS模型构建小麦覆盖区地表土壤含水量反演模型,其反演精度较高且具有可行性。
- 蒋金豹胡丹娟刘益青汤勰李京
- 关键词：土壤含水量LS-SVM反演模型
