共查询到20条相似文献，搜索用时 265 毫秒
1.
海岸线是多年平均大潮高潮所形成的海水和陆地分界线的痕迹线,遥感技术可以提供大范围的海岸线动态监测。传统的硬分类方法提取海岸瞬时水边线是基于像元级的基础上进行的,其提取的精度较低;然而利用亚像元分解方法在复杂海岸地带上提取海岸瞬时水边线,是一项既新颖又具有挑战性的任务。因此,提出一种改进的亚像元海岸瞬时水边线提取方法(Improved Sub-pixel Coastal Waterline,ISPCW)可以获得较高的海岸瞬时水边线提取精度。首先,使用了一种水体-植被-不透水层-土壤模型(Water-VegetationImpervious-Soil,W-V-I-S)用于检测和确定海岸地带的W-V-I-S混合像元和纯净端元光谱;随后使用全约束最小二乘法(Fully Constrained Least Squares,FCLS)估计W-V-I-S混合像元中水体丰度值;最后使用空间吸引力模型获得海岸瞬时水边线。在上海实验区中,采用EO-1高光谱数据,将ISPCW方法和传统的多端元光谱混合分析(Multiple Endmember Spectral Mixture Analysis,MESMA)、混合调谐匹配滤波法(Mixture Tuned Matched Filtering,MTMF)、连续最大角凸锥(Sequential Maximum Angle Convex Cone,SMACC)、能量约束最小化(Constrained Energy Minimization,CEM)混合像元分解方法和归一化水体指数(Normalized Difference Water Index,NDWI)进行对比。实验结果表明,ISPCW方法用于提取海岸瞬时水边线获得较好的效果,其精度达到0.38个像元,与MESMA、MTMF、SMACC、CEM和NDWI方法相比,精度分别提高了22.4%、33.3%、42.4%、43.2%和51.3%,可以更有效的应用于高光谱海岸瞬时水边线提取。 相似文献
2.
3.
利用遥感手段快速准确地提取海岸线,是目前海洋科学研究、地形图测绘、海道测量、海岸带与海岛调查等工作的重要内容。本文以基岩海(岛)岸线为研究对象,在对机载LiDAR点云数据的存储格式、处理流程进行了分析后,基于平均大潮高潮面和激光反射强度,利用TerraSolid软件过滤LAS格式的LiDAR数据,初步获得海岛点云,随后引入Alpha Shapes模型算法自动提取海岛岸线并同步实现了噪音点的剔除。经与高分辨率卫星影像叠加对比分析,本文方法提取的海岛岸线平面精度较高,且具有良好的自适应性、速度快、稳定性高等特点,非常适合基岩海(岛)岸线提取与绘制。 相似文献
4.
5.
一种快速提取甘薯基因组DNA方案的建立 总被引：3，自引：0，他引：3
建立了一种小量快速提取甘薯基因组DNA的方法。用该法以甘薯幼叶为实验材料,用小量快速法提取甘薯基因组DNA。提取的DNA经酶切、琼脂糖凝胶电泳检测,结果表明DNA质量较好,所提取的DNA可用于RAPD、AFLP等技术。此方法具有提取速度快、利于规模化提取、DNA质量好和经济实用等优点,为甘薯及其它相关植物基因组DNA的提取提供了一种快速、简便的途径。 相似文献
6.
用回流提取法、水蒸汽蒸馏法、快速提取法对丁香花蕾中丁香油提取进行了比较,并确定丁香花蕾中丁香油的最佳提取方法和条件。结果表明,快速提取法比回流提取法、水蒸汽蒸馏法提取效率高,快速简便。快速提取法提取丁香油的最佳条件为:原料与水比为1∶10,提取回流时间为90m in,产品收率达12.96%,且含丁香酚95.38%。 相似文献
7.
8.
微波技术应用于香椿叶片黄酮浸提的研究 总被引：1，自引：0，他引：1
以香椿叶为原料,研究了微波技术在香椿黄酮浸提中的应用.试验通过改变溶剂浓度、提取时间、料液比等条件对香椿黄酮提取得率的影响进行了探讨,并比较了传统浸提法、微波法、微波结合浸提法三种方法的提取.结果表明微波法提取香椿黄酮是一种快速、高效、节能的新型提取方法,具有一定的实用价值. 相似文献
9.
通过对高分辨率遥感影像线状地物特征分析,提出了一种基于矩形模板匹配的高分辨率遥感影像线状地物提取方法.该方法由用户选取矩形种子区域,自动定义匹配区域,进行种子区域与匹配区域的最小二乘匹配,从而实现线状地物的半自动提取.与剖面匹配法和角度纹理法的对比实验研究结果表明,矩形模板匹配法能够快速、准确地提取出高分辨率遥感影像中的线状地物,节省了时间和人力. 相似文献
10.
11.
12.
土壤质地影响土壤持水持肥性和透气性，进而驱动一系列与土壤有关的物理化学过程，结合高效快速的遥感技术预测土壤质地空间分布，对土壤质量评价与农业生产规划具有重要的理论和实践意义。本文从遥感预测土壤质地的数据、方法和模型的应用出发，介绍了用于土壤质地遥感预测的雷达、地形和植被指数等辅助数据，提出了光谱响应、特征波长选择和遥感解译这三种基于遥感特征预测土壤质地空间分布的方法，梳理了统计学、地统计学和机器学习这三类模型与遥感结合对土壤质地空间预测的应用效果，总结了几种典型方法的优缺点与适用情况，并分析了遥感预测土壤质地的应用条件和精度验证方法，最后提出未来研究需侧重于深入提取各种遥感光谱特征、利用遥感技术获取多类型环境变量和开发土壤物理属性与数据驱动机器学习特征相结合的多算法混合模型，旨在为开展不同区域尺度下土壤质地空间预测研究提供依据与技术支撑。 相似文献
13.
从高分辨率影像提取流域土地利用类型分类方法入手,介绍了面向对象的遥感分类方法及其在高分辨率遥感影像分类中的应用优势,并以ENVI软件的面向对象分类模块为基础平台,实现了利用SPOT5高分辨率遥感影像对乡宁县红土沟流域土地利用类型的提取。结果表明,面向对象的遥感分类方法在高分辨率遥感影像分类中具有很高的精度,是一种行之有效的高分辨率遥感分类方法。 相似文献
14.
15.
基于遥感手段的森林类型/树种（组）的精准识别是森林参数提取和计算的前提,是林业遥感领域的研究前沿,可为宏观尺度快速获取森林资源信息提供重要途径。对多源遥感数据在森林树种识别中的应用研究进行总结分析发现,当前基于遥感数据的树种识别已成为林业遥感的研究热点。利用卫星遥感数据和近地低空遥感数据结合随机森林、支持向量机等分类方法进行树种识别已相对成熟。近年来,无人机技术不断发展,以其灵活性强的特点在林业中有较强的应用潜力,在计算机技术、数字图像处理技术和机器学习领域不断发展成熟背景下,低空遥感数据结合深度学习技术应用于森林树种的精确识别是值得深入研究的科学问题。 相似文献
16.
森林资源分布具有辽阔性、复杂性、通达性差等特点,而遥感技术具有宏观、动态、便捷、可周期重复和成本低等优点,成为研究森林资源状况的理想手段。目前,在森林遥感应用中,多源遥感数据的提供能力越来越强。但由于遥感信息的综合性、复杂性,遥感信息处理技术相对落后。基于不同区域、不同季相和不同背景特征的森林遥感分类技术远未成熟。利用中巴资源卫星遥感数据,经过图像处理(包括图像的校正、图像的增强和图像的分类等),获取样地的灰度值,结合少量地面实测样地资料,通过线性回归建立森林郁闭度的数学模型,并进行检验以确保估测的精度,为林业生产和建设提供依据。 相似文献
17.
【目的】分析Landsat 8 OLI卫星遥感影像数据面向农用地分类的实际应用方法和效果,以新疆奇台县南部为研究对象。【方法】使用随机森林(RF)、支持向量机(SVM)和神经网络(Neural Net)三种分类器进行研究区农用地分类对比。【结果】通过对三种分类器参数设置参数精度检验,利用上述三种算法对农用地地物分类进行精度评价,在整体分类精度中,支持向量机算法(SVM)<随机森林算法(RF)<神经网络算法(Neural Net),分类精度分别为:90.75%,94.30%和94.84%。【结论】神经网络方法(Neural Net)在该地区的农用地物整体分类上,比支持向量机(SVM)和随机森林法(RF)相比具有一定的优势,并获得较好的分类精度。 相似文献
18.
19.
20.
用PLS算法由HJ-1A/1B遥感影像估测区域冬小麦理论产量 总被引：1，自引：0，他引：1
【目的】作物遥感估产是遥感技术在农业生产中研究与应用的重点领域,能够向大田区域生产提供及时可靠的产量信息,准确地估测作物产量,对于确保国家粮食安全,制定社会发展规划,指导和调控宏观种植业结构调整,提高涉农企业与农民的经营管理水平具有重要意义,为进一步提高遥感估产精度,显示国产影像在农业估产中的应用效果。通过筛选冬小麦理论产量的敏感遥感变量,构建基于国产影像的理论产量遥感估测模型,实现区域冬小麦理论产量遥感估测,为及时了解不同生态区域冬小麦产量丰欠变化趋势提供参考。【方法】以2010年4月26日、2011年4月28日、2012年4月28日和2013年5月2日冬小麦开花期四景HJ-1A/1B影像为遥感数据,提取出13个遥感变量,以江苏省泰兴、姜堰、仪征、兴化、大丰5县作为试验采样区,于各实验区选取具有代表性的样点进行采样,并于室内进行测定,将335个实测的冬小麦理论产量样本按3﹕2比例分成建模集和验证集样本,依据估算残差平方和处于最小值确定模型所需主成分数,将决定系数、均方根误差和相对误差为模型评价参数,利用建模集样本分析了卫星遥感变量与冬小麦理论产量的定量关系,运用偏最小二乘回归算法构建及验证了以理论单产为目标的多变量遥感估产模型,将其算法模型估产效果与线性回归算法和主成分分析算法模型进行比较,并制作了冬小麦理论产量空间等级分布图。【结果】理论产量与所选的大多数遥感变量间关系密切,且多数遥感变量两两间具有极显著的多重相关性;理论产量偏最小二乘回归模型的最佳主成分数为4,且结构加强色素植被指数、归一化植被指数、绿色归一化植被指数和植被衰减指数为理论产量遥感估测的敏感变量;经建模集和验证集评价,理论产量估测模型的决定系数分别为0.79和0.76,均方根误差分别为720.45和928.05 kg·hm-2,相对误差分别为11.45%和13.92%,且估测精度比线性回归算法分别提高了25%以上和27%以上,比主成分分析算法分别提高了15%以上和16%以上,说明偏最小二乘回归算法模型估测区域理论产量的效果明显好于线性回归和主成分分析算法,且具有较强的应用能力。【结论】该模型应用结果与冬小麦理论产量实际区域分布情况相符合,为提高遥感对区域冬小麦理论产量的估测精度提供了一种有效途径,有利于大面积应用和推广。 相似文献