共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
《天津农业科学》2014,(9):28-33
本研究通过对南疆盆地主栽5种果树(苹果、香梨、核桃、红枣、杏)的冠层光谱数据进行特征参量的选取,旨在提高林果树种的树种分类精度并筛选出用于这5种树种的冠层光谱树种识别的有效特征参量,从而为完善高光谱果树树种识别研究中大量数据处理的方法提供参考依据。试验采用美国PP Systems公司生产的UniSpec-SC(单通道)便携式光谱分析仪对不同树种的冠层进行光谱测量,利用逐步判别分析法对高光谱数据进行树种识别与有效特征参量的选择。结果表明,采用特征参量进行树种识别的总分类精度可达到86.67%,明显高于全波段参与下的72.00%。逐步判别分析法入选的有效特征参量为蓝边面积、蓝边斜率、黄边面积、近红外平台、红边面积、蓝边位置、黄边位置、红边位置。 相似文献
3.
《浙江农林大学学报》2017,(6)
为建立果树花期树种识别的有效模型,利用ASD Field Spec 3全波段便携式光谱分析仪采集了4种果树花期花的光谱数据。利用剔除异常光谱、5点移动平滑等技术对4种果树花期花的光谱反射率进行预处理,使用连续投影算法(SPA)进行有效波长选取并获得7个波长下的反射光谱,同时增加了590 nm和720 nm处2个波形差异大的光谱,与归一化植被指数(INDV)和比值植被指数(IRV)共11个特征波段作为分类建模数据,建立了偏最小二乘判别分析(PLS-DA),正交偏最小二乘判别分析(O-PL-DA)和基于误差反向传播算法的多层前向神经网络(BP)算法3种识别模型。结果表明:对测试样本的识别率由高到低依次为BP(93.90%)O-PLS-DA(81.82%)PLS-DA(76.36%)。综合研究认为:在优选波段的基础上,对果树花期树种判别应优选BP神经网络模型。 相似文献
4.
古尼沙·库尼亚孜 《新农村(黑龙江)》2012,(7):138-139
杏树是新疆栽培历史最长、面积最大、产量最多的果树树种之一,也是南疆农民脱贫致富奔小康的主要经济增长点之一。本文主要阐述了新疆杏的特点、主栽优良品种、生长习性及栽培技术。 相似文献
5.
基于HJ卫星遥感数据的林果光谱特征分析 总被引:5,自引:0,他引:5
[目的]利用卫星遥感数据分析林果与其他地物的差异,并对林果中的苹果、香梨、核桃、红枣四种果树之间的差异性进行试验性研究,为林果区提取和果树树种识别提供理论依据.[方法]以新疆阿克苏市为研究区,以HJ卫星数据为数据源,结合当地实地调查资料,采用光谱分析法、归一化差值植被指数(NDVI)时序数据变化分析方法以及微分变换(d1[ log( 1/Rλ)])方法,对林果与其他地物的差异性和果树之间的差异性进行分析.[结果](1)林果与其他地物在5月时相上的差异显著;(2)4和11月两个时相上的微分变换数据显示,红枣和核桃与其他两种果树差异明显,苹果和香梨相近.[结论](1)利用HJ星遥感数据能对林果区进行准确提取:(2)利用HJ - CCD数据可以识别红枣和核桃,苹果和香梨的识别较难,有待进一步研究. 相似文献
6.
【目的】研究运用近红外光谱技术结合化学计量学实现快速检测新疆南疆果树残枝中纤维素、半纤维素和木质素含量。【方法】以150个从新疆南疆各地采集的果树残枝样本为材料,利用近红外光谱技术结合偏最小二乘法(PLS),采用不同的预处理和特征波段筛选方法优化各纤维组分含量的预测模型。【结果】SG卷积平滑法预处理结合竞争性自适应权重取样法(CARS)优选特征波段建立的3种纤维组分近红外检测模型效果最优,相关系数r分别为0.950 3、0.948 7和0.937 1,决定系数R2分别为0.900 8、0.896 5和0.875 1,校正标准偏差RMSEC分别为0.007 0、0.005 4和0.005 1,预测标准偏差RMSEP分别为0.011 8、0.008 9和0.008 8。【结论】采用近红外光谱技术能够实现新疆南疆果树残枝纤维素、半纤维素和木质素三组分的快速定量检测。 相似文献
7.
基于BP神经网络的木材近红外光谱树种识别 总被引:2,自引:0,他引:2
《东北林业大学学报》2015,(12)
利用木材近红外光谱数据建立反向传播(BP)神经网络模型,实现对木材树种的分类识别。以桉木、杨树、落叶松、马尾松、樟子松5个树种的296个样本的近红外光谱数据为研究对象,运用主成分分析对光谱数据进行降维,并以处理后的主成分数据作为分类模型的输入变量,分别建立了不同属的桉树和杨树以及同属的落叶松和樟子松的BP神经网络二分类模型;建立了桉木、杨树、落叶松、马尾松、樟子松5个树种的BP神经网络识别模型,并利用遗传算法和粒子群算法对5树种分类模型进行优化。结果显示,对于不同属木材,BP神经网络模型树种识别率可达100%,对于同属木材树种识别率也可达85%以上;对所建立的5树种识别模型,BP神经网络树种识别率有所下降,但正确识别率也均可达到75%以上,经过遗传算法和粒子群算法对模型的优化,木材树种平均识别率可分别达到84%和87%以上,表明遗传算法和粒子群算法可以有效提高木材树种识别率。 相似文献
8.
9.
为实现杏树叶片含水率数据的准确获取,对新疆南疆杏树的节水灌溉提供科学指导,本研究使用近红外光谱技术对杏树叶片含水率进行预测。采集1 000~1 800 nm范围内‘小白杏’叶片的光谱数据,使用多元散射校正(MSC)、标准正态变量变换(SNV)、均值中心化(MC)、归一化处理(Nor)4种方法对原始光谱进行预处理,采用竞争性自适应重加权算法(CARS)及随机蛙跳算法(RF)获取特征波段,分别建立基于不同预处理方法的全波段及特征波段的偏最小二乘回归(PLSR)和BP神经网络预测模型。结果表明MSC为最佳预处理方法,最佳预测模型为MSC-CARS-BP神经网络模型,所建模型预测相关系数Rp为0.986,预测均方根误差RMSEP为0.404,剩余预测偏差RPD为6.09,模型具有较好的预测能力,因此近红外光谱技术可以用于杏树叶片含水率的快速检测。 相似文献
10.
基于包络线法的不同树种叶片高光谱特征分析 总被引:4,自引:0,他引:4
高光谱遥感的出现使树种的精细识别成为可能,而高光谱数据具有波段多、数据量大、冗余度大等特点,利用高光谱遥感技术进行树种鉴别时,光谱特征的选择及提取是个非常重要的过程。选择了樟树Cinnamomum camphora,麻栎Quercus acutissima,马尾松Pinus massoniana和毛竹Phyllostachys pubescens 4个树种,利用包络线去除法对ASD高光谱仪实测的原始光谱数据处理,比较原始光谱和包络线去除曲线图,选择差异较大的波段用于识别不同树种,用欧氏距离法检验所选择的波段识别不同树种的效果。结果证明,利用波段较窄的高光谱数据能够挖掘出不同树种的光谱差异,实现不同树种的鉴别;包络线去除法能够有效解决高光谱数据冗余的问题,对4个树种叶片的高光谱进行波段选择,能够将有效波段减少到8个,为484 ~ 493,670 ~ 679,971 ~ 980,1 162 ~ 1 171,1 435 ~ 1 444,1 773 ~ 1 782,1 918 ~ 1 927和2455 ~ 2464 nm,并得到较理想的树种鉴别效果。图5表2参11 相似文献
11.
滇西北高寒山区云冷杉高光谱差异性研究 总被引:1,自引:0,他引:1
《西北林学院学报》2017,(2)
高光谱遥感技术的出现为森林树种精细识别,特别是针叶林类型识别提供了新的解决思路。通过ASD FieldSpec 3光谱辐射仪对滇西北高寒山区的典型树种云冷杉叶片光谱数据进行测量,并利用光谱微分法对云冷杉原始光谱数据进行处理,分析不同原始光谱、光谱一阶微分、光谱二阶微分曲线图,从中选择能有效区分云冷杉的特征波段,利用欧氏距离对不同方法所选择的波段进行区分度检验。结果表明,能够对云冷杉进行精细识别的特征波段大部分位于近红外波段,原始光谱差异最大波段的位于1 340~1 349nm,一阶微分和二阶微分差异最大波段都位于990~999nm。研究结果将为森林树种精细识别,特别是为针叶林类型精细识别领域提供可靠经验与技术支撑。 相似文献
12.
基于可见/近红外光谱识别东北地区常见木材 总被引:2,自引:2,他引:0
探索可见/近红外光谱识别生长锥取得的木材样品的可行性,为野外木材检测提供方法。木材品种涉及东北地区常见的14个树种,木材样品由生长锥南向北方向钻取树木1.3 m胸高处得到,观测木样的可见/近红外光谱并采用导数、对数与平滑处理,运用距离法建立识别模型,测试并分析不同光谱预处理方法对可见/近红外光谱木材识别准确率的影响。结果显示:在不使用平滑处理时,使用一阶导数处理之后的光谱木材树种识别的准确率(96.79%)明显高于二阶导数(78.57%)和三阶导数(75.00%)。在使用导数和平滑处理时,使用二阶导数(98.21%)或三阶导数(98.21%)处理之后的光谱用于识别的准确率略高于一阶导数(97.50%)。单独使用平滑处理不能提高模型预测准确率,单独使用导数处理可以提高模型预测准确率。在最优的参数设置下使用导数和平滑处理时,使用S-G导数平滑(98.42%)和Norris导数滤波(98.57%)的效果无明显差异。 相似文献
13.
结合多尺度纹理特征的高光谱影像面向对象树种分类 总被引:1,自引:0,他引:1
14.
15.
16.
吉林蛟河主要树种叶片光谱分类 总被引:1,自引:0,他引:1
运用实验室测量的阔叶红松林的叶片光谱数据,对吉林蛟河实验区的主要树种(红松、白桦、白牛槭、春榆、裂叶榆、蒙古栎、青楷槭、色木槭和紫椴等)的叶片进行分类研究。结果表明:实验室测量叶片光谱数据,针阔树种分类精度达到100%;所有树种分类精度为80%~100%。运用波段响应函数分别模拟多光谱传感器GEOEYE-1、RAPIDEYE和WORDVIEW2的光谱,可以有效区分针阔树种,分类精度为71.6%~100.0%;所有树种分类精度为47.3%~74.0%。 相似文献
17.
基于Landsat 8 OLI辅助的亚米级遥感影像树种识别 总被引:4,自引:2,他引:2
为研究高空间分辨率遥感影像与多光谱遥感影像协同进行面向对象树种识别的有效性,本研究以QuickBird高空间分辨率(全色0.61 m)和Landsat 8 OLI(30 m)遥感影像为基础数据,在分类的过程中采用2种分割方案(有Landsat 8 OLI遥感影像辅助的QuickBird遥感影像分割和无Landsat 8 OLI遥感影像辅助的QuickBird遥感影像分割)进行多尺度分割,对2种分割方案进行比较。基于QuickBird遥感影像和Landsat 8 OLI遥感影像提取光谱、纹理、空间3方面68种分类特征,应用最邻近分类法和支持向量机分类方法进行面向对象树种分类,采用相同的分类系统、统一的分割尺度以及同一套验证样本,利用Kappa系数、总精度、生产者精度和用户精度4个评价指标进行精度评价。结果表明:单独使用QuickBird高空间分辨率遥感影像的分割结果优于QuickBird高空间分辨率遥感影像与Landsat 8 OLI遥感影像协同分割的结果,最优分割阈值与合并阈值分别为25和90。在最优分割结果的基础上,多光谱Landsat 8 OLI遥感影像与QuickBird高空间分辨率遥感影像协同进行面向对象分类,最邻近分类法和支持向量机分类方法的分类总精度分别为85.35%(Kappa=0.701 3)和88.12%(Kappa=0.853 6);单独使用QuickBird高空间分辨率遥感影像进行面向对象分类,2种方法的分类总精度分别为79.67%(Kappa=0.693 9)和83.33%(Kappa=0.792 5)。QuickBird遥感影像在Landsat 8 OLI遥感影像辅助下,分类结果的地物边界更加清晰,总体精度及主要树种识别精度均得到了提高。研究成果应用在实地森林调查与区划时可有效缩短调査时间、减少调查成本、降低劳动强度、提高成果质量。 相似文献
18.
在陕北黄土丘陵沟壑区,采用单一传感器的遥感影像提取土地利用信息,存在着识别的土地利用类别少、某些类别混分现象较严重、分类结果的精度较低等问题。以TM多光谱数据和SPOT全色光谱数据的融合为例,提出了适宜于该地区的两种影像融合方法:主成分变换法和乘积运算法,并从影像的光谱质量、纹理信息和目视效果等方面对其进行了对比与评价。结果显示,主成分变换法为较理想的融合方法。以陕北无定河流域为实验样区的土地利用自动分类结果表明,该方法的应用使土地利用各类别的提取精度都有不同程度的提高;水体、水田和城镇用地等面积较小的类别分类正确率提高达到10%以上;坡耕地与林草地的混分明显减少,分类精度均提高了5%以上;分类总精度从82.0%提高到89.2%,取得了良好的分类效果。此研究对于遥感影像融合技术的评价与应用进行了有益的探索,同时为该地区的土地利用动态监测提供了关键技术。 相似文献
19.
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
20.
草原植被的分布与面积是草原退化评定的重要指标。以荒漠化草原植被为研究对象,在内蒙古四子王旗试验区域自然光下采植被的高光谱数据,通过构建植被光谱特征指标阈值对植被覆盖地区与非植被覆盖地区进行识别和分类,为低空高光谱遥感进行大面积的识别及数量统计提供依据,为高效,适时的草原监测和退化评价提供理论和技术手段。选择具有代表性归一化植被指数NDVI分析数据规律。结果表明:荒漠化草原阈值区间为0.01~0.9,其中植被阈值区间为0.4~0.9,非植被阈值区间为0.01~0.4,当NDVI阈值取0.4时对有无植被覆盖分类明显,经Kappa系数验证精度达96.2%。高精度的植被识别为后续无人机高光谱遥感提供数据数据支持及理论基础。 相似文献