排序方式： 共有12条查询结果，搜索用时 15 毫秒
1.
2.
3.
4.
5.
基于无人机遥感的高潜水位采煤沉陷湿地植被分类 总被引：4，自引：0，他引：4
为了掌握采煤沉陷湿地植被的类别和空间分布,促进矿区土地利用、管理和修复,以山东省济宁市东滩煤矿3304工作面为研究区,以无人机多光谱影像为数据源,分别采用面向对象的分类方法和监督分类方法对研究区湿地植被进行分类。基于优选的面向对象尺度分割参数,确定分类规则后构建面向对象分类模型,对湿地植被进行分类,生成植被分布图。同时,利用野外获取的322个采样点进行精度验证。结果表明:与基于像元的监督分类方法相比,面向对象分类方法显著提高了影像分类精度。监督分类方法总体精度为44. 3%,Kappa系数为0. 4;面向对象分类方法总体精度达到84. 2%,Kappa系数为0. 8。该研究为采煤沉陷区湿地调查与开采沉陷影响下地表植被空间分布规律研究提供了方法与基础数据。 相似文献
6.
7.
计算机在林火监测中的应用任海，任河１．预测森林火灾的计算机系统美国林务局的科学家建立一个名为“Ｍｅｔａｆｉｒｅ”的用于预测森林火灾的计算机系统。该系统收集储存了来自全美国６００个气象台（站）的地面和高空气象资料、干旱资料及以往火灾的有关数据和资料。根... 相似文献
8.
9.
为了探索运用无人机多光谱遥感技术监测高潜水位矿区采煤扰动下原有生态系统破坏及地表耕地损毁程度的方法。以高潜水位矿区开采沉陷导致地面积水所引起的农作物渍害影响为例,基于无人机多光谱影像,在传统植被指数的基础上引入红边波段进行扩展,优选了22种植被指数,结合田间同步实测生物量数据,采用经验模型法分别构建了一元回归、基于最小二乘法的多元逐步回归(Multivariable linear regression,MLR)、反向传播神经网络(Back propagation neural networks,BPNN)的生物量反演模型,通过决定系数(R2)、均方根误差(RMSE)和估测精度(EA)3个指标筛选出最佳模型。最后基于最佳模型进行研究区玉米生物量的空间分布反演和分析,结果显示:所选的植被指数均与生物量显著相关,其中,最终采用的BP模型的估算精度最高,该模型决定系数R2为0.83,增加了0.10～0.17,预测均方根误差RMSE为178.72 g/m2,减少了29.65～60.23g/m~2,估测精度EA最终可达到79.4%,提高了3.3%～7.1%。说明红边波段更适于采煤沉陷区作物的生物量的估算,引入红边波段构建生物量反演模型,可以显著提高采煤沉陷影响下玉米生物量无人机遥感反演模型的精度。结果表明:研究区内采煤沉陷盆地内玉米生物量主要集中于592～1050g/m~2,面积占研究区的74.4%,地表生物量低于352 g/m~2的作物面积达到14.1%,玉米整体长势受采煤扰动影响较严重,玉米生物量呈现从沉陷盆地边缘往中心逐渐降低的趋势。该研究同类型其他高潜水位矿区土地损毁监测与评价、土地复垦与生态修复等提供基础数据与理论支撑。 相似文献