公共文化服务平台

搜索到1296篇“ 光谱指数“的相关文章

一种基于光谱指数的人参种植区遥感识别方法及系统: 本发明提供了一种基于光谱指数的人参种植区遥感识别方法及系统，涉及遥感影像处理与农业资源监测技术领域，本发明通过对遥感影像进行预处理，提取参棚及其他地物的光谱信息并进行分析，将参棚类型划分为黄棚和蓝棚两类。基于光谱特征和可...; 郭笑怡薛珏赵建军张洪岩张正祥

利用修正三维光谱指数的土壤有机质估测的方法及系统: 本发明提出了一种利用修正三维光谱指数的土壤有机质估测的方法及系统。首先，获取实测土壤光谱数据并对光谱数据进行预处理；然后，利用Spearman相关系数和波段组合优选的方法分别构建二维指数和修正三维指数，并利用支持向量机建...; 曹见飞杨晗吴泉源王召海

一种地物光谱指数驱动的遥感图像无监督语义分割方法: 本发明公开了一种地物光谱指数驱动的无监督遥感图像语义分割方法，包括：基于遥感图像，计算地物的地物光谱指数I，得到地物光谱指数图；对地物光谱指数图进行标记，得到初始逐像元标记；采用拓展阈值e对地物光谱指数图进行阈值化，得到...; 张学良李振世肖鹏峰

一种基于光谱指数的人参种植区遥感识别方法及系统: 本发明提供了一种基于光谱指数的人参种植区遥感识别方法及系统，涉及遥感影像处理与农业资源监测技术领域，本发明通过对遥感影像进行预处理，提取参棚及其他地物的光谱信息并进行分析，将参棚类型划分为黄棚和蓝棚两类。基于光谱特征和可...; 郭笑怡薛珏赵建军张洪岩张正祥

一种用于检测茶叶的光谱指数构造方法和装置: 本发明提供一种用于检测茶叶的光谱指数构造方法和装置，包括：获取茶叶冠层尺度的多光谱反射率数据；利用茶叶冠层尺度的多光谱反射率数据，构建基于多光谱的全通道差值植被指数；基于全通道差值植被指数构建用于检测茶叶的光谱指数。通过...; 段丹丹赵春江

一种基于高光谱遥感影像的盐地碱蓬自适应高光谱指数与识别的方法: 本发明涉及滨海盐沼湿地植被监测领域，公开了一种基于高光谱遥感影像的盐地碱蓬自适应高光谱指数与识别的方法；本发明主要致力于解决因滨海湿地同物异谱、同谱异物现象严重而造成的潮间带盐地碱蓬识别困难的问题；首先，考虑滨海湿地不同...; 柯樱海张梦瑶尚坤赵娜娜洪剑明张亚楠

基于光谱指数的琯溪蜜柚叶片钙素含量估测模型研究: 2025年; 【目的】构建基于光谱分析的蜜柚叶片钙(Ca)素含量估测模型,可为蜜柚叶片钙素含量的监测和快速无损诊断提供理论基础。【方法】分析提取蜜柚叶片原始光谱及一阶导数光谱特征波段和光谱特征指数(差值光谱指数(DSI)、比值光谱指数(RSI)和归一化光谱指数(NDSI)),构建蜜柚叶片钙素含量的单变量估测模型、偏最小二乘估测模型(PLS)、反向传播神经网络估测模型(BPNN)、随机森林估测模型(RF)和支持向量机估测模型(SVM),并评价和验证蜜柚叶片钙素含量的最优光谱估测模型。【结果】蜜柚叶片原始光谱和一阶导数光谱与钙素含量存在多波段显著相关,基于原始光谱和一阶导数光谱的相关系数,最大的波长分别为553、714 nm和528、699、602 nm。基于原始光谱和一阶导数光谱与钙素含量相关性较显著的光谱指数分别为DSI_(790,1040)、RSI_(910,990)、NDSI_(900,990)和NDSI′_(350,580)、DSI′_(560,570)、RSI′_(350,580)。以RSI_(910,990)、NDSI_(900,990)、NDSI′_(350,580)、DSI_(790,1040)、DSI′_(560,570)、RSI′_(350,580)、DSI′_(528,602)等光谱指数为自变量构建的多项式估测模型,决定系数R2较大(R2>0.60)。运用上述4种机器学习方法建立蜜柚叶片钙素含量高光谱估测模型,PLS、BPNN、RF和SVM 4种估测模型的R~2分别为0.79、0.82、0.85和0.84,均方根误差(RMSE)分别为4.33、4.11、3.81和3.93,验证模型的R~2分别为0.77、0.80、0.87和0.83,RMSE分别为4.50、4.28、3.67和3.90,估测模型的精确程度为RF>SVM>BPNN>PLS。【结论】蜜柚叶片钙素含量的4种模型进行精度对比分析表明,RF估测模型的预测性优于其他3种估测模型。该结果可为蜜柚叶片钙素含量快速诊断提供新方法以供参考。; 栗方亮孔庆波张青; 关键词：光谱指数蜜柚钙素

光谱指数优化提高玉米叶片氮浓度估测精度: 2025年; 通过不同氮量和肥料类型的玉米田间试验,采用高光谱仪获取玉米叶片的光谱反射率并计算不同类型的光谱指数,利用光谱理论模型进行光谱指数波段的优化,探索不同类型的光谱指数,通过波段优化来提升光谱指数对作物叶片氮素含量(LNC)的估测能力。结果表明,光谱指数的敏感波段优化后与LNC的决定系数提升了11%~83%,交叉和独立验证R2分别提升了9%~81%和6%~75%,克服了传统光谱指数的估测精度不稳定的问题。优化光谱指数的敏感波段组合随着生育期及其冠层结构的变化而变化,其敏感波段范围主要集中在绿光530~570 nm、红光600~680 nm和红边700~730 nm。预测能力最好的光谱指数(Opt-mSR705)的波段由445、705和750 nm优化为651、615和595 nm,其交叉和独立验证的R2、RMSE、RE分别为0.81、0.31%、12.15%和0.74、0.36%、12.15%,在估测不同生育时期玉米LNC方面具有更强的鲁棒性和稳定性。; 金庆宇孟庆伟闫东张博东李斐; 关键词：玉米光谱指数叶片氮含量

基于波段优化光谱指数的马铃薯叶水势估测: 2025年; 【目的】通过优化光谱指数与叶水势(Leaf Water Potential,LWP)之间的关系,寻找不同生育时期的最佳敏感波段,提高作物水分状况的估测精度。【方法】利用布置在内蒙古武川县和察哈尔右翼前旗的多品种不同水分梯度的田间试验,基于不同生育时期采集的叶片光谱反射率和LWP,分析水分敏感波段与生育时期的关系,并探究350~2500 nm波段范围内差值、比值和归一化差异光谱指数的最佳波段组合。【结果】生育时期对光谱指数最佳敏感波段的选择对研究结果具有显著影响。单一生育时期的最佳敏感波段主要分布在红边和近红外波段,而不同生育时期合并后的最佳敏感波段则主要位于近红外波段。优化光谱指数与LWP之间呈高度线性相关性,其中优化归一化差异光谱指数(NDSI)是估测单一生育时期马铃薯LWP的最佳优化光谱指数。随着生育时期的推进,光谱指数与LWP之间的线性关系逐渐增强,在淀粉积累期估测效果最佳且具有更强的鲁棒性,训练数据的决定系数(R^(2))达到0.90,RMSE为0.07MPa,MRE为6.70%,而验证数据的R^(2)为0.87,RMSE为0.08MPa,MRE为7.41%。生育时期合并后,优化光谱指数对块茎形成期和块茎膨大期的合并生育时期的马铃薯LWP估测表现出更好的效果。训练数据和验证数据的R^(2)分别为0.64和0.53,RMSE分别为0.14 MPa和0.16 MPa,MRE分别为10.39%和12.40%。相比于现有的水分敏感光谱指数,优化光谱指数明显提高了合并生育时期估测LWP的准确性和稳定性。【结论】马铃薯生育时期对现有水分敏感光谱指数估测LWP有显著影响,基于波段优化构建的新光谱指数能够改善现有光谱指数在估测时指数敏感性低和数据离散问题,显著提高了马铃薯LWP模型估测稳定性,为优化光谱指数在马铃薯水分状况监测和精准灌溉管理提供科学指导。; 高凯杨海波尹航王伟孙宇赵亮李斐; 关键词：马铃薯叶水势生育时期

基于Sigmoid函数归一化的多光谱指数特征在油茶林遥感识别和样本迁移研究中的应用: 2025年; 遥感影像分析中,多光谱指数特征的归一化处理对于提高分类精度和模型的泛化能力至关重要。采用Google Earth Engine(GEE)平台,以Sentinel-1 SAR雷达遥感影像和Sentinel-2 A光学遥感影像为数据源,通过计算纹理特征、地形特征、极化特征和Sigmoid函数归一化前后的多光谱指数特征构建不同的分类场景,采用随机森林、梯度提升树、支持向量机和朴素贝叶斯4种机器学习分类器进行分类实验,分析对光谱指数特征进行归一化处理是否有利于油茶林识别。将构建的卷积神经网络(CNN)和结合Bi-LSTM模块的深度学习模型与机器学习分类器进行比较,分析不同模型对油茶林识别效果。以吉安市2021年五种土地类型样本点为基础,将适合油茶林识别的分类场景应用到不同年份(2019年、2020年、2022年、2023年)的样本迁移中,分析各年份油茶林面积增量与空间分布。结果表明,归一化后的光谱指数特征与随机森林相结合对油茶林识别精度最高,整体精度(OA)为99.02%,Kappa系数为0.9837,油茶林用户精度(UA)为95.31%,油茶林生产者精度(PA)为93.74%;研究中CNN系列的深度学习模型对油茶林识别精度略低于随机森林分类器,其中结合Bi-LSTM模块的深度学习模型的整体精度(OA)为98.69%,Kappa系数为0.9713油茶林用户精度(UA)为94.96%,油茶林生产者精度(PA)为93.17%;2021年吉安市油茶林种植面积达184.4881万亩,其中遂川县占27.67%,为面积最大县;油茶林种植分布由地势高向地势低递减,种植地点多位于家庭农户附近的山坡地和自留地,油茶林种植面积逐年增加。研究所提出的油茶林提取方法能够为实现油茶林动态监测与管理提供帮助,所提出的样本迁移方法能有效减少样本采集和标注成本。; 章海亮王宇胡梅张译之张晶詹白勺刘雪梅罗微; 关键词：油茶 SIGMOID函数

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈