公共文化服务平台

共 8 条记录，以下是 1-7

全选清除导出

排序方式：

叶面积指数反演方法的普适性研究: 叶面积指数(leaf area index，LAI)是指单位地表面积上方植物叶单面面积的总和，是反映植物长势的一个重要生物学参数，为植物冠层表面物质和能量交换过程的描述提供结构化的定量信息，在植被定量遥感反演、生态系统碳...; 谢巧云; 关键词：叶面积指数冬小麦遥感反演; 文献传递

作物病情处方图生成与发布系统: 本发明公开了一种作物病情处方图生成与发布系统，包括：数据获取模块，用于作物病害叶片图像采集以及采集地位置信息的记录；病情计算模块，与数据获取模块相连，用于提取作物病虫害叶片图像信息，计算病情指数、对其进行分级并储存分级结...; 梁栋张东彦黄文江黄林生王年程志友廖同庆胡根生谢巧云; 文献传递

一种遥感反演精度检测方法及装置: 本发明提供了一种遥感反演精度检测方法及装置，依据样本数据建立与待检测遥感反演结果相对应的真实值预测模型，利用所述模块预测出与所述待检测遥感反演结果相对应的真实值，将反演结果与真实值相比较，实现对反演精度的检测，由于不再需...; 黄文江谢巧云彭代亮张兵刘良云申茜孙刚; 文献传递

最小二乘支持向量机方法对冬小麦叶面积指数反演的普适性研究被引量：13: 2014年; 冬小麦叶面积指数(leaf area index,LAI)是进行作物长势判断和产量估测的重要农学指标之一,高光谱遥感技术为大面积、快速监测植被LAI提供了有效途径。在探讨利用最小二乘支持向量机(least squares support vector machines,LS-SVM)方法和高光谱数据对不同条件下冬小麦LAI的估算能力。在用主成分分析法(principal component analysis,PCA)对PHI航空数据降维的基础上,利用实测LAI数据和高光谱反射率数据,构建LS-SVM模型,采用独立变量法,分别估算不同株型品种、不同生育时期、不同氮素和水分处理条件下的冬小麦LAI,并与传统NDVI模型反演结果对比。结果显示,每种条件下的LS-SVM模型都具有比NDVI模型更高的决定系数和更低的均方根误差值,即反演精度高于相应的NDVI模型。NDVI模型对不同株型品种、不同氮素和水分条件下冬小麦LAI估算精度不稳定,LS-SVM则表现出较好的稳定性。表明LS-SVM方法利用高光谱反射率数据对于不同条件下的冬小麦LAI反演具有良好的学习能力和普适性。; 谢巧云黄文江梁栋彭代亮黄林生宋晓宇张东彦杨贵军; 关键词：最小二乘支持向量机叶面积指数冬小麦

冬小麦叶面积指数遥感反演方法比较研究被引量：22: 2014年; 叶面积指数(leaf area index,LAI)是反映作物生长状况和进行产量预测预报的主要指标之一,对诊断作物生长状况具有重要意义。遥感技术为大面积、快速监测植被LAI提供了有效途径。利用高光谱遥感影像,结合田间同步实验数据,探讨不同方法对冬小麦叶面积指数遥感反演的能力。介绍了支持向量机、离散小波变换、连续小波变换和主成分分析四种LAI反演方法。分别利用上述四种方法构建冬小麦LAI反演模型,并对不同算法反演的LAI模型进行了真实性检验。结果显示,支持向量机非线性回归模型精度最高,对冬小麦LAI估算能力最强,反演值与实测值拟合的决定系数为0.823 4、均方根误差为0.419 5。离散小波变换法和主成分分析法都是基于特征提取和数据降维,其多元变量回归分析对LAI估算能力相近,决定系数分别为0.697 1和0.692 4,均方根误差分别为0.605 8和0.554 1。连续小波变换法回归模型精度最低,不适宜直接用其小波系数来反演LAI。结果表明,非线性支持向量机模型最适宜用于研究区域的冬小麦LAI反演。; 谢巧云黄文江蔡淑红梁栋彭代亮张清黄林生杨贵军张东彦; 关键词：叶面积指数支持向量机小波变换主成分分析

一种遥感反演精度检测方法及装置: 本发明提供了一种遥感反演精度检测方法及装置，依据样本数据建立与待检测遥感反演结果相对应的真实值预测模型，利用所述模块预测出与所述待检测遥感反演结果相对应的真实值，将反演结果与真实值相比较，实现对反演精度的检测，由于不再需...; 黄文江谢巧云彭代亮张兵刘良云申茜孙刚; 文献传递

最小二乘支持向量机用于时间序列叶面积指数预测被引量：6: 2014年; 遥感反演的叶面积指数(LAI)时间序列被广泛应用于气候模拟、作物长势监测等研究。但遥感数据受天气等因素影响,时间序列的LAI数据存在缺失。支持向量机(SVM)是一种有效的数据分类和回归预测工具,而最小二乘支持向量机(LS-SVM)是对SVM的有效改进。以西藏那曲县为例,使用2003-2011年MODIS LAI产品,分别用LS-SVM和SVM两种方法对研究区域2011年LAI时间序列进行预测,并用MODIS原始LAI以及部分地面实验样点值进行验证。结果表明,基于LS-SVM的LAI时间序列预测算法的精度比基于SVM的算法高,从而证明LS-SVM方法能够弥补遥感反演时间序列LAI数据的缺失问题,对提高时间序列的LAI遥感产品质量具有重要意义。; 梁栋谢巧云黄文江彭代亮杨晓华黄林生胡勇; 关键词：叶面积指数时间序列 MODIS

全选清除导出

共1页<1>

谢巧云