公共文化服务平台

贺佳: 作品数：21 被引量：201H指数：9; 供职机构：河南省农业科学院更多>>; 发文基金：国家自然科学基金国家高技术研究发展计划河南省科技攻关计划更多>>; 相关领域：农业科学轻工技术与工程自动化与计算机技术经济管理更多>>

合作作者

基于多源遥感数据的茶叶种植面积时空变化研究: 2024年; 茶叶是重要的经济树种之一,分析茶叶种植面积的时空演变规律可为优化河南茶叶布局提供科学依据。基于2000—2020年Landsat和Sentinel-2卫星数据,结合实地调查数据,采用随机森林分类方法获得河南省信阳市浉河区茶叶种植面积空间分布信息,采用趋势分析、重心迁移等方法对浉河区茶叶生产空间布局与时空变化趋势进行分析。结果表明:光谱+植被指数+纹理特征组合对茶叶分类精度最高,总体精度可达89.02%,Kappa系数为0.90;从时序变化来看,2000—2020年浉河区茶叶种植面积总体上呈现快速增长到稳步上升趋势。从空间变化来看,浉河区茶叶种植空间分布相对集中,主要分布于北部乡镇的丘陵地区和浅层山区。从重心变化来看,近20年浉河区茶叶种植面积重心呈现出由东向西转移的趋势,重心迁移总距离为5.47 km,迁移速度为0.2735km·a^(-1)。研究结果为茶叶科学种植提供了数据支撑。; 张彦王来刚贺佳郭燕杨秀忠张红利刘婷; 关键词：茶叶遥感

基于MODIS数据的河南省秋季作物秸秆焚烧火点监测研究被引量：15: 2016年; 利用MODIS热异常产品数据,提取河南省秋季作物收获期的秸秆焚烧火点信息,经过初步筛选和地面验证,分析该时段内秸秆焚烧火点数量及时空分布格局,以期对政府为控制秋季秸秆焚烧采取的约谈措施进行效果评价。结果表明,利用MODIS热异常产品数据提取的河南省秋季作物收获期秸秆焚烧火点的准确度可达86.54%,能准确反映河南省秋季作物秸秆焚烧火点的空间分布与发展态势。河南省2015年秋季作物秸秆焚烧火点主要集中在豫中、豫东、豫南地区,尤其是周口、驻马店、南阳、信阳、开封等市,5个地区的秸秆焚烧火点总数占到全省秸秆焚烧火点总数的79.90%。2015年河南省秋季作物秸秆焚烧主要发生于9月27日至10月20日共24 d,整体表现平—增—减—平—增—减的趋势。河南省政府针对秋季作物秸秆焚烧采取政府约谈措施之后,秸秆焚烧火点数量大大减少,整体干预效果明显。利用遥感监测技术可对作物秸秆焚烧进行动态监测,为各级监管部门及时提供大范围内的秸秆焚烧信息,也为加强秸秆焚烧监控提供了可靠依据。; 张彦刘婷李冰程永政王来刚郭燕武喜红贺佳; 关键词：秸秆焚烧遥感监测 MODIS数据

基于多层级特征筛选和无人机影像的冬小麦植株氮含量预测被引量：1: 2024年; 氮素是冬小麦生长发育必不可少的大量元素,无人机超高分辨率影像丰富的光谱信息和纹理信息为冬小麦植株氮含量精准预测提供了重要的技术途径,但是过多变量造成了信息冗余和模型复杂的问题。针对此问题,该研究提出了一种“相关分析+共线性分析+LASSO(least absolute shrinkage and selection operator)特征筛选”的多层级植株氮含量敏感特征的筛选方法,引入约束系数向量的L1正则化实现特征的稀疏性,将某些特征的系数缩小为0,基于冬小麦关键生育期(拔节期、孕穗期、开花期、灌浆期)无人机影像提取的65个光谱和纹理特征,采BP神经网络(back propagation,BP)、Adaboost、随机森林(random forest,RF)和线性回归(linear regression,LR)4种机器学习算法构建了冬小麦植株氮含量预测模型。结果表明:相关分析筛选出51个通过0.01显著性检验的变量;基于共线性分析,当LASSSO正则化参数λ取值为0.08时,17个敏感特征变量被筛选。基于筛选的敏感特征变量,BP、Adaboost、RF和LR 4种算法建立的植株氮含量预测模型均达到了0.01水平差异显著性,且BP、Adaboost和RF 3种预测模型的精度具有高度的一致性,模型R2均为0.81,RMSE分别为0.36%、0.38%和0.37%,说明该研究提出的多层级特征筛选方法不仅使得模型变得简洁,而且稳健性高,可为智慧农业氮肥精准监测、智慧管理提供技术支撑。; 郭燕王来刚王来刚井宇航贺佳张彦刘婷; 关键词：无人机冬小麦氮素

基于无人机数字表面模型的冬小麦生物量估算模型构建及迁移能力分析: 2024年; 生物量(Aboveground Biomass,AGB)是表征作物长势状况的重要参数,快速精准地估算AGB对指导农田精准管理和挖掘生产潜力具有重要意义,而且AGB的估算也能够为粮食安全问题提供重要的数据参考。文中通过设置不同的水氮处理,采用无人机搭载多光谱成像光谱仪获取冬小麦关键生育期影像,提取数字表面模型,采用BP(Back Propagation)神经网络回归方法建立和改进了基于无人机影像提取株高(Height from Digital Surface Model,H_(dsm))的AGB估算模型。结果表明:H_(dsm)与实测株高(H)和AGB相关性较高,直接利用H_(dsm)构建的AGB估算模型R^(2)、RMSE(Root Mean Square Error)和RPD(Residual predictive deviation)分别为0.58、4528.23kg·hm^(-2)和1.25,估算平均值较实测值平均值小,且估算值较为分散。改进的基于比值的AGB估算模型R^(2)、RMSE和RPD分别为0.88、2291.90kg·hm^(-2)和2.75,估算平均值与实测平均值较为相近,模型较直接用H_(dsm)进行AGB估算,精度提高了51.72%。而且,改进的AGB估算模型在不同水处理和不同年份情景下表现出了较强迁移估算能力。数据特征的差异是导致AGB估算模型迁移估算能力不同的关键因子,文中为模型构建和迁移估算作物长势参数时提供了一种前置条件,如果不同的数据集具有相似的直方图特征,模型在新的情景下具有较强的迁移估算能力。; 郭燕贺佳贺佳张彦曾凯张彦王来刚; 关键词：冬小麦生物量无人机株高

基于高光谱植被指数的夏玉米地上干物质量估算模型研究被引量：18: 2016年; 2011—2014年连续实施夏玉米长势监测定位实验,在5种不同施氮量、4种不同施磷量和2个夏玉米品种处理下,测定了大喇叭口期、吐丝期、灌浆期和成熟期夏玉米冠层高光谱反射率及对应的地上干物质积累量(Aboveground dry matter accumulation,ADMA)。选取了21个光谱植被指数,利用2011年和2013年综合数据进行线性函数、对数函数、二次函数和指数函数模型拟合。在每个生育时期,选择决定系数和F值最高的3个模型,并用2012年和2014年测定光谱数据与地上干物质量对拟合模型进行均方根差和相对误差的验证,选择均方根差和相对误差较小的拟合模型为最适模型。结果表明,在大喇叭口期、吐丝期、灌浆期和成熟期,夏玉米地上干物质量的最佳拟合光谱植被指数分别为GNDVI、PSSRc、NDVI4和DI。; 刘冰峰李军贺佳师祖姣; 关键词：夏玉米冠层

一种基于遥感数据的土壤有机碳反演方法: 本发明提供一种基于遥感数据的土壤有机碳反演方法。该方法包括：获取不同区域的遥感数据并进行预处理，所述遥感数据包括多光谱遥感数据和数字高程数据；从所述遥感数据中提取土壤有机碳遥感指示性指数集合；利用所述土壤有机碳遥感指示性...; 郭燕贺佳王来刚段四波张彦叶粟位盼盼范磊张红利周磊杨秀忠

不同生育时期冬小麦FPAR高光谱遥感监测模型研究被引量：12: 2015年; 通过连续5年定位研究不同氮磷耦合水平下,不同生育时期冬小麦群体FPAR与冠层光谱反射率,建立基于不同植被指数的不同生育时期FPAR分段监测模型。结果表明：随着氮磷水平增加FPAR呈递增趋势,不同品种间存在差异;冬小麦群体FPAR与670、850、960 nm具有较高的相关性,在可见光和近红外波段处均有敏感波段;在拔节期、孕穗期、抽穗期、灌浆期和成熟期FPAR与SAVI、NDVI705、EVI、DVI、RVI均达极显著相关,相关系数r范围为0.818～0.942;在不同生育时期,分别基于SAVI、NDVI705、EVI、RVI、RVI能建立较好的FPAR分段监测模型,决定系数R2分别为0.854、0.888、0.811、0.844、0.911;标准误差SE分别为0.054、0.032、0.044、0.047、0.044;以不同年份独立数据对模型进行验证,田间实测值与模型预测值之间相对误差RE分别为14.1%、17.4%、12.8%、18.8%、10.7%;均方根误差RMSE分别为0.139、0.146、0.136、0.158、0.130。该结果较拔节期至成熟期FPAR统一监测模型监测精度及验证效果均有所改善。因此,在拔节期、孕穗期、抽穗期、灌浆期和成熟期可分别用SAVI、NDVI705、EVI、RVI、RVI预测冬小麦群体FPAR,具有较好的年度间重演性和品种间适用性。不同生育时期FPAR分段监测模型较统一监测模型有较好的监测效果。; 贺佳刘冰峰李军; 关键词：冬小麦高光谱遥感

基于改进S-ResNet34模型的小麦条锈病等级识别研究: 2025年; [目的]快速准确识别小麦条锈病病害等级,对其精准防控具有重要意义。[方法]利用数码相机获取小麦叶片条锈病RGB图像,构建小麦叶片条锈病不同病害等级数据集,通过对ResNet34模型添加通道注意力模块(SE)和Inception模块加以改进,增强模型对小麦条锈病特征的关注程度和提取能力,并采用精准率、召回率、平衡F分数和准确率等评价指标,对比分析S-ResNet34与VGG16、MobileNetV2、Swin-Transformer、ResNet34等多种主流模型的识别精度。[结果]S-ResNet34模型的训练准确率为93.85%,相比于VGG16(84.53%)、MobileNetV2(79.35%)、Swin-Transformer(85.67%)和ResNet34(87.50%)等深度网络模型,准确率分别提高了9.32%、14.50%、8.18%和6.35%。模型损失值更小,改进的ResNet34模型识别小麦条锈病特征能力更强,训练收敛更快。[结论]采用深度学习模型能够准确识别小麦条锈病发病程度,通过对ResNet34模型添加注意力模块能有效提高小麦条锈病病害识别精度。; 尉国帅贺佳常宝方袁培燕袁培燕王来刚; 关键词：小麦条锈病图像识别

小麦主要病害遥感监测研究进展被引量：2: 2024年; 传统的小麦病害监测主要依靠人工田间调查,当涉及区域尺度时,该方法存在一定局限性。而遥感技术的出现为区域尺度下的小麦病害监测提供了重要的技术手段。在介绍小麦病害遥感监测生理机制的基础上,综述了近地遥感、无人机遥感、卫星遥感在小麦病害遥感监测中的研究与应用进展,指出了当前存在的问题,并对未来的发展方向进行了展望,以期为推进小麦病害遥感技术应用、提高病害监测预警水平提供参考。; 贺佳郝瑞任淑芳; 关键词：小麦病害遥感监测无人机卫星

多源卫星遥感秸秆焚烧过火面积动态监测被引量：14: 2017年; 该文针对秸秆焚烧过火面积动态监测中高时间、高空间分辨率难以同时实现的问题,提出利用多源数据(Landsat8、GF-1、HJ-1A/B)来提升中分辨率卫星遥感的观测频次,并通过叠置分析和面向对象影像分析技术提高面积提取精度。使用该方法对河南省太康县进行了8次单日内全覆盖的秸秆焚烧过火面积提取,并通过变化检测获取各乡镇农田秸秆焚烧的累计过火面积、新增过火面积和新增过火农田翻耕面积的时空变化趋势。经验证,面积提取精度达93.89%以上,秸秆焚烧新增过火面积变化趋势与环保部监测结果基本相符。经分析,秸秆焚烧通常会在农作物大面积收割后的某个时间点开始,由若干个起火点随时序朝某个主方向进行传播蔓延,过火区域会随之出现间歇性的大范围翻耕,二者同时进行,即秸秆焚烧新增过火面积与新增过火农田翻耕面积随时序呈反向波浪状变化。说明相比利用低空间分辨率遥感数据进行广域监测,该方法可得到时效性强且精度更高的过火面积空间分布信息,能揭示出秸秆焚烧现象在县、乡尺度上的变化规律与细节。; 武喜红刘婷程永政王来刚郭燕张彦贺佳; 关键词：遥感焚烧过火面积面向对象变化检测

贺佳

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

贺佳

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈