多源遥感数据小麦识别及长势监测比较研究

来源 :遥感技术与应用 | 被引量 : 3次 | 上传用户:lhmfly
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
小麦是我国主要的农作物之一,对于我国的经济发展有着重要意义。遥感技术经过不断发展,已成为提取小麦及长势研究的重要手段。利用高光谱珠海一号OHS-2A卫星、多光谱Sentinel-2A卫星以及MODIS等多源遥感数据,以雄安为研究区,采用支持向量机的方法进行小麦提取,结合野外实测数据利用混淆矩阵进行精度评价分析;分别对比小麦的两个重要生育期返青期和抽穗期,将小麦长势分为3个等级(按长势较好、长势持平、长势较差)进行长势监测比较。研究表明:环境条件相同下,OHS-2A的总体精度为82.08%,Kappa
其他文献
Designing the specific crystal phase with better intrinsic activity and more active sites is a very promising strategy for earth-abundant electrocatalysts for o
High-alloyed superalloy U720Li is difficult to be processed through the conventional cast and wrought route.Boron is an important strengthening element for supe
Electrocatalytic hydrogen evolution reaction(HER)is a highly potential strategy to massively produce green hydrogen fuels.However,the employment of costly Pt-ba
Silicon monoxide(SiO)is considered as a promising anode material for lithium-ion batteries(LIBs)due to its higher capacity and longer cycle life than those of g
近日,中国科学技术大学教授潘建伟及其团队成员张强、陈腾云与济南量子技术研究院王向斌、刘洋等合作,利用中科院上海微系统所尤立星小组研制的超导探测器,基于"济青干线"现场光缆,突破现场远距离高性能单光子干涉技术,采用激光注入锁定实现了428公里双场量子密钥分发(TF-QKD),同时利用时频传递技术实现了511公里TF-QKD,是目前现场无中继光纤QKD最远的传输距离。相关研究成果分别发表于学术期刊《物
期刊
随着现代遥感技术的迅速发展,遥感图像的质量和数量得到了显著的提升,新技术带来的高分辨率遥感图像所蕴含的信息也更加丰富,如何利用人工智能手段辅助挖掘这些丰富的信息也成为了遥感图像分析与理解的重要内容。与此同时,以深度卷积神经网络为代表的人工智能技术在图像处理领域大放异彩。得益于类人眼的分层卷积池化模型,深度卷积神经网络可以在图像分割和分类等任务上取得优异的结果。因此采用U-Net为代表的深度卷积神经
In this work,15 types of rare earth(Re)ions,including Y3+,La3+,Ce3+,Pr3+,Nd3+,Sm3+,Eu3+,Gd3+,Tb3+,Dy3+,Ho3+,Er3+,Tm3+,Yb3+and Lu3+doped perovskite SrTiO3 powder
The feasibility of converting quaternary Heus-ler compounds XX'MZ(X=Sc,La;X'=Sc,Y;M=Ru,Fe;Z=Pb)into three-dimensional topological insulators was investigated by
In this work,the stability of passive film for long-time immersed Cu-bearing L605(L605-Cu)alloy in the phosphate buffer solution(PBS)was studied by potentiodyna
近年来,以卷积神经网络为主的深度学习模型在各种遥感应用中都显示出巨大的潜力。以加州帝国郡为研究区,以Landsat 8 OLI年内时序遥感影像计算时序植被指数NDVI、EVI、RVI以及TVI,组合后输入到构建的一维卷积神经网络模型,以实现作物的高精度精细分类。为了验证卷积模型的优越性,另搭建了基于递归神经网络及其变体的深度学习模型。结果表明:(1)引入其他时序特征后,能够有效地提高卷积神经网络的