期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
高分一号卫星在京津矿山遥感监测中的应用 被引量:23
1
作者 于博文 田淑芳 +2 位作者 赵永超 芦飞 彦奇 《现代地质》 CAS CSCD 北大核心 2017年第4期843-850,共8页
高分一号卫星于2013年成功发射,可获取2 m全色影像与8 m多光谱影像,在矿山遥感监测中有很大的应用空间。研究并总结了高分一号卫星在矿山遥感监测应用时的数据处理流程和方法,根据高分一号影像特征建立了矿山遥感解译标志并对部分图斑... 高分一号卫星于2013年成功发射,可获取2 m全色影像与8 m多光谱影像,在矿山遥感监测中有很大的应用空间。研究并总结了高分一号卫星在矿山遥感监测应用时的数据处理流程和方法,根据高分一号影像特征建立了矿山遥感解译标志并对部分图斑进行了野外验证,最后进行了京津矿山遥感调查与监测工作。通过应用研究得出结论,高分一号卫星拥有较高的分辨率和较好的数据质量,地物轮廓纹理清晰、数据处理方便、解译精度较高,运用高分一号卫星进行矿山遥感监测可以取得良好的效果,可以为国土资源部门制定矿产资源规划、整顿矿产资源开发秩序、治理矿山地质环境等提供技术支撑和决策依据。 展开更多
关键词 高分一号 遥感监测 京津矿山 解译标志 几何校正 影像融合
下载PDF
地球化学响应敏感指标优选方法:以安徽贵池地区为例 被引量:1
2
作者 梁胜跃 罗传根 +5 位作者 徐明钻 刘建东 祁超 陈峰 彦奇 金志鹏 《地质学刊》 CAS 2022年第1期48-59,共12页
当前能够分析的地球化学成分众多,如何从诸多成分中快速有效地优选出有价值的地球化学指标是长期致力研究的重要内容。以安徽贵池为研究区,将元素含量空间分布特征量化,探讨54种成分的土壤地球化学响应特点,基于背景对照系数、变异系数... 当前能够分析的地球化学成分众多,如何从诸多成分中快速有效地优选出有价值的地球化学指标是长期致力研究的重要内容。以安徽贵池为研究区,将元素含量空间分布特征量化,探讨54种成分的土壤地球化学响应特点,基于背景对照系数、变异系数、表生富集系数、土壤类型变化系数4个关键参数,研究量化方式,采用平均值法和标度法分别讨论综合地球化学响应系数的计算方法。优选出25项地球化学响应敏感指标,其中,Au、Ag、Pb、Hg、Zn、Mo、S、Mg、F、I等敏感指标反映研究区成矿地质条件良好,Cd、As、Pb、Hg、Ba、Sb等敏感指标指示研究区土壤存在不同程度污染,I、Mo、N、S、P、Corg等敏感指标指示土壤营养状况总体较好、研究区具有富硒土壤潜力。结果表明,综合地球化学响应系数可以较快速准确地从数十种成分中优选出敏感地球化学指标。 展开更多
关键词 地球化学响应 指标优选 多目标地球化学 数据挖掘 安徽贵池
下载PDF
黄棕壤性水稻土有机质含量高光谱反演研究
3
作者 陈浩峰 彦奇 +4 位作者 赵国凤 黄岩 杨奎 彭江英 梁森 《江西农业学报》 CAS 2024年第4期59-66,共8页
以黄棕壤性水稻土为研究对象,利用ASD FieldSpec®4地物波谱仪获取土壤高光谱反射率曲线,分析土壤有机质(SOM)含量的分布形态和高光谱特征,基于原始光谱(R)、一阶微分(FD)、二阶微分(SD)、倒数的对数(LR)、倒数一阶微分(FDR)和对数... 以黄棕壤性水稻土为研究对象,利用ASD FieldSpec®4地物波谱仪获取土壤高光谱反射率曲线,分析土壤有机质(SOM)含量的分布形态和高光谱特征,基于原始光谱(R)、一阶微分(FD)、二阶微分(SD)、倒数的对数(LR)、倒数一阶微分(FDR)和对数一阶微分(FDL)这6种光谱数据,分别建立了黄棕壤性水稻土SOM含量偏最小二乘回归模型(PLSR)、支持向量机模型(SVM)和BP神经网络模型(BPNN),并比较分析了这3种模型预测精度的差异。结果表明:(1)SOM含量与原始光谱反射率呈弱相关关系,经FD处理后,光谱曲线特征突出明显,光谱FD、SD、FDR和FDL变换能有效提升光谱反射率与SOM含量的相关性。(2)PLSR、SVM和BPNN模型对SOM含量低值(1.98%)的预测效果均较差;数理统计有助于模型精度的评价。(3)SVM模型的预测效果整体优于PLSR和BPNN模型;光谱FD变换的SVM模型对SOM含量的预测效果最好,其验证集的R2、RMSE和RPD分别为0.902、0.257和2.287,可为实现快速、准确地测定黄棕壤性水稻土SOM含量提供新的模型参考和技术思路。 展开更多
关键词 土壤有机质 光谱反射率 光谱变换 模型精度 黄棕壤水稻土
下载PDF
基于高光谱技术的场地土壤重金属污染快速调查研究
4
作者 陈浩峰 彦奇 +3 位作者 杨奎 彭江英 赵国凤 贾朔 《中国资源综合利用》 2024年第6期206-210,215,共6页
为了准确预测场地土壤重金属分布状况,实现土壤重金属污染快速调查,以某废弃助剂厂填埋区土壤为研究对象,基于高光谱数据,利用单变量回归模型、偏最小二乘回归模型和支持向量机模型估算土壤重金属Cr、Ni、Cu、Zn、Cd、Pb、As和Hg的含量... 为了准确预测场地土壤重金属分布状况,实现土壤重金属污染快速调查,以某废弃助剂厂填埋区土壤为研究对象,基于高光谱数据,利用单变量回归模型、偏最小二乘回归模型和支持向量机模型估算土壤重金属Cr、Ni、Cu、Zn、Cd、Pb、As和Hg的含量。结果表明,土壤光谱反射率与各重金属含量均呈负相关;偏最小二乘回归模型和支持向量机模型对8种重金属的预测精度均优于单变量回归模型,偏最小二乘回归模型为Cd、Pb、Cr和Ni的最佳估算模型,支持向量机模型为Cu、As、Zn和Hg的最佳预测模型;研究区土壤重金属反演结果在趋势上与实验室分析结果基本一致,高值区和极值点分布亦较为吻合,能够圈定存在重金属污染风险的区域,同时提供技术支撑,实现场地土壤重金属污染的快速调查。 展开更多
关键词 土壤 重金属 高光谱反射率 偏最小二乘回归模型 支持向量机模型
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部