期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
冬小麦生物量卫星遥感估测研究
被引量：
23
1
作者
庄东英
李卫国
武立权
《干旱区资源与环境》
CSSCI
CSCD
北大核心
2013年第10期158-162,共5页
生物量是反映冬小麦长势的重要群体指标,及时、大面积获取冬小麦生物量信息有利于掌握早期冬小麦长势和产量形成动态,对于生产管理措施制定意义重大。以江淮麦区的泰兴、兴化两市大田冬小麦为研究区域,基于冬小麦生物量模型(WBM),利用...
生物量是反映冬小麦长势的重要群体指标,及时、大面积获取冬小麦生物量信息有利于掌握早期冬小麦长势和产量形成动态,对于生产管理措施制定意义重大。以江淮麦区的泰兴、兴化两市大田冬小麦为研究区域,基于冬小麦生物量模型(WBM),利用环境星(HJ-1)进行冬小麦拔节期生物量监测预报研究。在提取研究区域小麦面积信息的基础上,利用泰兴市冬小麦拔节期遥感影像反演的LAI及时修订生物量模型的参数,再利用模型对兴化市冬小麦生物量信息进行预测。结果表明:(1)利用生物量模型预测的冬小麦生物量为1897.03～3800.78kg/hm2,平均为2866.33kg/hm2。实测的生物量为1932.30～3689.44kg/hm2,平均为2711.75kg/hm2,相对误差为5.70%,生物量模型的预测性较好;(2)利用预测生物量与卫星影像NDVI的转换模型,可制作冬小麦生物量预测专题图,并能准确、大面积获取不同等级生物量的冬小麦面积分布与长势信息。
展开更多
关键词
冬小麦
生物量
卫星遥感
作物模型
江淮区域
原文传递
基于机器学习算法的冬小麦不同生育时期生物量高光谱估算
被引量：
16
2
作者
吴芳
李映雪
+2 位作者
张缘园
张雪红
邹晓晨
《麦类作物学报》
CAS
CSCD
北大核心
2019年第2期217-224,共8页
为探索适用于冬小麦不同生育时期的高光谱估算方法,基于4年大田试验,以江苏省主要冬小麦品种为材料,以8种对常用生物量敏感的高光谱指数为基础,分别采用偏最小二乘算法、支持向量回归算法、随机森林算法在冬小麦4个主要生育时期(抽穗期...
为探索适用于冬小麦不同生育时期的高光谱估算方法,基于4年大田试验,以江苏省主要冬小麦品种为材料,以8种对常用生物量敏感的高光谱指数为基础,分别采用偏最小二乘算法、支持向量回归算法、随机森林算法在冬小麦4个主要生育时期(抽穗期前、抽穗期、开花期和灌浆期)进行了高光谱生物量估算和预测能力比较。结果表明,在冬小麦不同生育时期,高光谱估算生物量精度差异显著;利用随机森林构建的生物量估算模型在4个生育时期均表现出很好的效果,决定系数(r^2)和均方根误差(RMSE)在抽穗期前分别为0.79和44.82 g·m^(-2),在抽穗期分别为0.71和62.07 g·m^(-2),在开花期分别为0.70和97.63 g·m^(-2),在灌浆期分别为0.71和106.98 g·m^(-2);随机森林模型在4个生育时期的预测能力都高于或接近于支持向量回归模型,高于偏最小二乘回归模型,r^2和RMSE在抽穗期前分别为0.60和72.54 g·m^(-2),在抽穗期分别为0.60和75.07 g·m^(-2),在开花期分别为0.68和109.9 g·m^(-2),在灌浆期分别为0.61和127.93 g·m^(-2)。这说明随机森林算法在冬小麦不同生育时期生物量高光谱遥感估算方面具有较高的精度和稳定性。
展开更多
关键词
冬小麦
生物量
高光谱估算
随机森林算法
支持向
量
回归
偏最小二乘算法
下载PDF
职称材料
基于光谱吸收深度分析的冬小麦生物量估算模型的建立
被引量：
4
3
作者
殷子瑶
刘唐
王震
《北京测绘》
2018年第7期788-793,共6页
准确的估算作物的生物量,对作物长势监测具有重要的意义。利用高光谱仪获取的冬小麦高光谱实测数据,通过植被参数分析、植被光谱吸收特征挖掘,构建了冬小麦生物量的高光谱估算模型。结果表明,基于光谱深度分析与偏最小二乘方法建立的估...
准确的估算作物的生物量,对作物长势监测具有重要的意义。利用高光谱仪获取的冬小麦高光谱实测数据,通过植被参数分析、植被光谱吸收特征挖掘,构建了冬小麦生物量的高光谱估算模型。结果表明,基于光谱深度分析与偏最小二乘方法建立的估算模型的R2值为0.86,RMSE为0.0397kg/m^2,较基于植被参数的生物量估算模型,模型精度得到了大幅的提高。本研究证实了利用光谱深度技术可以准确地挖掘光谱数据的"红谷"波段与生物量之间的关系,从而实现冬小麦生物量估算精度的提高。
展开更多
关键词
高光谱遥感
冬小麦
生物量
波段深度分析
偏最小二乘法
下载PDF
职称材料
题名
冬小麦生物量卫星遥感估测研究
被引量：
23
1
作者
庄东英
李卫国
武立权
机构
江苏省农业科学院经济与信息所
安徽农业大学
出处
《干旱区资源与环境》
CSSCI
CSCD
北大核心
2013年第10期158-162,共5页
基金
国家自然科学基金(41171336)
江苏省农业科技自主创新项目(CX-12-3054)
江苏省自然科学基金(编号:BK2011684)资助
文摘
生物量是反映冬小麦长势的重要群体指标,及时、大面积获取冬小麦生物量信息有利于掌握早期冬小麦长势和产量形成动态,对于生产管理措施制定意义重大。以江淮麦区的泰兴、兴化两市大田冬小麦为研究区域,基于冬小麦生物量模型(WBM),利用环境星(HJ-1)进行冬小麦拔节期生物量监测预报研究。在提取研究区域小麦面积信息的基础上,利用泰兴市冬小麦拔节期遥感影像反演的LAI及时修订生物量模型的参数,再利用模型对兴化市冬小麦生物量信息进行预测。结果表明:(1)利用生物量模型预测的冬小麦生物量为1897.03～3800.78kg/hm2,平均为2866.33kg/hm2。实测的生物量为1932.30～3689.44kg/hm2,平均为2711.75kg/hm2,相对误差为5.70%,生物量模型的预测性较好;(2)利用预测生物量与卫星影像NDVI的转换模型,可制作冬小麦生物量预测专题图,并能准确、大面积获取不同等级生物量的冬小麦面积分布与长势信息。
关键词
冬小麦
生物量
卫星遥感
作物模型
江淮区域
Keywords
winter wheat biomass
satellite remote sensing
crop model
Yangtze-Huai region
分类号
S127 [农业科学—农业基础科学]
原文传递
题名
基于机器学习算法的冬小麦不同生育时期生物量高光谱估算
被引量：
16
2
作者
吴芳
李映雪
张缘园
张雪红
邹晓晨
机构
南京信息工程大学应用气象学院
南京信息工程大学遥感与测绘工程学院
出处
《麦类作物学报》
CAS
CSCD
北大核心
2019年第2期217-224,共8页
基金
江苏省自然科学基金青年基金项目(BK20170950)
江苏省"双创博士"计划项目
+2 种基金
中国博士后科学基金项目(2017M610338)
河北省气象与生态环境重点实验室开放研究基金项目(Z201607Y)
南京信息工程大学大学生实践创新训练计划项目(201810300243)
文摘
为探索适用于冬小麦不同生育时期的高光谱估算方法,基于4年大田试验,以江苏省主要冬小麦品种为材料,以8种对常用生物量敏感的高光谱指数为基础,分别采用偏最小二乘算法、支持向量回归算法、随机森林算法在冬小麦4个主要生育时期(抽穗期前、抽穗期、开花期和灌浆期)进行了高光谱生物量估算和预测能力比较。结果表明,在冬小麦不同生育时期,高光谱估算生物量精度差异显著;利用随机森林构建的生物量估算模型在4个生育时期均表现出很好的效果,决定系数(r^2)和均方根误差(RMSE)在抽穗期前分别为0.79和44.82 g·m^(-2),在抽穗期分别为0.71和62.07 g·m^(-2),在开花期分别为0.70和97.63 g·m^(-2),在灌浆期分别为0.71和106.98 g·m^(-2);随机森林模型在4个生育时期的预测能力都高于或接近于支持向量回归模型,高于偏最小二乘回归模型,r^2和RMSE在抽穗期前分别为0.60和72.54 g·m^(-2),在抽穗期分别为0.60和75.07 g·m^(-2),在开花期分别为0.68和109.9 g·m^(-2),在灌浆期分别为0.61和127.93 g·m^(-2)。这说明随机森林算法在冬小麦不同生育时期生物量高光谱遥感估算方面具有较高的精度和稳定性。
关键词
冬小麦
生物量
高光谱估算
随机森林算法
支持向
量
回归
偏最小二乘算法
Keywords
Winter wheat biomass
Hyperspectral estimation
Random forest algorithm
Support vector regression
Partial least squares algorithm
分类号
S512.1 [农业科学—作物学]
S311
下载PDF
职称材料
题名
基于光谱吸收深度分析的冬小麦生物量估算模型的建立
被引量：
4
3
作者
殷子瑶
刘唐
王震
机构
山东科技大学测绘科学与工程学院
出处
《北京测绘》
2018年第7期788-793,共6页
基金
国家自然科学基金项目(41471331
41601408)
文摘
准确的估算作物的生物量,对作物长势监测具有重要的意义。利用高光谱仪获取的冬小麦高光谱实测数据,通过植被参数分析、植被光谱吸收特征挖掘,构建了冬小麦生物量的高光谱估算模型。结果表明,基于光谱深度分析与偏最小二乘方法建立的估算模型的R2值为0.86,RMSE为0.0397kg/m^2,较基于植被参数的生物量估算模型,模型精度得到了大幅的提高。本研究证实了利用光谱深度技术可以准确地挖掘光谱数据的"红谷"波段与生物量之间的关系,从而实现冬小麦生物量估算精度的提高。
关键词
高光谱遥感
冬小麦
生物量
波段深度分析
偏最小二乘法
Keywords
hyperspectral remote sensing
winter wheat biomass
band depth analysis
partial least squares
分类号
P237 [天文地球—摄影测量与遥感]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
冬小麦生物量卫星遥感估测研究
庄东英
李卫国
武立权
《干旱区资源与环境》
CSSCI
CSCD
北大核心
2013
23
原文传递
2
基于机器学习算法的冬小麦不同生育时期生物量高光谱估算
吴芳
李映雪
张缘园
张雪红
邹晓晨
《麦类作物学报》
CAS
CSCD
北大核心
2019
16
下载PDF
职称材料
3
基于光谱吸收深度分析的冬小麦生物量估算模型的建立
殷子瑶
刘唐
王震
《北京测绘》
2018
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
