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
共找到9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：
基于电流故障分量特征和随机森林的输电线路故障类型识别 被引量：33
1
作者 杨杰 吴浩 +2 位作者 董星星 陈佳豪 刘益岑 《电力系统保护与控制》 CSCD 北大核心 2021年第13期53-63,共11页
为提高输电线路故障选相的精确性,提出了一种基于电流故障分量特征结合随机森林的输电线路故障类型识别新方法。分别在多个短时序列下计算三相电流故障分量能量相对熵与零序电流故障分量能量和,并按特定顺序把在各短时序列下计算得到的... 为提高输电线路故障选相的精确性,提出了一种基于电流故障分量特征结合随机森林的输电线路故障类型识别新方法。分别在多个短时序列下计算三相电流故障分量能量相对熵与零序电流故障分量能量和,并按特定顺序把在各短时序列下计算得到的结果组成特征样本向量,以表征输电线路故障类型特征。建立随机森林智能故障类型识别模型,并利用故障特征样本集对其进行训练和测试,识别具体故障类型。仿真结果表明,所提算法在不同故障初始角、不同过渡电阻以及不同故障距离情况下均能准确识别具体故障类型,在数据丢失和噪声影响下也能较好地对故障类型进行识别。 展开更多
关键词 输电线路 电流故障分量 随机森林 故障类型识别
下载PDF
利用随机森林和纹理特征的森林类型识别 被引量：24
2
作者 吕杰 郝宁燕 +2 位作者 李崇贵 史晓亮 李宗泽 《遥感信息》 CSCD 北大核心 2017年第6期109-114,共6页
针对利用遥感影像进行森林类型识别容易出现树种误分和模型复杂的问题,以高分一号卫星影像为数据源,结合遥感判读样地、植被指数、纹理信息以及地形因子等多源数据,构建最小距离分类模型、支持向量机分类模型和随机森林分类模型,对黑龙... 针对利用遥感影像进行森林类型识别容易出现树种误分和模型复杂的问题,以高分一号卫星影像为数据源,结合遥感判读样地、植被指数、纹理信息以及地形因子等多源数据,构建最小距离分类模型、支持向量机分类模型和随机森林分类模型,对黑龙江凉水自然保护区森林优势树种进行分类。结果表明,基于随机森林模型的分类结果总精度和Kappa系数分别为81.01%和0.76,较支持向量机分类方法有明显提高。该研究为提高我国高分辨率数据的自给率和森林资源的有效管理提供了一定的参考价值。 展开更多
关键词 GF-1影像 随机森林 森林类型识别 支持向量机 纹理特征
下载PDF
基于环境与灾害监测预报小卫星的树种识别 被引量：11
3
作者 李俊明 邢艳秋 +1 位作者 杨超 李增元 《东北林业大学学报》 CAS CSCD 北大核心 2013年第11期41-45,50,共6页
应用环境与灾害监测预报小卫星的高光谱遥感影像,对吉林省汪清林业局施业区内的典型树种蒙古栎、白桦和落叶松进行分类。依据各树种在相同波段灰度值的差异性,从HJ-1A遥感影像的115个波段中提取3个树种可分性好的波段区域,建立基于植被... 应用环境与灾害监测预报小卫星的高光谱遥感影像,对吉林省汪清林业局施业区内的典型树种蒙古栎、白桦和落叶松进行分类。依据各树种在相同波段灰度值的差异性,从HJ-1A遥感影像的115个波段中提取3个树种可分性好的波段区域,建立基于植被灰度值的分类规则进行预分类,再结合地形因子的坡向数据和DEM数据等地形因子进行再分类。预分类的总体分类精度为68.33%,分别结合坡向数据和高程数据的分类精度为81.67%和80.00%;在预分类中,结合坡向和高程数据的总体分类精度为88.33%。 展开更多
关键词 HJ-1A 森林类型 地形因子 树种识别
下载PDF
基于星载激光雷达数据和支持向量分类机方法的森林类型识别 被引量：6
4
作者 刘美爽 邢艳秋 +2 位作者 李立存 杨超 王蕊 《东北林业大学学报》 CAS CSCD 北大核心 2014年第2期124-128,共5页
以长白山汪清林区为例,分析了星载激光雷达(ICESat-GLAS)数据在森林类型识别上的应用效果。采用软件Matlab和IDL对原始二进制数据进行处理,得到GLAS回波波形图;进一步提取与森林类型相关的波形特征参数,作为支持向量分类机(C-SVC)的输入... 以长白山汪清林区为例,分析了星载激光雷达(ICESat-GLAS)数据在森林类型识别上的应用效果。采用软件Matlab和IDL对原始二进制数据进行处理,得到GLAS回波波形图;进一步提取与森林类型相关的波形特征参数,作为支持向量分类机(C-SVC)的输入量,进行森林类型识别,并采用K-折交叉验证方法对核函数选择进行评价。结果表明:C-SVC分类方法能够识别阔叶林和针叶林2种森林类型,识别精度达到85.24%。 展开更多
关键词 星载激光雷达 支持向量分类机 森林类型识别
下载PDF
联合多时相GF-6 WFV和Sentinel-2的森林类型识别 被引量：1
5
作者 叶青龙 欧阳勋志 +2 位作者 黄诚 李坚锋 潘萍 《江西农业大学学报》 CAS CSCD 北大核心 2024年第2期389-400,共12页
【目的】我国南方地区多云雨,地型较破碎,森林类型精细识别较为困难,探讨联合多源、多时相的遥感数据对森林类型识别具有重要意义。【方法】以江西省信丰县为研究区,基于2019年森林资源二类调查数据,将森林划分为松林、杉木林、阔叶林... 【目的】我国南方地区多云雨,地型较破碎,森林类型精细识别较为困难,探讨联合多源、多时相的遥感数据对森林类型识别具有重要意义。【方法】以江西省信丰县为研究区,基于2019年森林资源二类调查数据,将森林划分为松林、杉木林、阔叶林、针叶混交林、针阔混交林、竹林、灌木林和其他林地等8种类型,利用随机森林算法比较GF-6 WFV和Sentinel-2最佳时相相同波段(紫/深蓝、蓝、绿、红、近红外、红边)和不同波段(黄边、短波红外)的森林类型识别能力,构建联合光谱特征集。联合多时相GF-6 WFV和Sentinel-2,构建多时相植被指数特征集,结合联合光谱特征集、纹理特征和地形特征,通过随机森林和递归消除法构建特征变量优选数据集进行森林类型识别,利用混淆矩阵和森林类型的实际分布对识别结果进行精度验证。【结果】(1)GF-6 WFV蓝、绿和红波段组合的总体精度为58.31%,分别加入紫、近红外、红边、黄边和Sentinel-2短波红外波段后,其总体精度分别提高1.99%、8.90%、10.71%、1.50%和14.10%;Sentinel-2蓝、绿和红波段组合的总体精度为54.68%,分别加入深蓝、近红外、红边、短波红外和GF-6 WFV黄边波段后,其总体精度分别提高3.30%、10.82%、12.92%、17.31%和3.97%。(2)特征变量优选数据集的总体精度和Kappa系数为80.80%和75.56%,贡献程度大小依次为GF-6 WFV多时相植被指数、Sentinel-2多时相植被指数、GF-6 WFV光谱特征、Sentinel-2光谱特征、地形特征和纹理特征,贡献率分别为40.44%、23.23%、18.12%、10.21%、4.61%和3.39%。(3)松林、杉木林、阔叶林、针叶混交林、针阔混交林、竹林、灌木林和其他林地的制图精度分别为86.97%、85.60%、88.61%、9.43%、19.01%、53.60%、86.90%和82.56%,用户精度分别为81.42%、79.79%、77.57%、71.43%、81.82%、67.00%、87.74%和82.88%,识别结果与研究区实际森林类型分布较吻合。【结论� 展开更多
关键词 GF-6 WFV Sentinel-2 森林类型识别 随机森林
下载PDF
基于多源数据及三层模型的小班林型识别 被引量：5
6
作者 黄健 吴达胜 方陆明 《南京林业大学学报（自然科学版）》 CAS CSCD 北大核心 2022年第1期69-80,共12页
【目的】目前关于林型识别的研究区域主要为小范围森林区域和林场,为了探究较大范围内林型的识别方法,本研究使用Sentinel-2光学遥感影像、森林资源二类调查数据、数字高程模型(DEM)和Sentinel-1雷达遥感影像数据建立林型识别模型。【... 【目的】目前关于林型识别的研究区域主要为小范围森林区域和林场,为了探究较大范围内林型的识别方法,本研究使用Sentinel-2光学遥感影像、森林资源二类调查数据、数字高程模型(DEM)和Sentinel-1雷达遥感影像数据建立林型识别模型。【方法】以淳安县作为研究区域,针对淳安县各个小班中的7种林型:毛竹(Phyllosstachys edulis)林、茶树(Camellia sinensis)林、山核桃(Carya cathayensis)林、杉木(Cunninghamia lanceolata)林、马尾松(Pinus massoniana)林、阔叶混交林、其他硬阔林进行识别。研究采用分层的方法对林型进行识别,整体分为3层。第1层使用RF算法建立林地与非林地识别模型;第2层对林地数据进行树种结构识别,分别使用随机森林(random forest,RF)、极端梯度提升(eXtreme gradient boosting,XGBoost)和轻量级梯度提升机(light gradient boosting machine,LightGBM)方法建立不同模型并对比分析实验结果;第3层将树种结构细分为林型。【结果】第1层RF林地与非林地识别模型总体精度为98.08%;第2层树种结构识别模型中对比了3个模型不同特征组合下的性能,其中LightGBM模型总体精度最高,达到81.43%;第3层模型对林型进行识别,基于所有特征结合雷达遥感因子建模的情况下,LightGBM模型精度为84.51%,经递归特征消除法(recursive feature elimination,RFE)选择特征后,最优精度为83.21%。【结论】通过各个模型的特征重要性图发现,光学遥感中的绿光、红光、近红外波段和红边波段,以及DEM提取的地形因子对研究区域小班林型识别有较好的效果,而Sentinel-1雷达中提取的自变量对林型的识别没有特别明显的帮助。 展开更多
关键词 林型识别 光学遥感 雷达遥感 数字高程模型 模型分层
原文传递
亚热带常绿林型遥感识别及尺度效应 被引量：4
7
作者 张悦楠 房磊 +4 位作者 乔泽宇 陈龙池 张伟东 郑晓 江涛 《生态学杂志》 CAS CSCD 北大核心 2020年第5期1636-1650,共15页
光学遥感是获取宏观地表植被覆盖信息的重要手段,但常绿树种之间物候差异小,关于亚热带地区常绿林型的遥感识别研究相对较少。遥感林型识别存在尺度效应,从实际应用视角出发,常绿林型遥感识别的最优空间分辨率仍然不清楚。本研究以湖南... 光学遥感是获取宏观地表植被覆盖信息的重要手段,但常绿树种之间物候差异小,关于亚热带地区常绿林型的遥感识别研究相对较少。遥感林型识别存在尺度效应,从实际应用视角出发,常绿林型遥感识别的最优空间分辨率仍然不清楚。本研究以湖南省会同县为例,利用Pléiades(2 m)、RapidEye(5 m)、Landsat-8(15、30 m)4种光学遥感影像,结合光谱、纹理、植被覆盖度等特征变量与随机森林模型,探讨了3种典型亚热带常绿林型:杉木林(Chinese fir forest,CFF)、马尾松林(Masson pine forest,MPF)、常绿阔叶林(evergreen broadleaved forest,EBF)的最优遥感识别分辨率以及尺度效应问题。结果表明:研究区地表覆盖分类精度随影像空间分辨率的降低呈现先降低后上升的变化趋势,在2 m时具有最佳分类精度(Kappa=0.70,总精度=0.77)。3种林型的识别精度随空间分辨率的上升均表现出先降低后上升的变化规律,识别率(rate of identification,RI)范围分别为:RICFF=68%~87%、RIMPF=55%~84%、RIEBF=29%~74%。杉木林与马尾松林的漏分误差(omission error,OE)与错分误差(commission error,CE)低于常绿阔叶林(OECFF=0.26~0.46,CECFF=0.32~0.53;OEMPF=0.31~0.50,CEMPF=0.31~0.46;OEEBF=0.47~0.71,CEEBF=0.39~0.66)。本研究证实了亚热带常绿林型的遥感识别存在明显的尺度效应,30 m分辨率的Landsat-8影像相比高分辨率遥感影像因具备更丰富的光谱信息而具有更高的识别精度。本研究表明,常绿林型的遥感识别不宜盲目追求高空间分辨率,需要综合考虑遥感传感器光谱配置与空间分辨率之间的内在权衡。 展开更多
关键词 林型识别 尺度效应 高分辨率遥感 地表覆盖制图 随机森林 亚热带森林
原文传递
基于支持向量机的EO-1 Hyperion遥感图像分类研究
8
作者 毛学刚 郑淼 +3 位作者 郭文茜 马岩岩 胡俊凯 杨天野 《安徽农业科学》 CAS 2014年第15期4892-4894,4900,共4页
以EO-1 Hyperion高光谱遥感数据为基础,对其进行大气校正、几何校正、滤波等处理,采用支持向量机分类方法对其进行分类,选择不同的核函数,主要有线性核、多项式核、径向基核、Sigmoid核,其余采用相同参数设置,进而比较不同核函数在EO-1 ... 以EO-1 Hyperion高光谱遥感数据为基础,对其进行大气校正、几何校正、滤波等处理,采用支持向量机分类方法对其进行分类,选择不同的核函数,主要有线性核、多项式核、径向基核、Sigmoid核,其余采用相同参数设置,进而比较不同核函数在EO-1 Hyperion数据分类中的效果。结果表明,采用支持向量机方法对研究区域的EO-1 Hyperion遥感数据进行分类,采用不同的核函数对分类结果影响不大。 展开更多
关键词 HYPERION 支持向量机(SVM) 森林类型识别 分类方法 核函数
下载PDF
高分多模卫星林业地类及树种识别应用研究 被引量：2
9
作者 高金萍 于慧娜 翟召坤 《林业资源管理》 北大核心 2023年第1期127-132,共6页
遥感分类技术一直是林草行业应用的热点和难点,2021年开展的国家林草综合生态年度监测开始广泛应用遥感技术开展林地、草地和湿地图斑变化判读,地类前后变化的识别精度是其难点和关键。通过利用国内首颗分辨率优于0.5m的高分多模卫星,... 遥感分类技术一直是林草行业应用的热点和难点,2021年开展的国家林草综合生态年度监测开始广泛应用遥感技术开展林地、草地和湿地图斑变化判读,地类前后变化的识别精度是其难点和关键。通过利用国内首颗分辨率优于0.5m的高分多模卫星,在湖南省桃源县、吉首市2个试验区分别开展林业主要地类识别和树种精细识别应用实践研究。结果表明:随机森林方法在林业地类识别中表现较好,林地、湿地、其他林地等主要地类的总体分类精度为89.56%,Kappa系数为0.733;K最邻近分类法对杉木、马尾松、灌木组、柑桔4个主要树种的总体识别精度为77.58%,Kappa系数为0.697。总体而言,高分多模卫星遥感分类和目标识别能力较好,在林草调查监测工作中应用潜力较大。 展开更多
关键词 高分多模卫星 林业地类识别 树种识别 随机森林 K最邻近分类法
下载PDF
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
使用帮助 返回顶部