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
2
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
基于数字孪生的水土流失防治责任范围变化预测模型
被引量：
1
1
作者
卢敬德
李智广
《水利信息化》
2024年第1期19-24,共6页
为建立实用、高效的水土流失防治责任范围变化预测模型,提高合规性判断的准确性,在总结水土流失防治责任范围可撤销性、时空交错性、临时性和条件适用性等4个主要动态特性的基础上,提出一种基于数字孪生的水土流失防治责任范围变化预测...
为建立实用、高效的水土流失防治责任范围变化预测模型,提高合规性判断的准确性,在总结水土流失防治责任范围可撤销性、时空交错性、临时性和条件适用性等4个主要动态特性的基础上,提出一种基于数字孪生的水土流失防治责任范围变化预测模型。数学模型为描述防治责任范围状态的虚拟模型,防治责任范围为物理实体,模型基于防治责任范围变化主要因素的孪生数据,对防治责任范围有效性状态进行评估和预测。结果表明:模型对防治责任范围变化进行预测的正确率提升约38%,具有良好的预测防治责任范围变化的性能,有助于进一步提升提高遥感监管成果的质量,在生产建设项目遥感监管应用领域有一定的借鉴意义。
展开更多
关键词
数字孪生
水土流失
遥感监管
防治责任范围
预测模型
下载PDF
职称材料
基于卷积神经网络及遥感反演的生产建设项目识别方法及应用
2
作者
卢敬德
伍容容
+1 位作者
吴鹏
丁立
《中国水土保持科学》
CSCD
北大核心
2024年第5期199-208,共10页
由于遥感影像中的地物普遍存在异物同谱、同物异谱等现象,导致面向对象的多尺度和多阈值分割分类等解译方法无法在完全脱离人工干预的情况下使用,因而给解译带来成本高、效率较低等问题。本研究目的是建立一个实用、高效的生产建设项目...
由于遥感影像中的地物普遍存在异物同谱、同物异谱等现象,导致面向对象的多尺度和多阈值分割分类等解译方法无法在完全脱离人工干预的情况下使用,因而给解译带来成本高、效率较低等问题。本研究目的是建立一个实用、高效的生产建设项目扰动图斑自动识别模型,提高扰动图斑识别的效率和准确性。河南省作为水利部第一批遥感监管示范省,至今已积累大量生产建设项目水土保持空间数据。为此,笔者选择河南省作为研究区。提出一种基于神经网络及遥感反演模型的生产建设项目自动识别方法。该方法使用由5个卷积层和3个池化Pooling层的AlexNet对扰动图斑进行初步自动解译,并使用归一化植被指数、温度植被干旱指数等遥感反演模型进一步判断图斑是否为生产建设项目。笔者以成像时间为2020年、覆盖河南全省的G F-1、G F-6遥感影像为基础,使用生产建设项目扰动图斑的外包矩形裁剪上述影像获得训练样本,对样本进行标记,并将标记好的训练样本输入到AlexNet模型对其进行训练,完成训练后分别使用单一神经网络模型及神经网络模型+遥感反演模型进行两组测试。结果表明:1)本方法在降低误识别率和漏识别率的效果方面均比单纯卷积神经网络识别模型优异,误识别率平均降低23.88%,尤其在降低误识别率方面效果明显;2)本方法的计算时间,与卷积神经网络识别模型没有明显差异。综上,本研究成果可有效降低生产建设项目自动识别的误判率,有助于进一步提升生产建设项目水土保持遥感监管工作的自动化程度,在生产建设项目自动识别应用领域有一定的借鉴意义。
展开更多
关键词
卷积神经网络
遥感反演
遥感监管
自动识别
水土保持
下载PDF
职称材料
题名
基于数字孪生的水土流失防治责任范围变化预测模型
被引量：
1
1
作者
卢敬德
李智广
机构
广东
无限
阵列
科技
有限公司
水利部水土保持监测中心
出处
《水利信息化》
2024年第1期19-24,共6页
基金
河南省水利厅2021年水利科技攻关项目(GG202151)。
文摘
为建立实用、高效的水土流失防治责任范围变化预测模型,提高合规性判断的准确性,在总结水土流失防治责任范围可撤销性、时空交错性、临时性和条件适用性等4个主要动态特性的基础上,提出一种基于数字孪生的水土流失防治责任范围变化预测模型。数学模型为描述防治责任范围状态的虚拟模型,防治责任范围为物理实体,模型基于防治责任范围变化主要因素的孪生数据,对防治责任范围有效性状态进行评估和预测。结果表明:模型对防治责任范围变化进行预测的正确率提升约38%,具有良好的预测防治责任范围变化的性能,有助于进一步提升提高遥感监管成果的质量,在生产建设项目遥感监管应用领域有一定的借鉴意义。
关键词
数字孪生
水土流失
遥感监管
防治责任范围
预测模型
Keywords
digital twin
soil erosion
remote sensing supervision
the range of control responsibility
forecasting model
分类号
TP391.98 [自动化与计算机技术—计算机应用技术]
S157.1 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
基于卷积神经网络及遥感反演的生产建设项目识别方法及应用
2
作者
卢敬德
伍容容
吴鹏
丁立
机构
广东
无限
阵列
科技
有限公司
河南省水土保持监测总站
出处
《中国水土保持科学》
CSCD
北大核心
2024年第5期199-208,共10页
基金
河南省水利厅2021年水利科技攻关项目“河南省水土保持大数据平台关键技术研究:生产建设项目水土保持监管系统设计与应用”(GG202151)。
文摘
由于遥感影像中的地物普遍存在异物同谱、同物异谱等现象,导致面向对象的多尺度和多阈值分割分类等解译方法无法在完全脱离人工干预的情况下使用,因而给解译带来成本高、效率较低等问题。本研究目的是建立一个实用、高效的生产建设项目扰动图斑自动识别模型,提高扰动图斑识别的效率和准确性。河南省作为水利部第一批遥感监管示范省,至今已积累大量生产建设项目水土保持空间数据。为此,笔者选择河南省作为研究区。提出一种基于神经网络及遥感反演模型的生产建设项目自动识别方法。该方法使用由5个卷积层和3个池化Pooling层的AlexNet对扰动图斑进行初步自动解译,并使用归一化植被指数、温度植被干旱指数等遥感反演模型进一步判断图斑是否为生产建设项目。笔者以成像时间为2020年、覆盖河南全省的G F-1、G F-6遥感影像为基础,使用生产建设项目扰动图斑的外包矩形裁剪上述影像获得训练样本,对样本进行标记,并将标记好的训练样本输入到AlexNet模型对其进行训练,完成训练后分别使用单一神经网络模型及神经网络模型+遥感反演模型进行两组测试。结果表明:1)本方法在降低误识别率和漏识别率的效果方面均比单纯卷积神经网络识别模型优异,误识别率平均降低23.88%,尤其在降低误识别率方面效果明显;2)本方法的计算时间,与卷积神经网络识别模型没有明显差异。综上,本研究成果可有效降低生产建设项目自动识别的误判率,有助于进一步提升生产建设项目水土保持遥感监管工作的自动化程度,在生产建设项目自动识别应用领域有一定的借鉴意义。
关键词
卷积神经网络
遥感反演
遥感监管
自动识别
水土保持
Keywords
convolutional neural network
quantitative remote sensing
the remote sensing supervision of soil and water conservation
automatic identification
soil and water conservation
分类号
TP753 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于数字孪生的水土流失防治责任范围变化预测模型
卢敬德
李智广
《水利信息化》
2024
1
下载PDF
职称材料
2
基于卷积神经网络及遥感反演的生产建设项目识别方法及应用
卢敬德
伍容容
吴鹏
丁立
《中国水土保持科学》
CSCD
北大核心
2024
0
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
