|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于网格搜索随机森林算法的工矿复垦区土地利用分类显示文摘为提高工矿复垦区遥感影像土地利用分类精度,为土地复垦监测工作提供数据支持,该文探讨了基于网格搜索(Grid-Search)的随机森林(random forest)复垦区土地利用分类方法。研究利用GF-1影像、DEM(digital elevation model)和野外调查等数据,以随机森林分类算法为框架,采用基于OOB(Out-of-Bag)误差的网格搜索法对算法进行参数寻优,结合影像光谱、地形、纹理、空间信息,计算选取了33个特征变量,构建了4种变量组合模型开展随机森林分类试验,4个组合模型的分类精度分别达到82.79%、84.91%、86.75%、88.16%。为去除33个特征变量中的冗余信息、降低影像波段变量维度、缩短分类执行时间并保证影像分类精度,试验分别利用变量重要性估计和Relief F方法进行特征选择后再次执行随机森林分类,将分类结果与不同组合模型、不同分类方法进行比较,结果表明:基于网格搜索参数寻优的随机森林算法在多特征变量的影像分类中可以达到88.16%的分类精度,在利用不同方法降维后依然可以将分类精度保持在85%以上,精度优于相同特征变量下的SVM(support vector machine)和MLC(maximum likelihood classification)分类方法;在效率方面,随机森林分类方法执行时间优于SVM,并且在处理多维特征变量时能力更强。由此可见,采用基于网格搜索的随机森林方法对工矿复垦区土地利用信息进行分类提取可以得到较高的精度,基于该方法开展遥感影像解译可为土地复垦监测工作提供技术支持和理论参考。 | 陈元鹏 罗明 彭军还 王军 周旭 李少帅 | 2017 | 农业工程学报2017，33，14： | 27 |
| 2 | 基于MESMA和RF的山丘区土地利用信息分类提取显示文摘探讨了基于多端元混合像元分解(Multiple endmember spectral mixture analysis,MESMA)和随机森林(Random forest,RF)相结合的土地利用信息分类提取方法。以Landsat-8 OLI卫星遥感影像为主要数据,基于植被-不透水面-裸土(Vegetation-impervious surface-soil,VIS)模型,利用MESMA将影像分解为植被、不透水面和裸土3类组分,将生成的3类组分变量和基于光谱、纹理信息计算选取的20个特征变量组合后开展RF分类实验,将分类结果与相同特征变量下的支持向量机(Support vector machine,SVM)、最大似然(Maximum likelihood classification,MLC)分类结果进行比较分析。结果表明:MESMA可以获得较为精确的组分丰度信息;RF分类结果优于相同特征变量下的SVM和MLC分类结果;在MESMA生成的组分信息变量参与分类后,3种方法的分类精度均有所改善,分别达90.50%、88.85%、86.35%,其中RF的分类精度改善最为显著;MESMA与线性混合分解(Linear spectral mixture analysis,LSMA)生成的组分信息变量相比,前者对于改善分类精度效果更为明显。MESMA对于提高影像分类精度起到一定积极作用,基于MESMA和RF的方法对中等空间分辨率影像山丘区土地利用信息分类提取精度较高,利用该方法开展遥感影像解译可为大尺度的土地利用监测和管理工作提供技术支持和理论参考。 | 陈元鹏 郧文聚 周旭 彭军还 李少帅 周妍 | 2017 | 农业机械学报2017，48，7： | 21 |
| 3 | 基于增强型水体指数的大棚遥感检测研究——以广东江门地区为例显示文摘基于遥感影像的农业大棚检测,能够快速获取大棚的空间分布情况与面积信息,对于农作物监测、农业规划等具有重要的意义。现有大棚遥感检测算法大多依赖于高分辨率遥感影像或无人机航空影像,存在成本高、算法设计复杂等不足。针对此问题,文章基于Landsat影像提出了一种快速大棚检测算法。首先,根据冬季大棚内表面产生冷凝露水这一常见自然现象,提出了一种增强型水体指数;然后结合归一化植被指数与可见光光谱特征,来更好地描述大棚及其他地物的特征。在此基础上,设计一种简单高效的决策树分类器识别大棚。文章以广东江门大鳌镇为例,对不同年份的Landsat影像展开实验并与其他方法进行对比。结果表明,文章所提方法有效地识别出了大棚,同时具有效率高、成本低、鲁棒性强的优点。 | 王志盼 张清凌 钱静 肖雪 | 2017 | 集成技术2017，6，2： | 9 |
| 4 | 面向对象的覆膜农田信息遥感表征方法显示文摘为解决复杂土地利用背景下覆膜农田信息遥感提取方法缺乏的问题,该文以河套灌区为研究区,以Sentinel-2A卫星数据为基础,结合面向对象影像分析和随机森林算法,开展了复杂土地利用背景下灌水与无灌水覆膜农田信息遥感同步提取研究。首先进行遥感影像尺度分割研究,优选出最佳分割尺度。在此基础上,提取光谱特征、纹理特征、几何特征,获取优化特征子集,并采用随机森林机器学习算法表征覆膜农田信息。研究表明,结合利用Sentinel-2A数据与OBIA方法能够有效表征覆膜农田信息,总体精度达93.03%,Kappa系数为0.91;其中,灌水覆膜农田用户精度为91.35%,制图精度为88.57%;无灌水覆膜农田用户精度为97.10%,制图精度为98.63%。研究证明了Sentinel-2A卫星数据和OBIA方法和机器学习算法在覆膜农田信息遥感表征中的应用潜力,能够为地物信息遥感表征研究中提供参考依据。 | 哈斯图亚 陈仲新 李彩 刘顺喜 | 2021 | 测绘科学2021，46，3： | 3 |
| 5 | 基于多核主动学习和多源数据融合的农田塑料覆被分类显示文摘通过引入多源多时相卫星遥感数据,提出了一种基于多核主动学习的农田塑料覆被分类算法,实现农业塑料大棚和地膜的精准分类。首先基于多时相Sentinel1雷达和Sentinel2光学遥感影像,提取其光谱特征、纹理特征等,以构建多维特征空间。然后构建多核学习模型,实现多源、多时相特征的自适应融合。最后构建基于池的主动学习策略,通过引入训练样本的淘汰机制,进一步提升分类模型的泛化能力。试验结果表明,本文所提分类方法的总体精度为95.6%,Kappa系数为0.922,相较经典支持向量机、随机森林、K近邻、决策树、AdaBoost模型,多核学习模型精度提高5.7、12.1、11.4、22.3、10.3个百分点;且在相同分类精度下,主动学习较被动学习可减少一半以上的标签数据;同时相较仅使用单时相及单传感器遥感影像而言,精度分别提高3.7、12.7个百分点。结果表明,多核主动学习能够有效进行多传感器、多时相数据融合,并可以在小样本条件下取得更高的分类精度,从而为农田塑料覆被的遥感监测提供模型参考。 | 冯权泷 牛博文 朱德海 刘逸铭 欧聪 刘建涛 | 2022 | 农业机械学报2022，53，2： | 1 |
| 6 | 耕地利用“大棚化”的时空特征及影响因素分析显示文摘[目的]我国以“大棚化”为代表的耕地利用转型不断深入,意味着传统的露天耕作已逐渐被设施农业取代。少有研究在宏观层面上对耕地“大棚化”的影响因素进行探究,特别是其与新型职业农民转型间的关系。[方法]文章以2006年和2016年中国大陆31个省级行政区为对象分析了耕地利用“大棚化”的时空特征,并通过多层线性模型对2016年全国209个地级行政区耕地利用“大棚化”的影响因素进行了探究。[结果](1)2006—2016年中国大陆耕地利用“大棚化”整体呈上升趋势,在空间上呈现出东高西低的分布态势。(2)大棚用地面积影响因素中,人口密度、城镇化水平和新型职业农民有显著正向影响,而坡度有显著负向影响。(3)“大棚化”率的正向影响因素与大棚用地面积的相同,而负向影响因素中新增了降水量、一产比重和人均经营耕地面积。[结论]人口密度是耕地利用“大棚化”转型的重要拉力因素,而新型职业农民培育可以主动有效推进耕地利用“大棚化”转型。 | 谢旻琪 张宇 杨奎 钟太洋 | 2022 | 中国农业资源与区划2022，43，1： | 0 |
| 7 | Modeling and simulation of temperature control system in plant factory using energy balance显示文摘Closed production systems,such as plant factories and vertical farms,have emerged to ensure a sustainable supply of fresh food,to cope with the increasing consumption of natural resource for the growing population.In a plant factory,a microclimate model is one of the direct control components of a whole system.In order to better realize the dynamic regulation for the microclimate model,energy-saving and consumption reduction,it is necessary to optimize the environmental parameters in the plant factory,and thereby to determine the influencing factors of atmosphere control systems.Therefore,this study aims to identify accurate microclimate models,and further to predict temperature change based on the experimental data,using the classification and regression trees(CART)algorithm.A random forest theory was used to represent the temperature control system.A mechanism model of the temperature control system was proposed to improve the performance of the plant factories.In terms of energy efficiency,the main influencing factors on temperature change in the plant factories were obtained,including the temperature and air volume flow of the temperature control device,as well as the internal relative humidity.The generalization error of the prediction model can reach 0.0907.The results demonstrated that the proposed model can present the quantitative relationship and prediction function.This study can provide a reference for the design of high-precision environmental control systems in plant factories. | Mingqiu Zhang Wei Zhang Xiaoyu Chen Fei Wang Hui Wang Jisheng Zhang Linhui Liu | 2021 | International Journal of Agricultural and Biological Engineering2021，14，3： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员