排序方式: 共有26条查询结果,搜索用时 15 毫秒
11.
12.
受船载仪器、海况等要素限制,传统水深测量中浅水区域无法对浅海水深进行测量。为克服此困难,利用近年来新兴的机载激光测深系统(light detection and ranging system,简称LiDAR)进行浅海水深测量,用LiDAR获取的点云数据进行处理后得到的水下地形等深线与海图图载水深进行直观对比,同一坐标点下的点云水深与截图水深进行定量分析。结果表明,LiDAR获取的水深精度高,水深点密集,可更快获得浅海区域详细的高精度的水下地形。这些优点使其在近岸浅海海岸防护、围海造田、港口建设等海洋工程项目中应用前景广阔。此外目前国内LiDAR技术主要用于陆地,应用于浅海水深测绘还很少,本研究对机载LiDAR进行水深测量的研究进行了补充。 相似文献
13.
烤烟与玉米的叶片光谱特征非常相似,不利于烤烟的遥感识别。烟苗移栽后的烟田地膜可作为烤烟识别的特征标志。基于泸西县烤烟与玉米物候特征的差异,以他们的植被覆盖度和地膜可视度的时间演变规律为依据,分析得知5月下旬至6月初是烤烟面积遥感监测的最佳时段。在此基础上选择两个时相的TM影像,综合利用自动分类和人工判读的方法,对泸西县的烤烟面积进行了遥感监测。并采用烤烟面积的统计数据检验了遥感监测的精度,结果表明各个乡镇中烤烟面积遥感监测的最高偏差率为12.4%,最低偏差率为5.6%,平均偏差率为9.7%,能够满足实际应用的需要。研究结果对于烤烟种植条件相似的地区有一定的参考指导作用。 相似文献
14.
传统的水深测量方法多通过舰载声纳实地探测的方法,灵活性较差且水深资料更新周期长,并且在某些海域,船只往往难以靠近从而无法完成测量。本文使用七连屿海域附近的WorldView-2多光谱遥感影像构建了基于梯度提升决策树(Gradient Boosting Decision Tree, GBDT)算法的水深反演模型,并利用单波束与人工测量相结合的水深数据,与传统的单波段模型、双波段模型以及BP神经网络水深反演模型的水深数据进行了水深反演精度对比。结果表明,在0~20 m深海域,GBDT模型反演精度高于其他模型,且更符合实际水深,其检验点的R2为0.9664, RMSE为0.94 m, MAE为0.75 m, RME为19%。 相似文献
16.
17.
为探究不同遥感水深反演机器学习模型的差异,以WorldView-2高分辨率多光谱影像与实测水深数据为数据源,应用BP神经网络模型、随机森林模型、梯度提升决策树模型及支持向量机模型开展水深反演实验,对4种水深反演模型的精度进行比较与评价。实验结果表明:机器学习模型反演水深,具有一定精度,平均相对误差(MRE)可优于20%。4种模型中,同为集成学习模型的随机森林模型与梯度提升决策树模型在两个实验区域,反演水深的RMSE值、MRE值与R2值明显优于BP神经网络模型和支持向量机模型,具有更好的浅水水深反演效果和适用性。 相似文献
18.
19.
太阳光线被水面直接反射到传感器会造成耀斑污染的现象。高分辨率卫星影像可利用近红外波段消除太阳耀斑。在分析耀斑产生的辐射传输过程的基础上,利用World View-2卫星4波段和8波段多光谱影像设计实验,比较了3种常见的高分辨率太阳耀斑消除算法。结果表明,各种耀斑消除算法的目视效果都较为优秀,定量应用场合下Hedly算法和Goodman算法更有优势。 相似文献
20.
根据遥感水深反演原理,利用海南岛龙湾港的WorldView-2多光谱卫星数据和海图水深资料,通过对水深进行0~2,2~5,5~10,10~15和15~20 m的分区处理、潮汐改正和海图水深数据与相应图像波段反射率值的相关性分析及回归分析,建立了浅海水深线性回归反演模型,开展了浅海水深的实际计算与精度分析。结果表明:对不同水深范围分别建立线性回归模型反演的水深精度要高于未分区建立的模型;分区模型中,多波段模型在0~5 m的反演精度最高,而双波段比值模型在5~20 m的反演精度最高,但是反演水深在最浅处的精度还有待提高。本文方法提取的水深与海图水深数据变化趋势基本相似,可以满足海洋科学研究对大范围浅水水下地形探测的要求。 相似文献