排序方式： 共有4条查询结果，搜索用时 0 毫秒
1
1.
遥感试验场建设是实现遥感定量化应用的一个重要基础环节, 可用于开展遥感技术基础理论研究、技术试验、有效载荷指标的论证及评价、遥感图像质量的评价等研究工作。在地质矿产领域, 遥感技术是基础地质调查、矿产资源评价、地质灾害与地质环境调查与评价等的重要支撑技术之一。以中国地质调查局工作项目"资源能源勘探星载遥感超级试验场研究"为支撑, 开展了国内外遥感试验场建设情况调研, 比对分析了国内外主要遥感试验场的建立目的、观测内容以及应用现状等情况, 为我国在新疆哈密地区建设遥感地质试验场提供重要的参考, 对于发挥遥感技术在地质矿产资源和环境评价应用中的作用和定量化水平, 避免遥感数据应用与推广的盲目性等有重要意义。 相似文献
2.
对地观测EO(Earth Observation)领域的数据应用广泛,支持诸多科研相关决策。目前影像查询平台或系统存在诸多数据内容模型、数据获取方式不一致的问题以及数据查询方式的单一性,导致用户必须了解不同的查询平台或系统并与之交互,加大了对地观测数据的获取难度。针对这一问题,设计了一种基于对地观测三交模型EO-3IM(Earth Observation-3 Intersection Model)的影像自动发现系统,包括元数据标准化模块用于整合分散在不同Data Hub中的遥感影像资源,实现多源遥感影像的集成。拓扑查询模块用于扩展时空查询,可根据拓扑关系条件返回查询结果;数据自动发现模块用于提供符合OpenSearch规范的查询接口,同时提供RSS源订阅,实现影像的自动发现功能。 相似文献
3.
精准农田识别是农作物估产和粮食安全评估的基础。遥感数据作为农田识别的重要数据源,可提供动态、快速的监测结果。高光谱数据在农田识别分类方面具有巨大的应用潜力,但其中的冗余波段影响了分类效率和分类精度。因此,本研究提出了一种适用于高光谱数据农田分类的混合式特征选择算法。首先,基于变量的重要性排序或约束程度,按步长逐步进行降维;其次,寻找分类精度骤减的转折点,并将其对应的变量作为特征子集;最后,利用序列后向选择SBS（Sequential Backward Selection）方法搜索最优分类特征子集。本研究利用GF-5高光谱数据,共研究了3种降维方法（随机森林RF（Random Forest）、互信息MI（Multi-Information）和L1正则化（L1 regularization））和3种分类算法（随机森林、支持向量机SVM（Support Vector Machine）和K近邻KNN（K-Nearest Neighbor））的组合在农田分类中的表现。结果表明,基于L1正则化法得到的特征子集自相关性较低,并且包含的红边和近红外波段有效提高了农田、森林和裸土的区分度。在不同分类模型比较中发现,SVM在高维空间中表现出非常好的抗噪能力,分类精度高于RF和KNN。而RF在低维空间中的泛化能力要高于SVM和KNN。相比于第一步降维得到的特征子集,使用SBS搜索得到的最优特征子集均提高了分类精度。最终,具有23维输入的L1-SVM-SBS分类模型得到了最高的总体分类精度（94.64%）和农田召回率（95.83%）。本研究为高光谱数据特征优选提供了一种新思路,筛选出了更具代表性的特征波段,提高了农田分类精度,对高光谱遥感分类研究具有参考价值。 相似文献
4.
遥感地质试验场是实现遥感地质资源评价综合应用的一个重要的基础平台,其建立是为了更好地适应国土资源遥感地质应用需要,满足遥感地质应用技术自身的发展以及遥感技术与其他技术方法协同发展的需求,提高地质调查的遥感地学定量化水平,避免遥感数据应用与推广的盲目性。为此,在中国地质调查局的领导和支持下,开展了我国遥感地质试验场的建设和研究工作。经过几年的不懈努力,目前哈密遥感地质试验场的野外试验场(简称试验场)已基本建立,初步具备了对外提供应用服务的能力。这里主要介绍了试验场的构成、功能和性能,以及试验场所能提供的服务方式及服务能力,以便广大的遥感地质工作者了解试验场的建设进展情况,并利用试验场开展遥感技术方法及基础理论等研究工作,群策群力共同推进试验场的建设和发展。 相似文献
1