排序方式： 共有7条查询结果，搜索用时 15 毫秒
1
1.
耕地是丘陵山区稀缺的土地资源,具有地形条件复杂、种植结构多样的特点,导致了山地耕地信息难以快速、准确获取,并且基于传统的遥感数据及遥感监测方法开展山区耕地信息快速自动提取比较困难。针对这一问题,本文以西南山区贵州省息烽县作为试验区,根据地理空间异质性特征,提出分区控制、分层提取的耕地形态信息提取思路,构建了一种地貌单元约束条件下的分区分层耕地形态信息的提取方法。该方法首先根据地貌-植被特征将试验区划分为平坝区、山坡区、林草区3类地理分区;然后在每类分区基础上,根据耕地所呈现的视觉特征划分为不同的类型,对不同类型的耕地分别设计不同的深度学习模型进行分层提取。试验结果证明,该方法对山区复杂地形背景噪声具有较好的抑制作用,所提取的耕地地块信息相比于传统方法更符合实际耕地的实际分布形态,有效地减少了漏提率和错提率。 相似文献
2.
在大数据时代,高分辨率对地观测技术实现了对地球表层地理现象和地理过程最为真实、量化、全面覆盖又快速更新的数据化记录,可为地理空间认知研究的新发展奠定时空信息聚合与挖掘计算的基准。地理图斑是影像空间映射到地理空间中对于地理实体的抽象化表达,是构建地理场景和承载地理空间各类信息进而开展模式挖掘的最小单元。本文以地理图斑为基本对象,通过分析其中视觉模拟、符号推测等几类机器学习的协同计算机制,从空间、时间与属性等维度构建了集“分区分层感知”、“时空协同反演”、“多粒度决策”三者于一体的地理图斑智能计算模型,并以在贵州息烽县、广西江州区开展的农业种植结构制图与规划决策为应用案例,探索了地理图斑分布、生长以及功能3种模式的挖掘方法,并进一步设计了动态视角下开展图斑动力模式挖掘的研究思路。 相似文献
3.
高分辨率遥感对地观测为我们从空间与时间2个维度客观反演地表格局—过程提供了有效的技术支撑。本文遵循时空协同的研究思路,基于高分辨率遥感影像,开展了农业遥感领域2个典型的问题研究：① 提出了一种基于影像视觉特征的耕地分区分层提取方法,该方法在利用DEM数据进行分区的基础上,根据不同区域内耕地所呈现的几何特征和纹理特征差异,分别设计了不同的耕地提取模型;② 构建了一种地块尺度的作物生长参数反演方法,方法以地块为基本单元,在空间、时间及属性组合约束下进行作物理化参数反演。本研究以贵州省安顺市西秀区和广西扶绥县耕地提取进行了耕地地块提取示范,以扶绥县进行了基于耕地地块和中空间分辨率时间序列遥感数据的甘蔗叶面积指数反演。其中,对于安顺市西秀区的耕地地块提取结果而言,形态精度（IoU）大于0.7的地块超过60%,规则耕地、梯田以及林草地等的类型精度均超过了80%;对于扶绥县甘蔗叶面积指数反演的结果而言,其结果可以较为精确地反映出基地甘蔗与非基地甘蔗的差异,基地甘蔗在品质上要优于非基地甘蔗。西南山地区的耕地形态提取/类型判别和地块甘蔗叶面积指数应用验证均证明了方法的可行性。结果表明,协同使用多源高分辨率数据是实现精准农业遥感研究的有效途径。 相似文献
4.
5.
选取北盘江镇与花江镇作为研究区,利用谷歌高精度遥感影像,结合分区分层分级思想,基于深度学习与传统约束方法对研究区耕地进行精准提取。结果表明：1）在数量精度上,以视觉形态差异对研究区进行分区并选取不同模型训练获得的精细地块,面积约为9 867 hm 2,与实际数量基本一致,F-Measure主要分布在[0.82, 0.98]之间,受到地形和岩石裸露率的影响,石漠化严重地区耕地提取精度较低。2）在形态精度上,预测耕地与实际耕地的GIOU主要分布在[0.7, 1]之间,分割正确率>0.85,表明预测耕地边界与实际地块边界吻合度高,提取结果符合研究区实际情况。3）利用地貌坡度等约束条件对耕地进行划分发现,研究区以喀斯特耕地为主,占比74%,并且石漠化程度较严重,其中轻度石漠化耕地与中度石漠化耕地占总耕地的32%。在石漠化地区,耕地的狭长程度、破碎程度受人类影响较大;距离居民地越近、可达性越高的地区,其土地利用率越高,斑块越破碎。文章所提出方法可用于耕地破碎、地形复杂地区的耕地提取,能够为地区的发展、耕地治理与研究、环境保护与决策等提供精准数据支持。 相似文献
6.
以新疆吉木萨尔地区为试验区,以SASI和ETM+为主要数据源,经过数据处理后得到相应的烃类、碳酸盐岩以及二阶铁等油气异常信息。同时利用温度反演以及野外采集的光谱数据进行油气异常信息的提取研究,并结合研究区的地质资料进行对比分析。研究结果表明:①SASI数据与ETM+数据相结合,辅以温度反演信息以及地面实测光谱信息可以较好地进行地面油气异常信息提取;②吉木萨尔地区具有油气开发潜力。本次研究为吉木萨尔地区的进一步油气勘探及后期信息提取提供了一定支持。 相似文献
7.
高分遥感驱动的精准土地利用与土地覆盖变化信息智能计算模型与方法研究 总被引：1，自引：0，他引：1
通过对地观测可在影像空间上全面反映地表地理现象、格局及演化过程,基于遥感数据提取的土地利用与覆盖变化（LUCC）产品为分析地理要素空间分布规律及其变化机制提供全覆盖、定量化和快速更新的本底信息。本文以高分辨率遥感视觉特征（图）与多源多模态观测机理特征（谱）相互耦合的图谱认知理论研究为基础,提出了精细地理图斑空间结构（精）上融合定量指标反演模型（准）的精准LUCC简称P-LUCC（Precision LUCC）的概念,并依据“五土合一”的地理学思想构建了分层感知、时空协同与多粒度决策于一体的P-LUCC遥感信息智能提取与综合地理应用方法,提出并解析了其中视觉感知的深度学习、外部知识逐步融入的迁移学习以及增量式的自组织强化学习等3类机器学习模型的协同计算机制。基于此,进一步设计了“分区控制—分层提取—分级迁移—功能重组”为途径的高分辨率遥感P-LUCC信息产品生产线系统,并以苏州市高新区为应用区域针对土地利用（LU）图斑的形态、类型以及土地覆盖变化（LCC）的指标等内容开展了P-LUCC产品精度、生产效率的综合分析,展望了基于P-LUCC信息产品开展专题应用研究的新思路。 相似文献
1