排序方式： 共有10条查询结果，搜索用时 31 毫秒
1
1.
农田防护林是农田生态系统的屏障,其健康状况的监测与评估在我国北方农田林网管理中尤为重要。本文以新疆生产建设兵团第三师51团为研究区,使用复合翼无人机CW-20搭载Micro MCA12 Snap多光谱相机获取农田防护林的多光谱影像,经辐射校正、裁剪等预处理,通过优选有效特征和模型比较,提出农田防护林提取的有效方法。首先,基于原始12波段,依据相关性系数矩阵和最佳指数因子（Optimum Index Factor,OIF）选取最优3波段和植被指数特征进行组合,构建8种农田防护林提取方案;然后,通过建立语义分割Deeplabv3+模型进行精度评价,得到最优3波段组合6（波长710 nm）、8（波长800 nm）、 11（波长900 nm）波段为最佳特征组合;最后,以最优3波段为基础,将Deeplabv3+模型与U-Net、ENVINet5模型进行对比分析。结果表明：Deeplabv3+模型能够更深层次的挖掘光谱中潜在的信息,相比其他模型,能够较好地处理正负样本不均衡问题,获得最高MIoU值85.54%,比U-Net、ENVINet5的MIoU值则分别高出21.21%、27.19%。该研究结果可为基于多光谱遥感影像的语义分割在农田防护林提取及健康状况监测的应用提供借鉴和参考。 相似文献
2.
3.
针对目前无人机激光雷达点云滤波过程中存在的效率低、误分割和精度差等问题,本文在对点云三维坐标进行K-means聚类得到不同聚类结果的基础上,引入最大-最小标准化方法对不同聚类结果的点云回波强度原始值进行标准化,得到 0-1范围回波强度规则值。针对不同聚类结果选择不同范围的回波强度规则值得到对应地面点云,以提升研究区点云的滤波精度并减少其地面点云的数据量。同时,对比利用K-means聚类对三维坐标和回波强度原始值进行滤波的结果。结果表明：对研究区点云去噪、抽稀预处理后得到107 372个点云数,利用K-means方法对三维坐标和回波强度原始值进行聚类滤波得到地面点数为66 713个,占点云总数的62.133%。通过使用本文方法可剔除过分割地表植被点13 648个,得到地面点云占点云总数的49.422%。该方法能够较好地保持地形轮廓并降低地面点云的数据量,从而为后期快速建立高精度DEM奠定基础。 相似文献
4.
针对当前无人机影像获取精度高但数据规模小的问题,本文提出通过U-Net模型探讨不同空间分辨率对防护林提取精度的影响。以CW-20复合翼无人机搭载Micro MAC12 Snap多光谱传感器获取的300 m（空间分辨率0.15 m）、400 m（空间分辨率0.20 m）、500 m（空间分辨率0.25 m）3种不同高度的遥感影像为例,试验结果证明,3种不同高度的影像提取精度误差在1.3%以内;MIoU误差在3.7%以内。空间分辨率对防护林提取精度的影响较小,高空间分辨率的影像数据并不能显著提升防护林的提取精度。本文为大规模农林业遥感监测的数据源获取提供了理论依据。 相似文献
5.
无人机多光谱影像的天然草地生物量估算 总被引：1，自引：0，他引：1
地上草地生物量是衡量天然草地生态系统的重要指标,是草地资源合理利用和载畜平衡监测的重要依据。为了快速、准确、有效地估算天然草地地上生物量,掌握其变化规律,以天山北坡天然牧场为研究区,分析其地上生物量的时空分布特征。根据研究区阴坡与阳坡不同的草地类型和植被种类,利用多旋翼无人机获取的高分辨率多光谱影像(含近红外波段),结合地面实测数据,在进行天然草地地上生物量与植被指数相关性分析的基础上,运用回归分析方法,建立生物量和多种植被指数的估算模型。结果表明:考虑地形因子(阴阳坡)之后,植被地上生物量与各植被指数的相关性系数显著提高;不同坡向,同一植被指数拟合精度差异较大;同一坡向,各个植被指数的敏感性也有所不同。总体上,比值植被指数(RVI)与阴阳坡草地生物量拟合效果最好,模型精度均达到75%以上。利用植被指数建立的生物量估算方法结果与实际相符,可为天然草地生态系统检测和草地资源合理利用提供方法和依据。 相似文献
6.
区域土壤水分遥感反演方法研究 总被引：2，自引：0，他引：2
土壤水分是陆地表面参数化的一个关键变量.土壤水分含量随时空的转换而变化,对地面、大气间的热量平衡、土壤温度及农田墒情等都会产生明显的影响.传统的土壤水分测量方法采样速度慢、费用高、代表性差,无法满足实时、大范围监测的需要.遥感监测土壤水分克服了以上的缺点,利用遥感技术监测土壤水分是目前定量遥感研究的前沿和难题之一.总结了目前国内外遥感计算土壤含水量的主要方法和研究进展,同时进行了对比研究,对不同方法的原理及应用情况进行分析,指出这些方法的适用条件、存在问题及改进措施. 相似文献
7.
点云分类是激光点云数据处理的重要环节,探索自动、高效、高精度的点云分类方法具有重要意义.通过分析同机获取的LiDAR点云与高分辨率光学影像的特点,提出了融合无人机LiDAR与高分辨率光学影像的点云分类方法.首先将LiDAR点云投影到二维平面并构建不规则三角网模型,然后寻找同名点对完成与光学影像的配准与融合,进而将光学影像的光谱信息赋予无人机LiDAR点云,接着从光学影像上提取光谱特征、从LiDAR点云上提取多尺度几何特征构建分类特征集,进一步通过CFS特征选择算法实现特征集的降维,最后运用随机森林分类算法实现点云分类.实验结果表明,本文分类方法的总体精度可达89.5%,Kappa系数为0.844,与未经特征选择的分类结果相比精度提高了1.1个百分点,与单纯依靠LiDAR或者光学影像的分类相比,精度分别提高了5.4和14.9个百分点.本文方法不仅有效避免了基于点云属性内插构建新的图像融合方式带来的计算误差,同时解决了单尺度下构建几何特征时难以确定最优空间分析尺度的问题,并且对特征集进行优化选择从而有效提高了数据处理的效率. 相似文献
8.
一种快速地形纹理生成和虚拟漫游方法 总被引：2，自引：1，他引：2
复杂场景的大范围、高分辨率纹理的快速漫游是虚拟现实、GIS、仿真等领域的关键技术与难点。DEM是对地形地貌的数字描述和模拟,利用DEM数据生成可视化地形,可以更好的描述特定区域的地形特征,通过对特定区域中模型的纹理生成和映射,配合光照、大气等区域内自然场景的建模技术,可生成较为逼真的真实场景。基于OpenGL编程进行DEM地形可视化是实现地形实时漫游的方法之一,利用层次细节模型降低场景复杂度以提高漫游帧速率是该类系统中的常用方法,由于场景复杂度问题,不同的系统在具体算法实现中采用的方法也不尽相同。本文以一个虚拟校园为例,针对DEM数据转换和LOD模型面临的问题,给出了特定场景的LOD模型数据处理思想和纹理快速纹理生成、匹配、映射算法。同时给出虚拟实时漫游中第一人称漫游和飞行漫游的一般方法,讨论了在Windows环境下使用OpenGL进行虚拟漫游的基本步骤。提出了一种新的根据场景特点快速生成和映射纹理途径。结果表明,该方法在保证真实感条件情况下达到了满意的实时漫游效果。 相似文献
9.
作物高度是农田、生态等研究领域重要的一项指标,准确地获取作物高度和类别是精确估产和长势监测的必要条件。激光雷达技术能够提供精确的植被冠层结构信息,并进而获得作物冠层高度。以绿洲农田区的棉田为研究对象,通过激光雷达提取的植被垂直结构信息,估算研究区各植被类型的高度,并依据高度进行了分类。结果表明：林地、食葵、棉花和西葫芦的平均高度约为12.5 m、2.125 m、1.125 m和0.35 m,利用植被类型间的高度差异进行地物类型识别的总体精度为93%;食葵、棉花和西葫芦实测植被高度值与计算植被高度值的平均相对误差分别为-0.038%、1.35%和-4.348%,说明激光雷达提取的植被冠层结构参数可用于农田区作物的高度估算。 相似文献
10.
棉花叶面积指数（LAI）是描述其长势的重要指标,准确获取冠层结构参数是叶面积指数反演的必要条件。以ScoutB-100油动单旋翼无人机为飞行平台,搭载RIEGL VUX-1激光雷达,精确获取棉花高密度点云数据,得到研究区棉田数字表面模型（DSM）和数字高程模型（DEM）,通过差值运算获得其冠层高度模型（CHM）,进而提取有效的冠层结构参数。利用相关性分析法选取相关系数大于0.2的激光穿透力指数（LPI）、回波点云密度（D）、孔隙率（fgap）、归一化高程值（VnDSM）构建棉花LAI反演模型,并与实测叶面积指数进行精度验证与评价。实验结果表明：模型估算的LAI与实测LAI之间的决定系数为0.824,均方根误差为0.072,验证了模型的可靠性。 相似文献
1