排序方式： 共有12条查询结果，搜索用时 15 毫秒
1.
以广西桂林会仙国家湿地公园核心区为研究区,结合SegNet和低空无人机影像,构建会仙岩溶湿地地物信息提取模型,探讨多分类SegNet模型与融合单分类和双分类SegNet模型分类结果的差别,分析epoch参数设置对模型分类精度的影响。研究结果表明,多分类SegNet模型对会仙岩溶湿地地物的分类结果的Kappa系数和F1分数分别为0.59和0.67,融合单分类和双分类SegNet模型分类结果的Kappa系数和F1分数分别为0.68和0.79;与多分类SegNet模型分类结果精度相比,融合多个单分类和双分类SegNet模型分类结果的F1分数明显增大。因此,融合多个单分类和双分类的SegNet模型更适用于提取会仙岩溶湿地地物信息;构建更优的会仙岩溶湿地地物提取SegNet模型,设置epoch值为10相对更合适。 相似文献
2.
水文是沼泽形成、发育和演化的决定性因素。目前,沼泽水位的监测仍然以实地观测为主,需要花费大量的人力和物力。以洪河国家级自然保护区为研究区,利用2007年6~10月星载相控阵L波段合成孔径雷达(phase array type L-band synthetic aperture radar,L-band PALSAR)数据和2015年6~11月C波段Sentinel-1A合成孔径雷达(synthetic aperture radar,SAR)数据,采用合成孔径雷达差分干涉测量(differential interferometric synthetic aperture radar,DInSAR)技术,提取出研究区沼泽的地表形变相位,计算出研究区沼泽水位相对变化量,构建了研究区沼泽水位相对变化量遥感监测经验估算公式,实现了对研究区沼泽年内水位变化量的遥感监测,研究了不同时相浅水沼泽区和深水沼泽区干涉相干性的差异;采用方差分析和回归分析方法,在水位观测站、浅水沼泽区和深水沼泽区3种尺度上,分别对利用两种数据计算出的沼泽水位相对变化量,进行了精度验证和显著性检验。研究结果表明,植物生长期和植物空间格局都对沼泽干涉相干性产生影响,8~10月研究区干涉相干性要好于6~7月,浅水沼泽区干涉相干性要高于深水沼泽区,前者的干涉相干系数比后者的大10%~35%;计算出的沼泽水位相对变化量与地面实测的水位变化量的变化趋势吻合度较高,2007年6~7月和9~10月浅水沼泽区的水位波动幅度较大,水位变化量超过了0.70 m。 相似文献
3.
多频率InSAR提取沼泽湿地DEM精度对比分析 总被引：1，自引：1，他引：0
选取3种波长的干涉SAR数据对提取沼泽湿地区域的DEM，并随机从1：10 000地形图中选取111个点数据进行精度验证，最后对比分析了沼泽湿地植被对于不同SAR波长的干涉相干性差异。结果表明：L-band ALOS-1 PALSAR精细模式的HH单视复数数据与1：10 000地形图数据吻合度较好，76.58%的高程值差异在3 m以内，其相干系数比C-band Sentinel-1A IW模式的VV单视复数数据和X-band TerraSAR HH单视复数数据要高；更适合利用雷达干涉测量技术提取沼泽湿地的DEM；不同湿地植被类型的相干系数有较大差异，岛状林和灌草结合的湿地植被分布区相干系数值较大，而浅水沼泽植被区和深水沼泽植被区相对较低。 相似文献
4.
5.
数字高程模型是重要的地理空间数据,可以提供丰富的地形信息.为了获得时效性好、分辨率高的数字高程模型,本文以南京市为实验区域,利用德国宇航局TerraSAR-X卫星同一轨道上的两幅StripMap模式SAR影像对,主从影像时间间隔只有66天,空间分辨率为3 m.采用InSAR技术,通过迭代的方法来提高获取DEM的分辨率,并结合JAXA/EORC提供的AW3D30数字表面模型与迭代后的DEM进行融合来解决阴影等问题,最终获取了南京地区的高精度数字高程模型.将实验结果分别与90 m分辨率的SRTM、30 m分辨率的ASTER GDEM、30 m分辨率的AW3D30进行相互对比分析.结果表明,相比三种常用的DEM而言,本文获取的DEM能够更精确的获取地面的细节信息,特别是对于分布稀疏的大型单体建筑物,能够很好的恢复其三维信息,但是对于建筑物分布较为密集的区域,由于传感器视线受阻,不能观测建筑物的全貌,阴影分布较多,导致此类区域的DEM结果不理想,还需进一步深入研究,提高精度及可靠性. 相似文献
6.
7.
以洪河国家级自然保护区为研究区,选取了多时相的Sentinel-1B和Sentinel-2A影像为数据源,制定出9种多时相主被动遥感数据组合方案,用于沼泽湿地遥感分类;分别对根据9种方案整合的多维数据集,进行基于尺度继承的多尺度分割,得到面向对象的分割影像,建立与不同方案对应的特征数据集;采用随机森林机器学习算法,对多维特征数据集进行特征优化,并进行参数调优,构建沼泽植物的最优遥感识别模型,实现对沼泽湿地中地物的识别与分类。研究结果表明,采用递归特征消除(recursive feature elimination,RFE)算法的变量优选和采样随机森林的参数调优,可以优化随机森林模型,显著减少数据冗余,整合多时相主被动遥感数据方案九的随机森林模型的最佳参数mtry和ntree分别为4和1500,模型训练精度为93.06%,Kappa系数为0.916,其模型训练精度在所有方案中最高;经过变量优选得到最佳特征变量组合,交叉极化方式的后向散射系数(Mean_VH)对于沼泽分类的重要性比同向极化方式的后向散射系数(Mean_VV)高;光谱特征是遥感图像分类的最主要特征,其中,红光和绿光波段(Mean_R和Mean_G)、多光谱红边波段(Mean_REG1和Mean_REG2)、近红外波段1(Mean_NIR1)、红边植被指数(CIgreen和CIreg)都对分类具有较高的重要性;纹理特征熵(GLCM_Entro、GLCM_Ent2)和位置特征像元坐标(X_Min_Pxl和Y_Max_Pxl)对沼泽湿地分类也起到重要作用,相对于其它特征,形状特征对分类的贡献性较小;利用方案九的数据得到的分类结果的总体分类精度为94.42%,主被动遥感数据的特征变量和不同时相的特征变量都对分类做出重要贡献,其中,6月的多光谱特征变量的贡献大于9月的变量;9月的SAR特征变量的贡献大于6月的变量;对分类贡献最大的9月的特征变量为多光谱红边波段2(Mean_REG2),对分类贡献最大的6月的特征变量为绿光波段(Mean_G);融合多时相主被动遥感数据源,可以将不同数据源、不同时相对分类具有较大贡献的特征变量集合在一起,充分利用光谱信息和雷达数据反映的结构信息,构建多维度最佳特征变量组合方案,有效提高沼泽湿地分类精度。 相似文献
8.
植被是湿地生态系统健康状况的"晴雨表",明晰湿地中植被的时空分布,是湿地修复与重建、保护与合理利用的前提和基础。以洪河国家级保护区为研究区,利用全极化C-band Radarsat-2和L-band PALSAR数据,根据极化合成孔径雷达(synthetic aperture radar,SAR)目标分解理论,提取了该保护区不同波长的极化分解参数和特征参量,整合为多源极化SAR数据集,利用多尺度迭代分割算法和Random Forest机器学习算法,构建了研究区中植被的遥感识别模型,实现了对研究区中植被的高精度分类,并对比分析了不同频率SAR数据集在植被识别精度上的差异。研究结果表明,利用整合PALSAR和Radarsat-2极化数据集,获取的植被遥感分类结果的总体分类精度为86.77%,比利用PALSAR极化数据集的分类结果精度提高了15%,但是其与利用Radarsat-2极化数据集的分类结果精度差异不显著;浅水草本沼泽的生产精度达到了90.91%,深水草本沼泽的用户精度为90.63%;C-band PALSAR数据比L-band PALSAR数据更适用于高精度识别洪河国家级自然保护区中的植被。 相似文献
9.
基于PS-InSAR和SBAS技术监测南京市地面沉降 总被引：1，自引：0，他引：1
利用覆盖南京地区的23幅Sentinel-1A影像，分别采用PS-InSAR技术和SBAS技术进行数据处理，获得了两组研究区域的地表沉降信息，并对两组结果进行交叉验证分析。结果表明，两种方法获取的结果无论是在沉降范围还是在形变量级上，都具有高度的一致性；研究区域在2015-04～2017-01期间存在地面沉降问题，且最大的沉降速率达到-30 mm/a。 相似文献
10.
深度学习在遥感影像分类与识别中的研究进展综述 总被引：5，自引：0，他引：5
深度学习一直是机器学习和人工智能研究的热门主题，特别是将深度学习这一深层网络学习算法和遥感影像分类与识别联合起来，使得传统训练算法的局部最小性得以解决。本文首先简要介绍了遥感影像分类与识别算法的发展和经典算法的局限性，其次介绍了深度学习的几种主流算法并分析它们在遥感影像分类与识别处理方面的应用现状，最后对未来深度学习应用于遥感识别与分类趋势进行了展望。 相似文献