排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
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
2.
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
3.
基于无人机影像和面向对象随机森林算法的岩溶湿地植被识别方法研究 总被引：1，自引：0，他引：1
目前对岩溶湿地的重视程度远低于其他湿地类型,缺乏利用遥感技术进行岩溶湿地植被高精度识别的研究,但岩溶湿地同其他湿地类型一样,湿地面积退化严重,亟待需要解决。因此,本文选取受人类活动影响较大、湿地退化较为严重的广西桂林会仙喀斯特国家湿地公园的部分核心区域作为研究区,以DJI大疆御Mavic Pro无人机航摄影像为数据源,利用泛化能力强、分类精度高的面向对象随机森林算法实现了会仙岩溶湿地植被的高精度分类,探究无人机可见光影像和面向对象随机森林算法在岩溶湿地植被识别中的适用性,为无人机遥感技术应用于岩溶湿地的研究和保护提供技术参考。首先,在eCognition Developer9.0中利用多尺度迭代分割算法对影像图层进行分割;然后,基于以往在进行面向对象分类研究的经验来指导我们进行特征选择,充分考虑了影像的光谱和纹理特征、植被指数、无人机遥感数据派生的研究区数字地表模型（DSM）和几何特征;最后,在RStudio中实现了随机森林算法参数的调优、模型的构建以及分类。结果显示,面向对象随机森林算法对会仙湿地植被具有较高的识别能力,在95%置信区间内总体精度为86.75%,Kappa系数为0.83。在单一典型岩溶湿地植被识别精度中,狗牙根-白茅-水龙植被群丛的用户精度在90%以上,生产者精度高于80%,竹子-马甲子-桂花生产者精度高于80%,但是用户精度较低,仅为70.59%。 相似文献
1