汪康宁
- 作品数：6 被引量：49H指数：4
- 供职机构：西安科技大学更多>>
- 发文基金：陕西省自然科学基金国家自然科学基金陕西省教育厅科研计划项目更多>>
- 相关领域：农业科学自动化与计算机技术更多>>
- 基于高光谱遥感的玉米叶绿素含量估测模型被引量：17
- 2016年
- 运用粒子群优化算法和支持向量机构建叶片尺度玉米叶绿素含量高光谱估测模型,估测玉米叶片叶绿素含量.通过辐射传输模型(PROSPECT)模拟的玉米光谱和所对应的叶绿素含量建立训练数据集;采用粒子群优化算法和支持向量机(PSO-SVM)学习训练数据集,建立研究区实测叶片叶绿素含量估测模型;利用近地高光谱遥感获取的玉米光谱建立验证数据集,将玉米叶片叶绿素含量估测模型运用到验证数据集,估测研究区玉米叶绿素含量.叶绿素含量反演结果的方根误差MSE=76.178 6,叶绿素含量实测值与叶绿素含量估测值的相关系数R2=0.871 2.结果表明:粒子群优化算法和支持向量机构建的反演模型能准确预测玉米叶绿素含量,能够解决小样本玉米采样点情况下叶绿素含量反演问题,可以作为玉米叶绿素含量快速、无损估测的一种新方法.
- 吕杰汪康宁李崇贵史晓亮
- 关键词：高光谱遥感玉米叶绿素支持向量机
- 基于小波变换和随机森林的森林类型分类研究被引量：7
- 2016年
- 以黑龙江省凉水国家级自然保护区为研究区,采用"高分一号"卫星提供的多光谱影像作为遥感数据源,通过对遥感影像进行小波变换处理,之后选择植被指数、纹理特征、地形因子作为分类特征,利用随机森林算法对该地区森林类型进行分类。结果表明,遥感图像在进行小波变换后,基于随机森林算法的森林类型分类精度为91.68%,Kappa系数为0.90,较未进行小波变换时的分类精度提高10.67%。总体来看,结合小波变换的随机森林分类方法可以获得比较高的分类精度。为森林类型分类提供一种新的思路,且为提高森林类型分类精度提供一种参考方法。
- 吕杰汪康宁李崇贵马婷
- 关键词：小波变换
- 基于随机森林算法的凉水自然保护区蓄积量反演研究被引量：14
- 2016年
- 以黑龙江凉水自然保护区为研究对象,采用GF-1卫星遥感影像为数据源,提取遥感影像在不同窗口大小下的纹理特征信息,与遥感影像自身的光谱信息相结合;利用随机森林算法,结合地面蓄积量采样点数据,建立凉水自然保护区蓄积量反演模型。结果表明:只基于卫星光谱的反演模型的相关系数为0.59,基于卫星光谱与纹理特征的蓄积量反演模型的相关系数为0.65;当窗口大小为3×3时,森林蓄积量反演效果最好。研究表明,基于卫星光谱信息和纹理特征信息,利用随机森林算法进行森林蓄积量反演在森林资源调查方面具有良好的应用前景。
- 汪康宁马婷吕杰
- 关键词：蓄积量反演保护区纹理特征
- 一种用于小麦叶片叶绿素含量估算的遥感系统
- 本实用新型公开了一种用于小麦叶片叶绿素含量估算的遥感系统，其特征在于，包括前期遥感模块(1)、中期遥感模块(2)、后期遥感模块(3)和叶绿素含量估算模块(4)；其中，前期遥感模块(1)的输出端、中期遥感模块(2)的输出端...
- 吕杰汪康宁
- 文献传递
- 基于深度学习的森林资源信息估测模型研究
- 森林是地球陆地上最大的、也是最复杂的生态系统,其面积约占地球陆地总面积的三分之一。森林生物量约占地球陆地生态系统总生物量的90%,且其在全球碳循环过程中发挥着决定性的作用,因此可以将森林看作是地球上最宝贵的资源之一。正因...
- 汪康宁
- 关键词：森林资源信息遥感探测
- 基于多尺度遥感影像纹理特征的森林蓄积量反演被引量：13
- 2017年
- 以国产"高分一号"卫星(以下简称GF-1)获取的遥感影像数据与少量研究区样地数据为数据源,构建以光谱信息与多尺度纹理特征为特征变量的森林蓄积量反演模型,探讨不同尺度下提取的纹理特征对森林蓄积量估测模型准确度的影响,通过对特征变量的优选,寻求一种提高森林蓄积量反演模型的准确度的方法。首先,对覆盖研究区域的GF-1遥感影像进行重采样,得到覆盖研究区域的不同分辨率的影像序列,基于不同窗口大小的灰度共生矩阵提取影像序列的纹理特征,与遥感影像光谱信息共同作为特征变量;然后,使用随机森林(random forest,RF)算法构建森林蓄积量反演模型,对研究区域的森林蓄积量进行估测,分析不同特征变量与窗口大小对森林蓄积量反演模型准确度的影响;最后,通过比较特征变量重要性,确定森林蓄积量反演模型的最佳特征变量与窗口大小选择,对研究区进行森林蓄积量反演,得到研究区域的森林蓄积量分布图。当使用从8m分辨率遥感影像提取的纹理特征与光谱信息作为特征变量时,森林蓄积量反演模型准确度明显优于使用其他特征变量。其中,当灰度共生矩阵窗口大小设置为9×9时,森林蓄积量反演模型准确度最高,为R^2=0.70,RMSE=6.317。在根据重要性对从多尺度遥感影像提取的纹理特征进行选择后,所构建的森林蓄积量反演模型的准确度为R^2=0.74,RMSE=6.439。使用较高分辨率遥感影像提取的纹理特征作为特征变量,可以有效的提升森林蓄积量反演模型的准确度。将基于不同分辨率遥感影像提取到的纹理特征作为特征变量,其模型准确度优于使用单一分辨率遥感影像所提取的纹理特征。
- 汪康宁吕杰李崇贵
- 关键词：森林蓄积量多尺度纹理特征
