何敬 作品数:39 被引量:173 H指数:7 供职机构: 成都理工大学地球科学学院 更多>> 发文基金: 国家自然科学基金 国家重点实验室开放基金 四川省科技计划项目 更多>> 相关领域: 天文地球 自动化与计算机技术 农业科学 航空宇航科学技术 更多>>
基于无人机高光谱的水稻光合性能监测系统应用 被引量:5 2020年 水稻的光合性能与水稻的产量和品质密切相关,传统的水稻光合性能监测由人工完成,具有任务量大和效率低等缺点,高效、无损的监测作物长势,是现代化精准农业的要求。为此,以无人机搭载高光谱仪作为遥感技术平台,对水稻的光合性能进行研究分析,建立了估算水稻叶片类胡萝卜素(Car)含量的监测模型。测试结果表明:5组光谱参数与水稻样本叶片Car含量实测值的回归分析均达到显著相关水平,以SR(723,770)精度最高;进一步检验发现,水稻叶片类胡萝卜素含量实测值与SR(723,770)模型建立的估测值相关性更高,R^2达0.891 5,斜率更接近于1,具有更佳预测效果,可为水稻光合性能遥感监测提供技术支撑。 梁辉 刘汉湖 何敬关键词:无人机 水稻 类胡萝卜素 光合性能 基于改进YOLOv4的2021年海地7.2级地震震后滑坡识别 被引量:4 2023年 以国产高分二号影像为数据源,利用改进的YOLOv4算法对2021年海地7.2级地震诱发的滑坡进行识别。为提升模型的识别效率,用MobileNetv3替换了YOLOv4的骨干网络CSPDarknet53,并用深度可分离卷积替代YOLOv4中的普通卷积,优化了模型参数和网络结构。结果表明:改进后的YOLOv4算法目标识别精度达到91.37%,比普通YOLOv4检测速度提高了6.19 f/s,精度提高了5.24%,模型参数大小减少了80%。改进后的方法对滑坡的检测精度高于原YOLOv4算法,得到的滑坡位置更为准确,具有轻量化和实时性更高的优势,可为应急救援和灾情评估提供更加可靠的数据。 付饶 何敬 刘刚关键词:海地地震 基于无人机影像样本的遥感图像分类方法 被引量:1 2022年 对于遥感图像计算机自动分类而言,样本选择至关重要,直接影响分类结果精度。为了提升样本选取的质量,本文在实验区卫星影像覆盖范围内选取了几个样本点。对每个样本点利用无人机采集了约0.3 km^(2)的数据,通过后期处理生成正射影像。在正射影像中选取耕地、植被、水体、建筑和道路等几类地物的样本,采用最大似然值法对卫星影像进行相应类别信息提取。实验结果表明:在无人机高分辨率影像上解译的样本作用于卫星遥感影像,并利用最大似然值法进行信息提取,其方法可行,分类精度优于在卫星影像上选择的样本。 王彬 何敬 李政 刘刚 吕敬雷关键词:无人机影像 影像信息提取 无人机倾斜三维建模技术在乡村规划中的应用探索 2022年 在2019年自然资源部发布的通知中,正式明确了乡村规划的法律地位,也标志着乡村规划进入了新的阶段。在此背景下,本文将当前的实景三维技术与乡村规划结合,展开具有特色应用价值的乡村规划研究。首先,依托无人机倾斜摄影测量技术,获取实验区的影像数据,进而制作实验区的三维实景模型。在此基础上,结合其他相关数据,展开了规划方面的分析应用,如土地开发强度、视域景观及生态修复场景展示等分析。实验结果显示:在三维实景上进行相关的操作分析,其表达效果更直观,尤其是对于乡镇上一些非专业人员,通过规划后效果的呈现,更能理解规划内容。 付饶 陈光建 牟标 何敬 李政 刘刚关键词:乡村规划 无人机影像在地质灾害调查中的应用 被引量:36 2017年 汶川地震后,西南地区进入地质灾害高发期。面对高发的地质灾害,如何快速准确地获取地质灾害信息已经成为亟待解决的问题。文中选取映秀镇老虎嘴滑坡所在位置为实验区,采集实验区10km2分辨率0.3m的无人机影像。对获取的无人机影像进行数字摄影测量处理,生成实验区精度0.476m的正射影像,0.731m精度的点云数据以及实景三维模型。在这些数字成果的基础上,对老虎嘴滑坡进行定量分析。此次实验验证无人机在高海拔、高落差的地形环境下作业的可行性,探索定量研究地质灾害的方法。 何敬 唐川 王帅永 张可可关键词:无人机影像 地质灾害调查 无人机植被影像高光区域修复方法、设备、介质及产品 本发明公开一种无人机植被影像高光区域修复方法、设备、介质及产品,涉及农业遥感技术领域,方法包括:获取待修复图像以及历史图像;将待修复图像输入至训练后的目标检测网络,得到水体高光区域图块;基于水体高光区域图块,确定待修复图... 何敬 陈毅夫 刘刚 李为乐基于无人机高光谱影像的水稻叶绿素含量反演 被引量:1 2024年 【目的】为实现快速无损地监测水稻叶绿素含量,采用大疆M600 Pro无人机搭载SENOP RIKOLA高光谱仪获取水稻分蘖期冠层高光谱影像。【方法】利用相关性分析筛选出光谱指数的特征波长,构建DSI、RSI、NDSI、MSR、OSAVI和RDVI 6种植被指数,并利用一阶光谱导数计算其红边面积和红边幅值,分析8种光谱参数参与水稻叶绿素含量之间的相关性分析。将这些光谱参数作为CatBoost回归模型的输入变量,分析8种光谱参数对水稻叶绿素含量的估算能力。【结果】基于红边参数的反演模型中红边幅值拟合效果最好,其R2为0.9524,RSME为0.6381;基于植被指数的反演模型中OSAVI指数拟合效果最好,其R2为0.9416,RSME为0.5885。2种模型均能有效预测水稻叶绿素含量信息,可以作为水稻叶绿素含量监测的依据。【结论】将无人机高光谱遥感影像与机器回归算法相结合,可以实现对水稻冠层叶绿素含量的精准预测,从而对水稻的生长和健康状况进行实时监测,进而实现对水稻的精准施肥和精准灌溉,对水稻的增产增收以及精准农业的发展具有重要意义。 何嘉晨 何敬 王彬 苟静 林远杨 刘刚关键词:无人机 水稻 高光谱遥感 基于无人机影像的N、P对水稻生长的影响 2024年 无人机在农业遥感监测中具有便捷性和较低成本,利用大疆精灵4Pro采集研究区水稻三个发育时期的遥感数据,并测定两个时期水稻叶片N、P含量。通过无人机影像构建的数字表面模型(DSM),进行差分运算得到能够反应水稻生长高度的差异数字表面模型(DDSM)。实测株高与DDSM提取株高拟合分析的决定系数R~2为0.814,表明DDSM提取的株高具有较高精度。将叶片中N、P含量变化与DDSM提取的生长速率进行分析,结果表明:施肥三天后,N、P含量分别为4.787%、0.291%,N、P含量比为16.481,生长速率为4.971 cm/d;施肥20天后,N、P含量分别为3.750%、0.211%,N、P含量比为17.892,生长速率为2.564 cm/d。水稻生长符合生长速率假说,生长速率较高的时期具有较高N、P含量和较低的N、P含量之比。 林远杨 王彬 黄尧 粟超 何敬 刘刚关键词:水稻 改进的混合2D-3D卷积神经网络高光谱图像分类研究 2023年 卷积神经网络在进行高光谱图像分类时,往往需要设置较多的参数,因此其计算效率受到很大影响。基于混合卷积神经网络模型,本文利用全局平均池化层代替原有的全连接层,将卷积层输出的多个特征图映射为一个特征点,并将多个特征点构成一维向量,形成改进后的混合2D-3D卷积神经网络模型;最后,对改进后的模型分别在IP(IndianPines)数据集、PU(PaviaUniversity)数据集及Botswana数据集上进行测试。结果显示,总体分类精度分别达到99.64%、99.98%、99.91%。这表明在大量减少参数的条件下仍具有较好的分类性能。 贺敏慧 何敬 刘刚关键词:高光谱图像分类 卷积神经网络 面向GEE平台的遥感影像分析与应用研究进展 被引量:6 2023年 Google Earth Engine(GEE)是集遥感影像存储与分析于一体的综合应用平台,能够方便快捷地调用遥感影像与信息提取,因此GEE受到越来越多科研工作者的关注。随着GEE不断扩充和升级,系统平台也愈发复杂。对于一般用户来说,要想快速了解其体系结构和功能算法变的越来越困难。针对这一问题,系统介绍了GEE的技术架构、数据资源、模型算法及计算资源,对GEE在各大领域的应用成果进行总结归纳,以期能为GEE的使用者提供一个快速了解该平台的窗口,帮助其更好地利用GEE平台开展自己的应用研究。 黄仲良 何敬 刘刚 李政关键词:大数据 云计算