公共文化服务平台

何敬: 作品数：39 被引量：173H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>>

合作作者

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

何敬

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

何敬

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈