期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
THEOS与LANDSAT5-TM卫星影像在山区土地利用遥感监测方面的比较研究
被引量:
1
1
作者
黄文琥
安宏锋
+1 位作者
王之明
李晗
《环保科技》
2013年第4期1-5,15,共6页
本文选择贵州省镇宁、关岭两个山区县,利用THEOS卫星影像提取土地利用类型信息,与同时期的LANDSAT5-TM卫星影像的解译结果及实际情况进行比较分析,发现影像纠正时使用同一精度的影像作为控制影像更有利于工作的开展。论证了THEOS卫星影...
本文选择贵州省镇宁、关岭两个山区县,利用THEOS卫星影像提取土地利用类型信息,与同时期的LANDSAT5-TM卫星影像的解译结果及实际情况进行比较分析,发现影像纠正时使用同一精度的影像作为控制影像更有利于工作的开展。论证了THEOS卫星影像在解译山区土地利用信息时更科学准确,具有山区土地利用监测的可行性。
展开更多
关键词
THEOS
卫星
影像
landsat5-tm卫星影像
土地利用
遥感解译
下载PDF
职称材料
基于元胞自动机和BP神经网络算法的Landsat-TM遥感影像森林类型分类比较
被引量:
17
2
作者
田静
邢艳秋
+2 位作者
姚松涛
曾旭婧
焦义涛
《林业科学》
EI
CAS
CSCD
北大核心
2017年第2期26-34,共9页
【目的】针对森林资源遥感监测效果往往受森林类型识别分类方法的影响,提出一种基于元胞自动机的遥感影像森林类型分类方法,以提高Landsat-TM遥感影像的分类精度,为森林资源遥感监测提供技术支持。【方法】以小兴安岭带岭林业经营管理...
【目的】针对森林资源遥感监测效果往往受森林类型识别分类方法的影响,提出一种基于元胞自动机的遥感影像森林类型分类方法,以提高Landsat-TM遥感影像的分类精度,为森林资源遥感监测提供技术支持。【方法】以小兴安岭带岭林业经营管理局为研究区,基于2010年Landsat5-TM影像数据和2012年森林资源二类调查数据,采用窗口法获取TM第5波段各待分类别的像元均值作为聚类中心,以元胞自动机的Moore模型为框架,以元胞为基本单位,以像元均值为对象,利用最小距离法求取进化规则(判断准则是中心元胞周围的8个元胞距每类聚类中心的距离最近且像元数量最多,则中心元胞属于该类别),充分考虑影像及地物之间的空间特征,采用元胞自动机分类方法进行森林类型的识别分类。同时,以相同的样本数,采用3层BP神经网络模型对TM遥感影像进行分类试验,并比较2种方法的分类效果。【结果】基于元胞自动机的分类方法总体分类精度为88.712 1%,Kappa系数为0.829 1,针叶林、阔叶林和针阔混交林的用户精度分别为73.60%,92.94%和94.13%,达到了区分针叶林、阔叶林和针阔混交林的分类目的。BP神经网络算法的总体分类精度为86.671 3%,Kappa系数为0.798 4,针叶林、阔叶林和针阔混交林的用户精度分别为69.22%,93.37%和90.76%。2种分类方法均可有效识别森林类型信息。【结论】元胞自动机模型应用于遥感影像森林类型识别分类可弥补因TM影像空间分辨率较低造成的遥感影像分类精度过低的问题,提高分类精度。在森林分布破碎、种类类型多样且结构复杂的带岭林区,该研究结果有助于森林资源监测与管理,可为大区域尺度的森林动态信息监测提供更好的数据及技术支持。
展开更多
关键词
元胞自动机
BP神经网络
森林类型分类
像元值
landsat
5
-tm
影像
下载PDF
职称材料
题名
THEOS与LANDSAT5-TM卫星影像在山区土地利用遥感监测方面的比较研究
被引量:
1
1
作者
黄文琥
安宏锋
王之明
李晗
机构
贵州省环境监测中心站
黄河勘测规划设计有限公司
出处
《环保科技》
2013年第4期1-5,15,共6页
基金
环保公益性行业科研专项"基于分区管理的生态文明建设指标体系和绩效评估方法研究"([2012]09038)
文摘
本文选择贵州省镇宁、关岭两个山区县,利用THEOS卫星影像提取土地利用类型信息,与同时期的LANDSAT5-TM卫星影像的解译结果及实际情况进行比较分析,发现影像纠正时使用同一精度的影像作为控制影像更有利于工作的开展。论证了THEOS卫星影像在解译山区土地利用信息时更科学准确,具有山区土地利用监测的可行性。
关键词
THEOS
卫星
影像
landsat5-tm卫星影像
土地利用
遥感解译
Keywords
THEOS satellite
landsat
5
satellite
land use
remote sensing monitoring
分类号
X171 [环境科学与工程—环境科学]
下载PDF
职称材料
题名
基于元胞自动机和BP神经网络算法的Landsat-TM遥感影像森林类型分类比较
被引量:
17
2
作者
田静
邢艳秋
姚松涛
曾旭婧
焦义涛
机构
东北林业大学森林作业环境研究中心
出处
《林业科学》
EI
CAS
CSCD
北大核心
2017年第2期26-34,共9页
基金
林业公益性行业科研专项(201504319)
文摘
【目的】针对森林资源遥感监测效果往往受森林类型识别分类方法的影响,提出一种基于元胞自动机的遥感影像森林类型分类方法,以提高Landsat-TM遥感影像的分类精度,为森林资源遥感监测提供技术支持。【方法】以小兴安岭带岭林业经营管理局为研究区,基于2010年Landsat5-TM影像数据和2012年森林资源二类调查数据,采用窗口法获取TM第5波段各待分类别的像元均值作为聚类中心,以元胞自动机的Moore模型为框架,以元胞为基本单位,以像元均值为对象,利用最小距离法求取进化规则(判断准则是中心元胞周围的8个元胞距每类聚类中心的距离最近且像元数量最多,则中心元胞属于该类别),充分考虑影像及地物之间的空间特征,采用元胞自动机分类方法进行森林类型的识别分类。同时,以相同的样本数,采用3层BP神经网络模型对TM遥感影像进行分类试验,并比较2种方法的分类效果。【结果】基于元胞自动机的分类方法总体分类精度为88.712 1%,Kappa系数为0.829 1,针叶林、阔叶林和针阔混交林的用户精度分别为73.60%,92.94%和94.13%,达到了区分针叶林、阔叶林和针阔混交林的分类目的。BP神经网络算法的总体分类精度为86.671 3%,Kappa系数为0.798 4,针叶林、阔叶林和针阔混交林的用户精度分别为69.22%,93.37%和90.76%。2种分类方法均可有效识别森林类型信息。【结论】元胞自动机模型应用于遥感影像森林类型识别分类可弥补因TM影像空间分辨率较低造成的遥感影像分类精度过低的问题,提高分类精度。在森林分布破碎、种类类型多样且结构复杂的带岭林区,该研究结果有助于森林资源监测与管理,可为大区域尺度的森林动态信息监测提供更好的数据及技术支持。
关键词
元胞自动机
BP神经网络
森林类型分类
像元值
landsat
5
-tm
影像
Keywords
cellular automata
BP neural network
forest type classification
pixel value
landsat
5
-tm
imagery
分类号
S771.8 [农业科学—森林工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
THEOS与LANDSAT5-TM卫星影像在山区土地利用遥感监测方面的比较研究
黄文琥
安宏锋
王之明
李晗
《环保科技》
2013
1
下载PDF
职称材料
2
基于元胞自动机和BP神经网络算法的Landsat-TM遥感影像森林类型分类比较
田静
邢艳秋
姚松涛
曾旭婧
焦义涛
《林业科学》
EI
CAS
CSCD
北大核心
2017
17
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部