【摘 要】
：
遥感反演植被产品的真实性检验是推动其在农业领域应用水平提升的重要保证,其中异质性植被样区的优化采样设计是真实性检验地面测量过程中的关键技术。该研究以遥感影像作为先验知识,通过K-means聚类分层选取初始样点,利用空间模拟退火算法规划最优采样方案,并采用同期地面实测数据进行检验。研究结果表明,空间模拟退火算法在样点与总体空间变异性的一致性、插值面的精度、插值点和实测点的相关性3个方面都明显优于传统采样方案,2块样区优化后的采样方案插值面与影像面的均方根误差分别为3.1026和2.9627,插值点与实测点的
【机 构】
：
中国科学院空天信息创新研究院,中国科学院大学,中国科学院大学电子电气与通信工程学院
【基金项目】
：
国家重点研发计划项目(2018YFE0124200)。
论文部分内容阅读
遥感反演植被产品的真实性检验是推动其在农业领域应用水平提升的重要保证,其中异质性植被样区的优化采样设计是真实性检验地面测量过程中的关键技术。该研究以遥感影像作为先验知识,通过K-means聚类分层选取初始样点,利用空间模拟退火算法规划最优采样方案,并采用同期地面实测数据进行检验。研究结果表明,空间模拟退火算法在样点与总体空间变异性的一致性、插值面的精度、插值点和实测点的相关性3个方面都明显优于传统采样方案,2块样区优化后的采样方案插值面与影像面的均方根误差分别为3.1026和2.9627,插值点与实测点的
其他文献
针对河套灌区引水量逐年减少、荒漠绿洲农业生态环境恶化等问题,该研究以沙丘-荒地-海子系统为研究对象,通过2a定点观测,利用HYDRUS-1D模型对沙丘、沙丘-荒地交界和荒地进行了不同时期水盐动态模拟,揭示了荒漠绿洲水盐运移特征,评价了荒漠绿洲农业生态状况。结果表明:1)沙丘、沙丘-荒地交界和荒地土壤水分和盐分率定与验证精度平均相对误差分别为-1.30%~1.52%和-0.43%~5.71%,均方根误差为0.01~0.03 cm3/cm3和0.06~0.23dS/
土壤盐渍化问题严重制约着农业经济发展,快速准确地掌握农田土壤的盐渍化信息是盐渍化防治的前提.为准确快速地了解滴灌棉田土壤盐分含量情况,该研究采用探地雷达(Ground Pen
为量化农田裂隙发育程度,考虑脱湿过程中土壤孔隙在基质域、沉降域和裂隙域间转化,该研究提出基于土壤收缩特征和收缩各向异性的裂隙体积比率(裂隙率)关于含水率的预测模型。该模型包括3个子模型:改进VG型式的基质域收缩特征VG-PENG模型,描述收缩各向异性的几何因子Logistic模型,基于上述VG-PENG收缩特征模型和几何因子模型的裂隙率预测模型。通过土壤收缩试验和裂隙演化监测试验,采用图像处理技术
为了量化解决竖管地表滴灌过程中滴头流量与竖管结构参数(竖管直径和竖管埋深)、土壤湿润体与植物根系的匹配问题,该研究通过12组竖管内积水(2 cm水头)入渗试验(9组率定,3组
为明确柏木空间格局和微地形对坡面地表产流的影响,该研究测定了西南山区10个径流小区的柏木空间格局及微地形特征,并观测其降雨和坡面产流过程,利用响应面分析法解析柏木空间格局和微地形对产流特征的影响。结果表明:1)中长历时大雨和中长历时暴雨条件下,地形起伏度、地表粗糙度、径流路径密度、柏木角尺度及柏木密度5个因子均与洪峰流量存在显著相关关系(P<0.05);而在短历时暴雨条件下,上述因子均与洪峰流量无
砒砂岩区是黄河流域土壤侵蚀严重的区域。研究不同类型区坡谱特征与空间分异可为砒砂岩区水土流失治理提供参考。该研究利用砒砂岩30 m分辨率DEM(Digital Elevation Model),分析不同类型区坡谱特征。对曲线型坡谱和坡度—景观图谱量化分析,描述不同地表覆盖区地貌形态。结果表明:1)砒砂岩区自西向东坡谱曲线由正偏逐渐近正态变化。覆沙区中西部坡度尤为集中坡谱呈“L”型单调分布,裸露区坡谱曲线在3°~6°频率高,剧烈侵蚀裸露区西部坡谱曲线较缓与覆土区相似,覆土区坡谱曲线近正态。2)对坡谱量化分
为探究中国西北旱区咸水畦灌条件下农田土壤水热盐动态及其对作物生长的影响,采用大田试验和WASH-C模型(Layered Soil Water-Solute-Heat Transport and Crop Growth Model,土壤水热盐迁移和作物生长耦合的模拟模型)模拟相结合的方法,分析油葵全生育期内不同灌水量和矿化度处理下土壤剖面水盐分布特征、温度变化及油葵生长规律。试验设置包括2个灌水量水平(分别为油葵畦灌需水量的100%、50%)和3种畦灌水矿化度(分别为0.7、4.0、8.0 g/L)。结果表
为了解决现阶段水稻发育期信息的获取主要依靠人工观测的效率低、主观性强等问题,该研究提出一种基于Rectified Adam(RAdam)优化器的ResNet50卷积神经网络图像识别方法,开展水稻关键生育期的自动识别。连续2a对12块试验田的水稻物候特征进行持续自动拍摄,对采集的水稻图像进行预处理,得到水稻各发育期分类图像数据集;采用ExG因子和大津法(Otsu)算法相结合的方法对水稻图像分割,减小稻田背景干扰;对比分析了VGG16、VGG19、ResNet50和Inception v3四种模型下水稻生育期
为了快速获取玉米根系表型指标,该研究提出一种基于图像的高通量解决方案。系统整合一套简易可靠的根系图像获取硬件和自动化根系图像处理算法,首先在固定背景下获取玉米根系图像,通过标定物检出、背景分割算法得到根系目标前景图像,识别根系起始点并剪除冗余部分得到根系感兴趣区域后计算颜色、形状、空间分布3大类29个表型指标。应用该系统获取135个玉米自交系材料吐丝期根系图像和表型数据,其中根系分支角度指标与人工
针对树木根系的探地雷达(Ground Penetrating Radar,GPR)检测图像复杂、解译困难、自动化程度低且精度不高等问题,该研究提出了一种基于YOLOv3的树根自动识别和参数估计的方法。通过不同的根预埋试验分析了根直径、掩埋深度和朝向对根系识别和预测的影响,对比评估了在复杂现场环境下该方法与商业软件常用的阈值分割方法的识别效果。结果表明算法可实现根系自动提取和双曲线顶点定位,对根双曲线的识别准确率和召回率分别达到了96.62%和86.94%,根系参数预测的总平均相对误差在10.57%以内。该