水稻种植面积估计的运行化遥感方法

该文提出了用高分子辨率遥感数据提取水稻种值面积本底数据和用可靠低廉的ＮＯＡＡＡＶＨＲＲ数据估计水稻种植面积变化趋方法。该方法具有运行化的特点，成功地应用于１９９４年度湖北省早稻种植面积估算。     

多时相MODIS指数提取东北三省水稻种植面积

为准确提取水稻面积,以东北为研究区域,采用多时相16d合成MODIS增强型植被指数数据和8d合成MODIS地表反射率数据提取水稻种植分布。选取水稻代表样点利用IDL编程提取物候曲线,利用归一化植被指数(NDVI)将水稻与其他明显地类区分,然后建立水稻增强型植被指数(EVI)、地表水体指数(LSWI)之间的相关关系,结合最新2015年土地利用数据提取东北三省2015年水稻种植面积。同时运用运筹学理论建立省级尺度水稻判别条件最优化模型,分析其在空间分布上的差异性和相关性,并将结果与统计年鉴进行对比分析,分析表明MODIS数据适合大区域省级范围水稻面积的提取,精度可达90%以上。由此得出,MODIS数据在省级尺度提取水稻种植面积上有着较大的优势。     

应用NOAA/AVHRR数据测算局地水稻种植面积方法研究

本文采用在模糊监督分类中增加迭代过程的方法－－模糊监督分类一迭代法,在分解混合像元的基础上,利用ＡＶＨＲＲ数据求算水稻种植面积。根据稻田与旱地存在温度差异的特点,在分析ＡＶＨＲＲ数据统计特征的基础上,增加了第３和４两通道参加模糊监督分类,从而增加了分类橡元值矢量维数,增强了对水稻的鉴别能力。反采用的迭代法是收敛具有效的,经本方法输出的水稻种植面积百分含量图与实际水稻分布十分吻合,测算出的面积值与Ｔ     

利用面向对象分类方法提取冬小麦种植面积的研究

应用陆地卫星TM数据和遥感图像处理软件eCognition5.0和ENVI4.3软件,以面向对象的方法和监督分类波谱角法分别提取泰安市2005年冬小麦种植面积及其分布信息。逐像素分类的结果存在"椒盐"效应,而且很难克服同物异谱、同谱异物现象,面向对象的分类方法可以有效的集成专家知识和各种辅助数据,克服逐像素分类的弊端。分类结果表明,利用面向对象的分类方法可以获得比传统的像素级分类方法更高的分类精度,为冬小麦种植面积的自动提取提供了广阔的前景。     

用NOAA气象卫星AVHRR的定量资料计算冬小麦种植面积的两种方法

本文提出了用NOAA气象卫星AVHRR的定量资料计算冬小麦种植面积的方法,即绿度指数法和单通道法。绿度指数法是根据冬小麦在特定生育期内绿度值基本上保持为常数的特点,用几块巳知样地的种植面积,推算整体种植面积;单通道法是只使用AVHRR第二通道的反照率来计算冬小麦种植面积。这两种方法的优点在于不需考虑大气削弱的订正处理问题,从而使计算得以简化。     

基于典型物候特征的MODIS-EVI时间序列数据 农作物种植面积提取方法 —小区域冬小麦实验研究

利用MODIS植被指数时间序列这一特性,以北京市通州及周边为实验区,冬小麦种植面积为研究对象,提出 了农作物种植面积指数模型(Pan-CPI模型)的概念,并构造了冬小麦特征物候期植被指数与种植面积的定量函数关系, 通过样区TM影像求解关键参数,对研究区冬小麦种植面积测量方法进行了试验研究。研究结果表明：(1)Pan-CPI模 型能够很好地反映特定目标农作物种植面积状况,为基于植被指数时间序列影像识别农作物种植面积提供了新方法; (2)精度分析结果表明：Pan-CPI模型具有很高的稳定性,且不受样本变化的影响,只要达到满足模型计算的样本量(如： 5%),多次测量结果间具有很好的一致性。选取MODIS 6×6像元大小的窗口时,TM样本的复相关系数(R2)稳定在0.85 左右,与TM结果比较,窗口相对精度稳定在95%左右,区域精度稳定在92%以上,经调整的区域精度高达96%以上; (3)对于种植结构复杂、目标作物种植破碎的地区,Pan-CPI模型可以充分利用MODIS植被指数时间序列的优势,有效改 善TM单时相和多时相提取信息因时相缺失无法表征作物变化的不足。     

基于神经网络的水稻双向反射模型研究

水稻的双向反射特性与其冠层结构，各组分光谱性质以及入射光方向和观测方向之间存在着密切的，非线性的相关关系。运用人工神经网络技术，采用水稻田间实测数据，对这种关系进行拟合，所建立的水稻双向反射BP前向和反演模型，都达到了较高的拟合精度。研究表明：采用人工神经网络技术计算水稻双向反射率和成批反演冠层结构参数是可行的。对所建模型做进一步的改进，可模拟水稻双向反射的实际过程，进而监测作物长势。     

一种改进激活函数的人工神经网络及其应用

提出了人工神经元的一种新颖的多参数可调激活函数,推导出相应的BP学习算法。在人工神经网络用于除草剂化合物活性预测的研究中,和传统BP算法的对比试验显示,本文的改进BP网络具有更快的收敛速度和更高的精度。     

用神经网络方法确定测区似大地水准面

本文提出一种用神经网络确定测区似大地水准面的方法,并给出了相应的神经网络结构和算法。研究了一个测区中用该方法确定的似大地水准面的精度,结果表明用该方法确定的似大地水准面的精度为厘米级,并与二次多项式曲面拟合似大地水准面的方法作了比较,神经网络方法的精度较优。     

海图水深综合的人工神经元网络方法

水深或水深点是海图的重要内容,水深综合是海图制图综合的重要方面,也是海科综合的难题之一。本语文在分析海图水深化综合要求的基础上,研究了水深综合的神经元网络的网络结构与作业策略、网络参数、网络学习、网络实现,并给出了实验结果。     

基于人工神经元网络技术的土地利用/覆盖变化探测

针对现有的一些土地利用／覆盖变化探测方法存在的某些不足,提出了利用人工神经元网络（antificial neural network,ANN)进行土地利用／覆盖变化探测的方法,并对ANN网络的输出输出,网络结构和不同的网络模型进行了深入研究,充分利用已有的基础地理信息和高分辨率遥感影像辅助选取了ANN训练样本,试验结果表明,利用ANN总体上可提高土地利用／覆盖变化探测效率。     

城镇基准地价评估的人工神经网络模型研究

在我国的城镇基准地价评估中,通常采用回归统计模型。这类模型属确定型数学模型,受主观影响较大,不能全面准确地模拟地价与其影响因素之间复杂的非线性关系,且评估工作量大,不易实现评估自动化。在此探讨了应用人工神经网络技术建立城镇基准地价评估模型的理论、方法和步骤,分析和研究了模型优化方法,并通过实例验证了模型的适用性和可靠性。研究表明,3层结构的基于误差反传算法的BP网络模型,能较好地模拟城镇基准地价与其影响因素之间的复杂关系。     

应用神经网络模型分解AVHRR混合像元

在大面积农作物遥感估产中,应用气象卫星数据估算种植面积一直是一个难点。已有的混合像元分解法要么实际操作困难,要么不适用于ＡＶＨＲＲ数据。该文在前人研究的基础上提出了一种新的方法──应用ＡＶＨＲＲ混合像元神经网络分解模型估算种植面积。这种方法综合利用了ＴＭ数据与ＮＯＡＡ数据各自的优势,具有较好的科学性和经济可行性。     

基于人工神经网络的一类水域叶绿素—a浓度反演方法

介绍了一种基于人工神经网络的海中一类水域叶绿素反演方法。人工神经网络是3层的反向传输神经网络。其结构是输入层有4个节点，它们分别对应4个波段412m，443nm，490nm，510nm的遥感反射比与555nm波段遥感反射比的比值，隐含层有5个节点，输出层一个节点对应于叶绿素深度。该神经网络的训练和试验样本集来自SeaBAM的数据集。数据集中的919个站位的70％（644个）用于训练，30％（275个）用于测试。结果表明，该方法的精度优于被广泛采用的三次经验方法。     

基于神经网络的土地荒漠化信息提取方法研究

土地荒漠化是当今全球面临的重大环境问题之一,它的发生、发展及其逆转是气候、环境和人类社会经济活动综合作用的结果.区域荒漠化信息的提取技术研究是荒漠化研究进一步深入的关键,根据土地荒漠化的遥感探测机理,应用神经网络技术,利用了TM卫星遥感数据中的可见光、热红外和植被指数(NDVI)数据,建立了相应的BP神经网络的土地荒漠化信息的自动提取模型.实验应用表明,基于人工神经网络方法提取土地荒漠化发生的地点和范围等信息,其精度可达到84%.因此,应用人工神经网络方法提取土地荒漠化信息是切实可行的,并具有可推广价值.     

基于人工神经网络的赤潮卫星遥感方法研究

根据赤潮的卫星遥感探测机理，应用人工神经网络技术，建立和利用NOAA AVHRR可见光和热红外波段遥感数据的BP神经网络赤潮信息提取模型。应用实例显示。基于该人工神经网络方法可以提取赤潮发生地点和范围等信息，赤潮探测正确率达到78.5%。研究结果表明，应用人工神经网络方法提取赤潮信息是可行的。本文中建立的BP赤潮信息提取模型适当修改后可移植应用于其它传感器遥感数据进行赤潮信息提取。