排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
2.
基于2018年10月份黄河口入海两侧的LANDSAT8 OLI影像,提取植被指数和缨帽变换分量共9维光谱特征,构建融合浅层特征的8层深度卷积神经网络(deepconvolutionalneuralnetwork,DCNN)分类模型,开展互花米草(SpartinaalternifloraLoisel)遥感监测的方法研究,并从不同的浅层特征来具体分析互花米草的监测结果。结果表明:(1)在分类方法上,DCNN模型的总体分类精度最高,达到90.33%,与支持向量机(support vector machine, SVM)、随机森林(random forest, RF)分类器相比,精度分别提高4.78%、2.7%,互花米草的生产者精度分别提高了2.56%、0.47%,说明在滨海湿地遥感影像分类中, DCNN有着更好的应用潜力;(2)融合浅层特征后, DCNN的总体分类精度和互花米草的识别精度分别提高了0.34%和3.25%,有效提高了对互花米草的监测能力。其中,融合归一化植被水分指数(NDII)浅层特征的DCNN分类方法中,互花米草的识别精度提高最多,为2.56%,比值植被指数(RVI)次之,为2.32%。研究结果可为互花米草的监测与管理提供技术与数据支撑。 相似文献
3.
本次研究以山东省互花米草入侵范围为研究区,利用可见光无人机遥感监测和斑块信息提取技术,对互花米草破碎斑块分布特征进行研究。结果表明,山东省互花米草主要生长在海湾和河口区域,破碎斑块散布在已成片互花米草的周边区域或河道内。全省面积小于10 m2的斑块数量占总数比重为80.43%,面积小于1 m2的斑块数量占总数比重为37.01%,斑块总体上破碎化程度较高,潜在扩散性较强,多处区域存在大规模爆发的可能。通过计算分析18个互花米草入侵县的斑块分布特征指标,根据所处入侵阶段的不同分为入侵成熟期、快速扩张期和潜在爆发期。研究结果可以为管理部门开展互花米草分区治理工作、降低大面积爆发风险提供有效技术依据。 相似文献
4.
阐述了校史馆建设的定位与育人功能,认为其选址和建设要有前瞻性,并进行功能分区。通过新生入学教育、校史文化教育培训,举办校史文化教育课外系列活动以及建设网络平台等途径实现校史馆育人功能。 相似文献
5.
1