训练样本对TM尺度小麦种植面积测_省略_与分类方法间分类精度响应关系研究_朱秀芳
MODIS与TM冬小麦种植面积遥感测量一致性研究_小区域实验研究_顾晓鹤
第11卷 第3期2007年5月遥 感 学 报J O U R N A LO F R E M O T ES E N S I N GV o l .11,N o .3M a y ,2007收稿日期:2006-02-12;修订日期:2006-08-21基金项目:教育部新世纪优秀人才支持计划。
作者简介:顾晓鹤(1979— ),男,2005年毕业于北京师范大学,获硕士学位。
现为北京师范大学资源学院博士生,主要从事农业遥感方面的研究工作,已发表论文6篇。
E -m a i l :g u x i a o h e @i r e s .c n 。
文章编号:1007-4619(2007)03-0350-09MO D I S 与T M 冬小麦种植面积遥感测量一致性研究———小区域实验研究顾晓鹤,潘耀忠,朱秀芳,张锦水,韩立建,王 双(北京师范大学环境演变与自然灾害教育部重点实验室,资源学院,北京 100875)摘 要: 针对大范围冬小麦种植面积遥感测量业务化运行中所存在的不同空间分辨率遥感影像的获取能力、空间分辨率与测量精度之间相互制约的现实问题,选择典型实验区,采取全覆盖的多时相低分辨率M O D I S 数据与中高分辨率T M 样区数据相结合的方法,以支持向量机(S V M )为主要技术手段,通过选取不同比例的T M 样本量,对M O D I S 进行混合像元分解,并对M O D I S 冬小麦测量结果与T M 测量结果进行一致性分析,进而提出了一套可用于大范围冬小麦种植面积遥感测量业务化推广的识别和精度检验方法。
研究结果表明:当T M 样本量大于5%时,相对于T M 识别结果而言,M O D I S 像元精度可以稳定在82%以上;当T M 样本量大于40%时,区域精度可以稳定在97%。
因此,从理论上讲,在实际业务化运行中,只要能够获得监测区40%的中高分辨率的影像,采用本研究提出的多尺度冬小麦种植面积测量方法,基本上可以满足业务化运行的精度要求。
训练样本对TM尺度小麦种植面积测量精度影响研究(Ⅰ)——训练样本与分类方法间分类精度响应关系研究
能力是不同的 , 同种 方法 对 于 不 同地 区小 麦 的识 别 能 力 也 是 不 一 样 的 , 是 通 过 分 析 小 麦 识 别 的 产 品 精 度 和 用 户 但
精度 , 以判 断 出 哪个 结 果 最 接 近 于真 实 总 量 。 可 关 键 词 : 小 麦 ; 植 面积 ; 练 样 本 ; 本 数 量 ; M 种 训 样 T
中图分类号 : T 711 P 5 . 文献标识码 : A
Th fe t f Tr i i a pl s o h he tPl n i e e Ef c s o a n ng S m e n t e W a a tng Ar a
下 6种 方 法 l 0次测 量 的 结 果 存 在 不 同 程度 的 波 动 , 而且 地 块 越 破 碎 的 地 区波 动越 大 , 这 种 波 动 随 样 本 量 的 增 加 但
会 减 少 , 明 目前 在 小 麦 面积 测 量 中 , 单 次 分 类 的 结 果 作 为 最 终 的 提 取 结 果 的做 法 存 在 一 定 的 随 机 误 差 , 实 际 说 用 在 的工 作 中 , 尽 可 能 多 的 获取 训 练 样 本 , 提 高 小 麦 面 积 测 量 的 稳 定 性 , 时 利 用 多 次 测 量 结 果 求 均 值 的 方 式 , 应 以 同 来 消减 或 者 抵 消 测 量 的 随 机 误 差 ; 相 同样 本 量下 , 种 方 法 测 量 出 的 全 区 和破 碎 区 的 小 麦 像 元 个 数 ( 量 ) 一 致 , ② 各 总 不
冬小麦种植面积遥感提取方法研究
冬小麦种植面积遥感提取方法研究权文婷;王钊【摘要】提取冬小麦种植面积是开展冬小麦长势监测和估产工作的重要环节,如何提高其提取精度是国内外研究的热点.针对不同空间分辨率的遥感图像,采取不同的遥感解译模型,得到更高的信息提取精度,是利用遥感方法提取冬小麦种植面积的关键.在对国内、外调研的基础上,将冬小麦种植面积遥感提取研究方法归纳为目视解译与计算机自动分类、面向像元分类、基于地块分类、遥感解译模型分类和基于纹理特征分类等5类.综述评价了主要的冬小麦种植面积遥感提取研究方法,讨论了目前冬小麦种植面积遥感提取存在的问题及未来发展方向.关注地形复杂、耕地破碎度较高及种植结构复杂地区的冬小麦种植面积提取,遥感数据、GIS和气象数据等相结合、多源多时相遥感数据相结合、地面光谱测量数据与高光谱图像数据相结合,以及验证数据的改变等,是提高冬小麦种植面积遥感提取精度的研究方向.【期刊名称】《国土资源遥感》【年(卷),期】2013(025)004【总页数】8页(P8-15)【关键词】遥感;冬小麦种植面积;信息提取;综述【作者】权文婷;王钊【作者单位】陕西省农业遥感信息中心,西安710014;陕西省农业遥感信息中心,西安710014【正文语种】中文【中图分类】TP790 引言冬小麦是世界主要粮食作物之一。
区域冬小麦种植面积是影响冬小麦总产量的主要因子。
近年来,随着气候变暖、耕地占用和种植结构调整等自然条件和人文影响,冬小麦种植范围出现了变化。
及时了解冬小麦种植面积,对开展冬小麦长势监测和估产、区域粮食安全评估等工作具有重要的社会意义。
同时,农业管理部门及时掌握冬小麦种植分布情况,也有助于提高生产管理效率。
遥感技术具有探测面积大、数据更新周期短、真实客观等特点,是快速、准确提取冬小麦种植面积的有效手段之一[1],长期以来也是众多学者研究的热点[2-4]。
近年来,随着空间技术的日益发展,高空间分辨率、高光谱分辨率、高时间分辨率以及微波等探测技术不断应用到农业遥感领域;而新的解译模型的开发,将会进一步提高冬小麦种植面积遥感提取的精度。
利用RapidEye数据提取冬小麦面积及精度评估研究
地 观 测 活 动 J .目前 , 多传 感 器 、 时 间分 辨 率 、 多 空 问分辨 率 的遥感 数 据 在 进行 作 物 长 势 监 测 、 播 种 面积 和产量 预测 等 方 面 得 到 了广 泛 的应 用 . 如 Lu等 利用多 时相 S O —S影像 进行作 物 的识别 a P TX 和种植面 积 的提取 J部 分 研 究 人 员也 尝 试 利 用 .
性 、 观性 都 较差 . 感 技 术作 为 一种 高 新 技术 , 客 遥
以低 成本 、 迅速 和 准 确 的优 点 正 被广 泛 应 用 于对 东 阿县 地 处 鲁 西 平 原 , 经 1 6 1 ~16 东 1。2 1。 3 北 纬 3 。7 ~ 6 3 东 阿属温 带季风 大陆性 3, 60 3 。 3 ,
作物 的生产 状态 , 预测 作 物 产量 以支 持 精 准农 并 业 , 而帮 助农业 生产 者 管理 生 产 . 文利 用 R . 从 本 a pd y iEe数据 提取 山 东 省聊 城 市 东 阿县 2 1 00年 的
表 1 示 . 用影 像获 取时 间为 2 1 所 所 00年 1 , 1月 此 时冬小 麦过 了出苗期 , 临近 分蘖期 , 玉米等 其他 而
全县耕地 7 3万 亩 , 要 粮 食 作 物 有 小 主
麦 、 米、 玉 谷子 、 高粱 、 地瓜 ; 经济作 物 以棉花 、 大豆 为 主 , 全 国优 质小 麦基地 县 . 是
1 2 数据 准备 .
谱卫 星 , 用来监 测植 被变 化 , 分类 和植被 生长 可 为
状态监 测提 供有 效 信 息 , 另外 其 数 据 信 息 能反 映 本 研究 采 用 的遥 感 资 料 主要 为 R pd y aiE e数 据资 料 , a iE e 星部 分 数 据产 品技 术 指标 如 Rp y卫 d
小麦株型研究报告
小麦株型研究报告1. 引言小麦(学名:Triticum aestivum)是我国重要的粮食作物之一,其株型对产量和品质具有重要影响。
株型是指小麦植株在生长发育过程中的综合表现,包括植株的高度、分蘖数、分蘖类型以及叶片、穗部等形态特征。
本研究旨在对不同小麦品种的株型进行系统的研究,为育种和栽培提供参考依据。
2. 方法2.1 样品收集本研究选取了10个常见的小麦品种,包括耐寒性好的冬小麦和耐热性好的春小麦。
这些样品来自不同地区的小麦种植基地,保证了研究的代表性。
2.2 株型测定株型的测定主要包括植株的高度、分蘖数、分蘖类型以及叶片和穗部的形态特征。
2.2.1 植株高度测定在小麦抽穗前后,测量植株的高度。
采用测尺在株基部到叶片顶端的高度进行测定,每个品种测量5个植株,取平均值作为该品种的植株高度。
2.2.2 分蘖数测定在小麦灌浆期,对每个品种的5个植株进行分蘖数的测定。
将分蘖数较高的植株挖掉,以减少对结果的影响。
使用显微镜观察和计数,最后取平均值。
2.2.3 分蘖类型分类根据分蘖数的特点,将小麦的分蘖类型分为无蘖、非穗蘖和穗蘖三种类型。
对每个品种的5个植株进行观察和分类。
2.2.4 叶片形态特征测定选取小麦植株上部的3片叶子进行形态特征的测定。
测量叶片的长度、宽度,计算叶片的面积和长宽比。
2.2.5 穗部形态特征测定测定每个品种的5个穗部形态特征,包括穗长、穗粒数、粒重和千粒重。
3. 结果3.1 植株高度10个小麦品种的植株高度在55 cm到80 cm之间,其中品种A的植株最高,为80 cm;品种B的植株最矮,为55 cm。
3.2 分蘖数小麦品种的分蘖数在10到25之间,其中品种C的分蘖数最多,为25个;品种D的分蘖数最少,为10个。
3.3 分蘖类型在10个品种中,4个品种为无蘖型,3个品种为非穗蘖型,另外3个品种为穗蘖型。
3.4 叶片形态特征在测量的叶片中,叶片的长度在10 cm到15 cm之间,宽度在0.5 cm到1 cm 之间。
小麦试验研究方法
前言从一九七四年开始,河南省开展了多科性的“小麦高、稳、优、低综合研究与技术推广”工作。
几年来,以过各协作单位的共同努力,取得了“实现小麦高、稳、优、低的生产模”的重大科技成果,在生产上取得了显著的经济效益,有力的促进了本省小麦生产的发展。
编撰本书的同志大部分都参加了这项研究工作,并根据自己的的实践和体会,从一九七六年开始着手收集和整理有关小麦试验研究方法的材料,经过反复修改,最后编写成《小麦试验研究方法》一书。
该书较为系统地整理了有关小麦田间试验设计,栽培试验、育种技术、解剖技术、生理测定、田间小气候以及麦田土壤肥料的测定等七个方面的试验研究方法。
既介绍了各种试验研究方法的意义和原理。
同时还还着重详细地介绍了它的具体操作方法和程序、试验前的仪器准备及试验结果的统计分析等。
它包括了实验室的测定,试验地的设计和观察,以及大田生产的调查总结,把宏观研究和微观研究结合起来。
既有普及的内容,又有提高的内容;既适合农村基层单位的农业技术人员使用,又可作为农业院校师生和研究单位的科技人员参考。
本书由河南农学院范濂、胡延积同志担任主编,参加编写的人员有范濂、胡延积、姚鹏凌、徐文波、张景略、呈建国、崔金梅、王褐亭、王文翰等同志。
小麦高、稳、优、低研究室的王化岑同志参加了绘图和缮写工作。
由于我们的水平所限,本书若有不妥之处,敬请读者批评指正。
编者一九八三年五月第一部分小麦常用田间试验设计及产量分析法一、田间试验的种类小麦试验,除了田间试验外,还包括盆栽、温室、人工气候室以及其它试验方式。
但是,这些试验的环境条件与大田生产差别较大,试验结果难于直接应用于生产。
因此,它们只是为了解决特定问题而采用的辅助试验方式。
而田间试验接近生产实际,是小麦经常进行的主要试验方式。
(一)按试验项目性质可分为:1.小麦丰产栽培试验:主要研究小麦各种栽培技术措施的增产作用。
其中即包括综合丰产试验,也包括分析各个因素作用的单因子和复因子试验(如播期试验,播量试验,品种播量试验等)。
基于深度学习ImCascade_R-CNN的小麦籽粒表形鉴定方法
2023 年 9 月第 5 卷第 3 期Sept.2023 Vol.5, No.3智慧农业(中英文) Smart Agriculture基于深度学习ImCascade R-CNN的小麦籽粒表形鉴定方法泮玮婷,孙梦丽,员琰,刘平*(山东农业大学机械与电子工程学院/智能化农业机械与装备实验室,山东泰安271000)摘要:[目的/意义]培育优质高产的小麦品种是小麦育种的主要目标,而小麦籽粒完整性直接影响小麦育种进程。
完整籽粒与破损籽粒的部分特征差异较小,是限制基于深度学习识别破损小麦籽粒精准度的关键因素。
[方法]为解决小麦籽粒检测精度低的问题,本研究建立ImCascade R-CNN模型,提出小麦籽粒表形鉴定方法,精准检测小麦籽粒完整性、分割籽粒并获取完整籽粒表形参数。
[结果和讨论]ImCascade R-CNN模型检测小麦籽粒完整性的平均精度为90.2%,与Cascade Mask R-CNN、Deeplabv3+模型相比,能更好地识别、定位、分割小麦籽粒,为籽粒表形参数地获取提供基础。
该方法测量粒长、粒宽的平均误差率分别为2.15%和3.74%,测量长宽比的标准误差为0.15,与人工测量值具有较高的一致性。
[结论]研究结果可快速精准检测籽粒完整性、获取完整籽粒表形数据,加速培育优质高产小麦品种。
关键词:小麦育种;ImCascade R-CNN模型;籽粒完整性;语义分割;籽粒表形参数;深度学习中图分类号:TP391;S512 文献标志码:A 文章编号:SA202304006引用格式:泮玮婷, 孙梦丽, 员琰, 刘平. 基于深度学习ImCascade R-CNN的小麦籽粒表形鉴定方法[J]. 智慧农业(中英文), 2023, 5(3): 110-120. DOI:10.12133/j.smartag.SA202304006PAN Weiting, SUN Mengli, YUN Yan, LIU Ping. Identification method of wheat grain phenotype based on deep learning of ImCascade R-CNN[J]. Smart Agriculture, 2023, 5(3): 110-120. DOI:10.12133/j.smartag.SA202304006 (in Chinese with English abstract)1 引言小麦作为人类饮食中碳水的主要来源,为日渐增长的人口提供了所需总热量的20%[1]。
融合物候知识和多时相遥感的冬小麦种植面积提取
融合物候知识和多时相遥感的冬小麦种植面积提取作者:刘伟诚马静来源:《现代信息科技》2022年第06期摘要:选用播种期和灌浆期两景Landsat8卫星影像进行冬小麦种植面积提取研究。
结合研究区冬小麦生长物候知识,提取两期遥感影像的归一化差值植被指数(NDVI),并进行运算处理,提取出研究区冬小麦种植面积。
同时基于灌浆期遥感影像,采用最大似然法进行监督分类处理,进而提取研究区冬小麦种植面积。
将两种方法提取的冬小麦种植面积与官方统计数据进行精度对比,结果表明,物候知识法提取精度较最大似然法提取精度高。
关键词:冬小麦;种植面积提取;物候知识法;最大似然法中图分类号:TP391 文献标识码:A文章编号:2096-4706(2022)06-0141-04Extraction of Winter Wheat Planting Area of Fusion on Phenological Knowledge and Multi Temporal Remote SensingLIU Weicheng1, MA Jing2(1. Guangdong Tianxin Electric Power Engineering Testing Co., Ltd., Guangzhou 510663, China ; 2.Scientific Institute of Pearl River Protection,Guangzhou, Guangzhou 510611, China)Abstract: This paper selects two satellite images of Landsat8 during sowing and filling to study the winter wheat planting area extraction. It combines with the winter wheat growth and phenological knowledge of the study area, extracts two periods remote sensing images of the Normalized Difference Vegetation Index (NDVI), and it does the operation and processing to extract winter wheat planting area of the study area. Meanwhile, based on the remote sensing images in the filling stage, the maximum likelihood method is used for supervised classification and processing, and then extracts the planting area of winter wheat in the study area. The accuracy of winter wheat planting area extracted by the two methods is compared with the official statistical data, and the results show that the extraction accuracy of phenological knowledge method is higher than that of maximum likelihood method.Keywords: winter wheat; planting area extraction; phenological knowledge method; maximum likelihood method0 引言冬小麦是世界主要粮食作物之一,及时了解冬小麦种植面积,对开展冬小麦长势监测和估产、区域粮食安全评估等工作具有重要的社会意义[1]。
河南省小麦长势遥感监测地面调查技术
河南省小麦长势遥感监测地面调查技术作者:贾德伟刘玉昕王宁靳媛媛来源:《河南农业·综合版》2022年第08期河南省是全国重要的粮食生产大省。
小麦是河南省第一大粮食作物,种植面积和产量高居全国第一位。
监测河南省小麦长势,进而对产量进行估算,对指导小麦生产和保障国家粮食安全具有重要意义。
河南省小麦分布范围广,且地形复杂,如采用常规统计方法获取小麦长势信息,易受人为主观因素影响,而且费时费力。
遥感技术依靠其宏观、客观、适时、动态、无损及简便的优势,可快速获取小麦种植分布和长势状况信息,为政府决策者和生产管理者制定科学合理小麦生产管理措施提供决策依据,达到促进小麦高产稳产的目的。
一、背景介绍河南省开展农作物遥感监测已有20余年历史, 2000年对全省小麦种植面积实现动态监测, 2005年对全省小麦长势实现动态监测。
随着国内中巴陆地资源卫星、环境减灾卫星,高分系列卫星以及国外landsat8卫星、哨兵卫星、RapidEye卫星陆续成功发射,卫星遥感数据资源不断丰富,河南省逐步将卫星遥感技术拓展应用在重大农业自然灾害、农业政策和项目执行情况等方面。
农作物能够反射或辐射不同波长的电磁波,这种特性在遥感数据中就形成不同的光谱特征。
理想情况下,同一农作物应具有相同光谱特征,即“同物同谱”。
但遥感成像时因太阳光角度不同、含水量不同、病虫害发生程度不同以及其他环境影响,会出现“同物异谱”和“异物同谱”现象,严重影响遥感监测精度。
因此,使用遥感监测数据时,还需要开展地面调查工作,建立和检验遥感数据与农作物生长状态的对应关系,以此提高遥感监测的精准度,科学指导农业生产。
二、地面调查位置布设(一)抽样地面调查县为保证地面调查数据的科学性、及时性和有效性,需要专业技术人员按时保质保量开展实地调查。
在全省所有县(市、区)开展此项工作成本过高,可以采用分层抽样方法选择30个地面调查县抽查小麦长势。
抽样以省辖市为层次,要充分考虑各县(市、区)的地貌类型、空间位置、农作物种植结构、小麦种植面积占比、小麦单产、交通通达性等因素。
利用TM卫星资料进行江苏部分地区小麦面积调查
利用TM卫星资料进行江苏部分地区小麦面积调查黄晓军;何维;张云柏;张娅香;夏友桦;李秉柏【期刊名称】《江苏农业科学》【年(卷),期】2003(000)004【摘要】以江苏部分县、市为基本单位,用TM卫星遥感技术监测调查2002年夏熟小麦、油菜的种植面积.本调查采用里下河幅(120-37)、南京幅(120-38)TM 影像图,选用2001年1月至2002年4月份的时相,在外业调查,建立解译标志的基础上,通过计算机进行图像处理及非监督分类、人机交互式判读解译,结合农业部门掌握的资料分县、分类地判出小麦及油菜,其定性精度为90%以上.汇总结果表明:2001年小麦面积为38.116万hm2,2002年为39.598万hm2,比2001年增加1.482万hm2.【总页数】3页(P85-87)【作者】黄晓军;何维;张云柏;张娅香;夏友桦;李秉柏【作者单位】江苏省农业科学院农业资源与环境研究中心,江苏南京,210014;江苏省农业科学院农业资源与环境研究中心,江苏南京,210014;南京农业大学农学系,江苏南京,210095;江苏省农业科学院农业资源与环境研究中心,江苏南京,210014;南京工程学院,江苏南京,210013;江苏省农业科学院农业资源与环境研究中心,江苏南京,210014【正文语种】中文【中图分类】S129【相关文献】1.利用气象卫星资料进行森林虫害调查的尝试 [J], 刘志明2.TM影像用于春小麦播种面积调查 [J], 张铁夫3.利用陆地卫星TM影像进行森林土地面积调查的方法 [J], 费树军;李建军4.TM图像在江苏省耕地面积调查中的应用 [J], 潘厚成5.可进行网块面积量测和线物网面积扣除的土地利用调查面积量算系统(ZMTD—1) [J], 朱明因版权原因,仅展示原文概要,查看原文内容请购买。
变量施肥条件下冬小麦长势及品质变异遥感监测
156
农业工程学报
Байду номын сангаас
2009 年
及品质的变异情况进行了评价,为利用遥感技术获取作 物长势变异信息,进而有针对性地调控作物生长状况进 而提高作物品质提供科学依据。
1
1.1
材料与方法
试验设计 基于多源数据的变量施肥决策试验于 2005-2006 年 在国家精准农业研究示范基地进行,该基地位于北京市昌 平区小汤山镇,地处北纬 4010,东经 11626[10]。试验 选用主栽品种京冬 8 作为供试材料。播种时间为 2005 年 9 月 26 日,播种量为 330~345 kg/hm2。试验地土壤类型 为潮土,土壤中硝态氮含量 3.00~15.04 mg/kg,全氮含 量 0.94~0.98g/kg,有机质含量 0.153~0.158g/kg,有效 磷含量 2.20~21.18 mg/kg,速效钾含量 106.96~132.77 mg/kg。随机区组排列,小区面积为 3 m×3 m,小区分布 如图 1,每个小区之间有 1~2 m 的隔离带,所有小区的 4 个角点采用厘米级差分 GPS(Trimble RTK 5700)进行 定位。变量施肥于 2006 年 4 月 14 日进行,按各小区所 用肥量,分别称量装袋,人工撒施。除氮肥不同外,其 它管理条件完全相同,收获时间为 2006 年 6 月 20 日。 处理一:根据作物起身、拔节期的光谱测定值提取 土壤调节植被指数OSAVI ( Optimization of soil-adjusted vegetation index) ,由OSAVI测定值确定各变量施肥小区 的施肥量 (Y处理) (共20个小区, 分别记做: Y-01、 Y-02、 Y-03……Y-20) , 该施肥量算法以以Lukina 等的算法为基 础, 以冬小麦起身、 拔节期OSAVI及计算当季的估产系数
农作物种植面积遥感测量中的尺度问题研究 ppt课件
27
不同农作物百分比下区域精度的尺度效应分析
对于相同空间范围下的样本,每个样本中农作 物所占百分比是不同的,这也会对区域精度产生 影响。为了进一步研究在不同的空间范围和不同 的农作物种植密集程度下区域精度随空间分辨率 变化的情况,本研究还进行了不同冬小麦丰度即 百分比下区域精度的尺度效应分析。具体做法是: 针对每个空间范围下的样本库,计算每个样区所 占的冬小麦百分比,按不同的百分比将样本库划 分成十个级别左右的统计样本子库,计算每个子 库相对于10米分辨率冬小麦提取结果(准真值) 的区域精度平均值和标准差,均方根误差和偏差。
ppt课件
17
研究方法与数据准备
样本库建立
建立了从1km2,4km2, 8km2, 16km2, 32km2, 64km2到整个 研究区统计样本库,以系统地分析在不同的空间范围下,空 间分辨率变化(10m, 30m, 50m, 70m, 90m, 150m, 250m)对农作 物测量精度尤其是面积估算绝对误差和区域总量精度的影响。
30 50 70 90 150 250
ppt课件
28
各样本库不同农作物百分比下的区域精度平均值和标准差随分辨率 变化分析
1km 样本库 100 90
2
100 90
4km 样本库
100 90
2
8km2 样本库
区域精度(%)
50 70 60 50 40
0-10 11-20 21-30 31-40 41-50 51-60 61-70 71-80 81-90 91-100
50
70 60 50 40 0-10 11-20 21-30 31-40 41-50 51-60 61-70 71-80 81-90
基于特征功能函数的APT样本分类方法
基于特征功能函数的APT样本分类方法
吕杨琦;王张宜;杨秀璋;宋文纳;彭国军
【期刊名称】《郑州大学学报:理学版》
【年(卷),期】2023(55)2
【摘要】APT攻击对网络空间构成严重威胁,APT组织通常会复用恶意功能代码。
首先对大量威胁情报进行调研,总结了APT样本的8大类功能,构建各类功能的静态检测规则,并提取样本的功能函数。
接着标准化处理函数的汇编代码和计算其模糊哈希,构建APT组织的特征功能指纹库。
最后根据待分类样本与APT组织指纹库的匹配程度确定样本组织。
实验结果表明,所提方法的准确率为92%,能有效实现对APT样本的组织分类和溯源。
【总页数】9页(P10-17)
【作者】吕杨琦;王张宜;杨秀璋;宋文纳;彭国军
【作者单位】武汉大学空天信息安全与可信计算教育部重点实验室;武汉大学国家网络安全学院
【正文语种】中文
【中图分类】TP309
【相关文献】
1.基于特征类别均衡的文本分类分类方法
2.训练样本对TM尺度小麦种植面积测量精度影响研究(Ⅰ)——训练样本与分类方法间分类精度响应关系研究
3.基于特征类
别属性分析的文本分类器分类噪声裁剪方法4.钢渣预粉磨试验研究5.基于样本特征强化的APT攻击多阶段检测方法
因版权原因,仅展示原文概要,查看原文内容请购买。
改进YOLOv5测量田间小麦单位面积穗数
改进YOLOv5测量田间小麦单位面积穗数黄硕;周亚男;王起帆;张晗;邱朝阳;康凯;罗斌【期刊名称】《农业工程学报》【年(卷),期】2022(38)16【摘要】单位面积穗数是决定小麦产量的主要因素之一。
针对人工清点小麦穗数的方法容易受主观因素影响、效率低和图像处理方法鲜有进行系统部署等问题,提出一种注意力模块(Convolutional Block Attention Module,CBAM)与YOLOv5相结合的CBAM-YOLOv5网络结构,通过对特征图进行自适应特征细化,实现更准确的单位面积穗数测量。
该研究以本地采集小麦图像数据和网络公开小麦图像数据为数据集,设置输入图像分辨率为1280,得到CBAM-YOLOv5模型,可以达到0.904的F1分数和0.902的平均精度,测试集计数的平均相对误差为2.56%,平均每幅图像耗时0.045 s,综合对比,CBAM-YOLOv5模型具有显著优势。
模型放置于服务器,结合手机端软件和辅助装置,形成单位面积穗数测量系统,实现育种小区麦穗图像实时采集、处理和计数,计数的平均相对误差为2.80%,抗环境干扰性强。
该研究方法与装置可以实现田间小麦单位面积穗数的实时在线检测,降低主观误差,具有较高的准确率及较强的鲁棒性,为小麦单位面积穗数快速、准确估测提供一种新的技术和装备支撑。
【总页数】8页(P235-242)【作者】黄硕;周亚男;王起帆;张晗;邱朝阳;康凯;罗斌【作者单位】北京市农林科学院智能装备技术研究中心;国家农业智能装备工程技术研究中心;河北农业大学机电工程学院;北京市农林科学院信息技术研究中心【正文语种】中文【中图分类】S126【相关文献】1.不同穗型小麦小花发育过程中幼穗内同化物分配与穗粒数的关系2.尿素、磷酸二铵作种肥对糜子单位面积苗数、单位面积成穗数、单位面积产量的影响3.小麦单位面积粒数与产量性状的遗传相关和选择效果研究4.小麦单位面积穗数和粒长主效QTL紧密连锁KASP标记的开发及其效应评价5.采用改进YOLOv5的蕉穗识别及其底部果轴定位因版权原因,仅展示原文概要,查看原文内容请购买。
基于RS的冬小麦种植面积提取及最佳时相选择
基于RS的冬小麦种植面积提取及最佳时相选择冯美臣;杨武德【摘要】为探求冬小麦种植面积提取的方法,本研究通过多种图像处理方法对TM 数据进行处理,结合实地调查和研究区主要种植作物的物候历,利用TM数据提取了冬小麦的种植面积.同时为了提高解译精度,结合GIS进行了两次目视解译过程,消除了分类器分类会出现的多分和漏分现象.结果表明:通过分类后计算混淆矩阵与地面真实感兴趣区(ROI)进行比较,发现Mahalanobis Distance分类法阈值(最大误差距离)为2.9时分类效果最佳.得到2007年研究区域冬小麦遥感监测面积为560 650 hm2,提取精度达到了95.23%.三个地区以临汾地区提取精度最高,而晋中地区最低.因此利用该方法提取冬小麦种植面积是可行的.【期刊名称】《山西农业大学学报(自然科学版)》【年(卷),期】2010(030)006【总页数】4页(P487-490)【关键词】冬小麦;遥感;最佳时相;面积提取【作者】冯美臣;杨武德【作者单位】山西农业大学,农学院,山西,太谷,030801;山西农业大学,农学院,山西,太谷,030801【正文语种】中文【中图分类】S512;S127随着遥感技术在农作物长势监测和产量估测上的应用越来越广泛,估测精度的提高成为了研究重点,其中农作物种植面积的提取成为产量估测研究的关键。
农作物种植面积的提取是在收集分析不同农作物光谱特征的基础上,进行农作物类型的遥感识别,统计农作物的种植面积。
农作物的识别主要是利用绿色植物独特的波谱反射特征,将农作物与其它地物区分开[1]。
并通过建立统计模型,来估测冬小麦面积。
王乃斌、陈仲新等利用Landsat数据进行了冬小麦、玉米、水稻等作物面积的提取[2~5]。
Lau等利用多时相SPOT-XS影像进行作物的识别和种植面积的提取[6~8]。
Lenngton等[9]首先利用陆地卫星数据的混合像元分解进行了作物种植面积提取的实验。
利用面向对象分类方法提取冬小麦种植面积的研究
利用面向对象分类方法提取冬小麦种植面积的研究
王启田;林祥国;王志军;梁勇;李文杰
【期刊名称】《测绘科学》
【年(卷),期】2008(33)2
【摘要】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。
【总页数】4页(P143-146)
【关键词】面向对象的分类;波谱角法;逐像素分类;冬小麦;种植面积
【作者】王启田;林祥国;王志军;梁勇;李文杰
【作者单位】山东水利职业学院教务处,山东日照276826;武汉大学资源与环境学院,武汉430072;山东农业大学信息科学与工程学院,山东泰安271018
【正文语种】中文
【中图分类】S127
【相关文献】
1.基于eCogition面向对象分类方法的水稻种植面积提取 [J], 吴海燕;卢远
2.利用面向对象的分类方法提取水稻种植面积 [J], 汤传勇;卢远
3.基于多尺度分割的面向对象分类方法提取冬小麦种植面积 [J], 范磊;程永政;王来刚;刘婷;胡峰;冯晓
4.基于种植制度利用MODIS数据提取冬小麦种植面积 [J], 隋学艳;朱振林;李少昆;明博;张晓冬;孙肖青
5.基于面向对象分类的冬小麦种植面积提取 [J], 李卫国;蒋楠
因版权原因,仅展示原文概要,查看原文内容请购买。
TM影像用于春小麦播种面积调查
TM影像用于春小麦播种面积调查
张铁夫
【期刊名称】《遥感信息》
【年(卷),期】1989(000)004
【摘要】一、引言: 在黑龙江省的农场地区,耕地面积和地块都较大,有利于应用遥感技术进行农业资源调查与农作物分类。
因此,在1986—1988年期间,我们选定北安县的三个国营农场为实验区,应用TM影像通过目视解译的方法,对该区春小麦播种面积进行实验调查。
为以后在农场地区应用遥感技术进行春小麦或其它农作物播种面积调查开辟一条路子。
【总页数】1页(P37)
【作者】张铁夫
【作者单位】不详;不详
【正文语种】中文
【中图分类】S512.104.2
【相关文献】
1.广东省农户2016年年种种植植意意向向调调查查分分析析——粮食、糖类作物播种面积减少油、瓜果类作物播种面积增加 [J], ;
2.遥感辅助农作物播种面积调查与估算研究——以2011年黑龙江省秋粮调查为例[J], 周巍
3.TM影像应用于草地资源类型调查与制图的研究 [J], 刘金祥
4.TM影像在草地资源调查中的应用——以甘青宁类型区遥感调查为例 [J], 刘金
祥
5.TM影像在1∶25万国土资源综合大调查中的应用——新疆博斯坦、西藏聂拉木国土资源调查遥感初译简述 [J], 刘沛;况顺达
因版权原因,仅展示原文概要,查看原文内容请购买。
Sentinel-2A卫星遥感影像小麦种植面积时空特性分析
Sentinel-2A卫星遥感影像小麦种植面积时空特性分析
詹志文;徐凤喜;朱玉香
【期刊名称】《北京测绘》
【年(卷),期】2024(38)3
【摘要】为了研究基于中分辨率遥感数据进行省市级以上大尺度小麦遥感监测的
技术方法的可行性和可靠性,同时探索河南省省市级小麦种植分布的时空特征。
借
助哨兵2号(Sentinel-2A)卫星遥感影像,使用物候信息的阈值法提取出了2018—2022年河南省小麦种植面积及其分布,并将其结果与统计结果进行对比分析。
基于Sentinel-2A卫星遥感影像提取的河南省小麦种植面积与统计种植面积具有强相关性(R2=0.8159)。
从空间上看,河南省小麦种植主要集中在北部、东部地区和南部
地区,其中驻马店市、周口市小麦种植面积较大,济源市、三门峡市小麦种植面积较小。
从时间上看,2018—2019年河南省小麦种植面积呈增长趋势,而在2019—2022年河南省小麦种植面积呈缓慢递减趋势,通过分析发现:地理位置、自然资源、气候变化、人口老龄化、城市发展进程和政府支持政策是影响小麦种植面积变化的重要因素。
【总页数】6页(P381-386)
【作者】詹志文;徐凤喜;朱玉香
【作者单位】江西省自然资源测绘与监测院;河南测绘职业学院
【正文语种】中文
【中图分类】P237
【相关文献】
1.晋南区冬小麦种植分布卫星遥感反演及时空变化分析
2.基于Sentinel-2A影像的县域冬小麦种植面积遥感监测
3.基于卫星遥感的临沂市冬小麦种植时空变化特征分析
4.基于Sentinel-2A遥感影像的潍坊市冬小麦种植面积提取研究
因版权原因,仅展示原文概要,查看原文内容请购买。
卫星遥感监测江苏省小麦籽粒产量和品质初步探索的开题报告
卫星遥感监测江苏省小麦籽粒产量和品质初步探索的开题报告一、研究背景与意义:小麦是我国主要粮食作物之一,其籽粒产量和品质是影响我国粮食安全和农业发展的重要因素之一。
因此,了解小麦的生长情况、产量和品质等指标对于制定有效的政策和决策具有重要的参考价值。
传统的调查方法需要大量的人力和时间,并且难以真实反映实际情况。
而利用遥感技术获取的数据可以快速、准确地提供小麦产量和品质的信息,因此在现有技术条件下,利用遥感技术监测江苏省小麦籽粒产量和品质显得尤为必要。
二、研究内容:本次研究将利用遥感技术对江苏省小麦生长情况、产量和品质等指标进行监测,具体内容如下:1、收集江苏省内小麦种植的相关数据,包括土地利用情况、小麦生长期、种植面积等。
2、利用卫星遥感技术获取江苏省内小麦生长期间的遥感数据,包括全色影像、多光谱影像等,重点关注小麦生长过程中的植被指数和反射率等数据。
3、对遥感数据进行预处理和处理,包括大气校正、几何纠正、图像增强等操作,以便后续的数据分析和处理。
4、利用机器学习等方法对遥感数据进行分析和建模,以获得江苏省小麦生长期间的各项指标以及产量和品质等信息。
5、使用结果验证技术对模型进行验证和评估,进一步提高模型精度和可靠性。
三、研究意义:本次研究将利用遥感技术监测江苏省小麦籽粒产量和品质,具有以下重要意义:1、可以提高小麦种植监测的精度和效率,减少传统调查方法的时间和人力成本。
2、可以对小麦种植面积、产量和品质等信息进行实时监测和掌握,为粮食安全和农业发展提供强有力的支持和保障。
3、可以为地方政府和农业部门提供科学依据,为农民提供更加精准的技术支持和决策参考。
四、研究方法:本次研究采用的研究方法主要包括:数据收集、卫星遥感技术、机器学习、数据分析和处理以及结果验证等方法。
五、预期成果:本次研究预期实现如下成果:1、江苏省小麦种植面积、产量和品质等信息的实时监测和数量化分析。
2、基于遥感数据的小麦生长过程分析和模型建立,预测江苏省小麦产量和品质等信息。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第11卷 第6期2007年11月遥 感 学 报J O U R N A LO F R E M O T ES E N S I N GV o l .11,N o .6N o v .,2007收稿日期:2006-05-19;修订日期:2006-10-12基金项目:教育部新世纪优秀人才计划资助。
作者简介:朱秀芳(1982— ),女,硕士研究生。
现从事土地覆盖遥感监测研究。
E -m a i l :z x f @i r e s .c n ,p y z @i r e s .c n 。
文章编号:1007-4619(2007)06-0826-12训练样本对T M 尺度小麦种植面积测量精度影响研究(Ⅰ)———训练样本与分类方法间分类精度响应关系研究朱秀芳,潘耀忠,张锦水,王 双,顾晓鹤,徐 超(北京师范大学环境演变与自然灾害教育部重点实验室,北京师范大学资源学院,北京 100875)摘 要: 准确的遥感农作物类型识别和种植面积统计,不仅仅取决于不同分类方法的选择,同时还要看输入分类器用以学习的训练样本数据,训练样本对分类精度的影响比分类技术本身对测量精度的影响还要大。
训练样本对测量精度的影响包含样本的质量和数量两个方面。
为了探讨训练样本对农作物种植面积测量精度的影响,本文以小麦为例,选择典型试验区,利用较常用的T M 遥感影像,结合高分辨率S P O T 数据和野外G P S 数据,在构建标准训练样本和检验样本数据集的基础上,在不同训练样本量下,分别对光谱角制图、平行六面体、马氏距离、最小距离、最大似然和支持向量机6种方法进行了多次试验,并对测量结果进行了对比分析。
研究结果表明:①不同样本量下6种方法10次测量的结果存在不同程度的波动,而且地块越破碎的地区波动越大,但这种波动随样本量的增加会减少,说明目前在小麦面积测量中,用单次分类的结果作为最终的提取结果的做法存在一定的随机误差,在实际的工作中,应尽可能多的获取训练样本,以提高小麦面积测量的稳定性,同时利用多次测量结果求均值的方式,来消减或者抵消测量的随机误差;②相同样本量下,各种方法测量出的全区和破碎区的小麦像元个数(总量)不一致,种植结构复杂且破碎的地区,各种方法测量出的小麦面积总量差异会更大,说明不同方法对同一地区小麦的识别能力是不同的,同种方法对于不同地区小麦的识别能力也是不一样的,但是通过分析小麦识别的产品精度和用户精度,可以判断出哪个结果最接近于真实总量。
关键词: 小麦;种植面积;训练样本;样本数量;T M 中图分类号: T P 751.1 文献标识码: AT h e E f f e c t s o f T r a i n i n g S a m p l e s o n t h e Wh e a t P l a n t i n g A r e a Me a s u r e A c c u r a c y i nT M S c a l e (Ⅰ):T h e A c c u r a c y R e s p o n s e o f D i f f e r e n t C l a s s i f i e r s t o T r a i n i n g S a m p l e sZ H UX i u -f a n g ,P A NY a o -z h o n g ,Z H A N GJ i n -s h u i ,W A N GS h u a n g ,G UX i a o -h e ,X UC h a o(K e y L a b o r a t o r y o f E n v i r o n m e n t C h a n g e a n d N a t u r a l D i s a s t e r ,M i n i s t r y o f E d u c a t i o n o f C h i n a ,B e i j i n g N o r m a l U n i v e r s i t y ;C o l l e g e o f R e s o u r c e s S c i e n c e &T e c h n o l o g y ,B e i j i n g N o r m a l U n i v e r s i t y ,B e i j i n g 100875,C h i n a )A b s t r a c t : E x a c t a g r i c u l t u r a l c r o p s i d e n t i f i c a t i o na n d p l a n t i n g a r e a m e a s u r e d e p e n d o nn o t o n l y c l a s s i f i e r s b u ta l s o t r a i n i n gs a m p l e s i m p o r t e di n t oc l a s s i f i e r s .T h ee f f e c t o f t r a i n i n gs a m p l e s ,i n c l u d i n gs a m p l eq u a l i t ya n d q u a n t i t y ,i s g r e a t e r t h a nt h a t o f c l a s s i f i e r s o nm e a s u r e a c c u r a c y .I no r d e r t op r ob ei n t ot h ee f f ec t o f t r a i n i n g s a m p l e o n a g r i c u l t u r a l p l a n t i n g a r e a m e a s u r e ,a r e p r e s e n t a t i v e w h e a t s o w i n g s e c t i o n w a s t a k e n a s a n e x a m p l e .A s t a nd a r ds a m p le s e t w a s c o n s t r u c t e db a s e d t h e p o p u l a r T Mi m a g e ,S P O T -5i m a g e w i t h h i g hr e s o l u t i o n a n df i e l d d a t a f r o mG P S .T h e n t r a i n i ng s a m p l e s w i th s a m e f e a t u r e s a n d di f f e r e n t n u m b e r s w e r e r e s p e c t i v e l y i n p u t i n t o s i x d i f f e r e n t c l a s s i f i e r s t oc l a s s i f yi m a g ea n di d e n t i f yw h e a t ,w h i c ha r es p e c t r a l a n g l em a p p e r ,p a r a l l e l e p i p e d ,m a h a l a n o b i s d i s t a n c e ,m i n i m u m d i s t a n c e ,m a x i m u m l i k e l i h o o da n ds u p p o r t v e c t o r m a c h i n e .M o r e o v e r ,t h e第6期朱秀芳等:训练样本对T M尺度小麦种植面积测量精度影响研究(Ⅰ)———训练样本与分类方法间分类精度响应关系研究827e x p e r i m e n t a t i o n w a s r e p e a t e dt e n t i m e s u n d e r d if f e r e n t s a m p l e n u m b e r s.T h e r e s u l t s i n d i c a t e:①T e nm e a s u r e r e s u l t s f l u c t u a t e f r o ms i x m e t h o d s u n d e r d i f f e r e n t t r a i n i ng s a m p l e n u m b e r s.Th e f l u c t u a ti o n i s r e d u c i n g w i t h t h e i n c r e a s i n g o f t r a i n i n g s a m p l en u m b e r s,w h i c hi s g r e a t e r i nm o r ef r a g m e n t i z e dp l o t.T h e r ea r es o m er a n d o m e r r o r s i nt h ec u r r e n t c o m m o nu s e dm e t h o do f w h e a t p l a n t i n ga r e am e a s u r e,w h i c ha l w a y su s e so n et i m e c l a s s i f i c a t i o nr e s u l t a s t h e f i n a l v a l u e.I n t h e t a s k o f a g r i c u l t u r e p l a n t i n g a r e a m e n s u r e,s a m p l e s s h o u l d b e u s e d a s m a n y a s p o s s i b l e i n c l a s s i f i c a t i o n t o a d v a n c e t h e r e s u l t s t a b i l i t y a n d t h e a v e r a g e o f l o t s o f c l a s s i f i c a t i o n r e s u l t s i s a d v i s e dt o c o u n t e r a c t t h e r a n d o me r r o r s.②T h e w h e a t p i x e l n u m b e r s(r e g i o nw h o l e a r e a)d i f f e r e a c ho t h e r a m o n g s i x m e t h o d s u n d e r t h es a m et r a i n i n gn u m b e r s.A n dt h ed i v e r s i t y i s l a r g e r i na r e aw i t hc o m p l e xp l a n t s t r u c t u r e a n df r a g m e n t i z e dp l o t s.D i f f e r e n tc l a s s i f i e r h a sd i f f e r e n t r e s p o n s et ot h es a m ea r e a,w h i l es a m e c l a s s i f i e r h a s d i f f e r e n t r e s p o n s e t o d i f f e r e n t a r e a.B u t i t c a n b ej u d g e a n d v e r d i c t,w h i c h r e s u l t i s n e a r e r t o t h e t r u e v a l u e,t h r o u g h a n a l y z i n g t h e p r o d u c t a c c u r a c y a n du s e r a c c u r a c y o f w h e a t.K e y w o r d s: w h e a t;p l a n t i n g a r e a;t r a i n i n g s a m p l e;s a m p l e a m o u n t;T Ms c a l e1 引 言小麦作为中国第二大粮食作物,它的长势、播种面积及其丰欠等,都是涉及国家政局稳定和人民安居乐业的重大问题。