期刊,遥感技术与应用 2023年卷4期_国家学术搜索

期刊信息/Journal information

遥感技术与应用

主　　编：吴季

出版周期：双月刊

国际刊号：1004-0323

电子邮箱：rsta@lzb.ac.cn

电　　话：0931-8272180

邮政编码：730000

地　　址：兰州市天水路8号

遥感技术与应用/Journal Remote Sensing Technology and ApplicationCSCD北大核心CSTPCD

查看更多>>本刊主要刊登国内外遥感理论，技术及应用研究领域的学术论文与综述，报道国内外遥感研究与应用的发展动向，新技术，新理论，新方法和新成果。

正式出版

收录年代

基于不同植被指数的重庆地区物候参数提取对比研究

李云龙李军常梓煜

978-989页

查看更多>>摘要：基于不同植被指数提取物候参数是分析长时间物候变化的重要基础.以多云雾的重庆地区为例,使用2010～2019年MODIS NDVI/EVI/EVI2共3种长时序的植被指数数据,通过D-L滤波方法分析了不同植被指数特征;并使用动态阈值法和趋势分析法,对比研究了基于3种植被指数提取的物候参数结果及其随不同地形因子的分异规律,结果如下:①EVI和EVI2的时间序列拟合曲线比NDVI的拟合曲线更加平滑,3种植被指数原始值与拟合值的差值主要分布为NDVI(0.05～0.18)、EVI(0.03～0.11)、EVI2(0.03～0.1)o②基于3种植被指数提取的物候参数在空间分布和变化趋势上呈现一致性,其中EVI和EVI2提取的植被指数参数皆相近,相差5d之内占比79％以上,SOSEVI2变化显著性区域所占比面积最高(16.36％),SOSNDVI最低为12.37％.③SOS随海拔升高而推迟,EOS随海拔升高先延后再提前,LOS随海拔升高先延长后缩短,且EOSNDVI、LOSNDVI随着海拔增加分别与EOSEVI/EOSEVI2、LOSEVI/LOSEVI2差异增大,不同植被类型上,EVI提取的物候参数与EVI2相近,变化趋势具有一致性.与NDVI相比,EVI和EVI2能更好提取对云雾地区物候参数,结果相近;基于EVI和EVI2提取的物候参数的地形效应更明显.

关键词：

多云雾地区MODIS植被指数植被物候参数地形因子

原文链接:

NETL
NSTL
维普
万方数据

基于机器学习的棚户区识别应用——以上海棚户区为例

徐丹林文鹏马帅

990-1000页

查看更多>>摘要：精准获取并识别棚户区的空间分布及形态,对改善人居环境、优化城市空间结构具有重要意义.传统的实地调查方法耗时费力,以上海杨浦区南部的棚户区为例,从高空间分辨率影像中提取光谱、纹理和结构特征作为输入数据,提出了基于机器学习算法的高分遥感影像的棚户区提取方法.首先,综合比较最近邻(KNN)、逻辑回归(LR)、支持向量机(SVM)、随机森林(RF)、集成学习(EL)5种机器学习识别方法的适用性,确定最优分类器.其次,基于网格(50m×50m)对高分影像进行特征提取,并对特征网格分类、构建分类图像特征数据集.最后,通过图像特征进行棚户区识别,并评估5种机器学习算法在城市地区识别棚户区的能力及应用.结果表明:监督机器学习方法在提取棚户区的精度方面基本能够满足棚户区的研究及实际应用,但综合考量分类结果、分类精度和运行效率,EL算法Kappa系数为73.0％、总体精度为97.27％、召回率为79.02％,均高于其它算法,且漏分错误最少,能够更加完整、准确地完成棚户区信息提取.当考虑运行效率时,LR算法识别速度明显高于其它算法,更适用于大范围棚户区的使用需求.监督学习识别方法不仅可应用于高分影像特征识别,在遥感监测、城市规划和测绘等方面也具有较大的应用潜力.

关键词：

高分遥感影像棚户区机器学习支持向量机集成学习

原文链接: