M.K. Maid1*, R.R. Deshmukh21*Department of CS and IT, Dr. B. A. M. U, Aurangabad, India2Department of CS and IT, Dr. B. A. M. U, Aurangabad, India*Corresponding Author: mm915monali@gmail.com Available online at: www.ijcseonline.org Abstract— Remote Sensing has wide range of applications in many different fields. Remote Sensing has been found to be a valuable tool in evaluation, monitoring, and management of land, water and crop resources. The applications of remote sensing techniques in the field of agriculture are wide and varied ranging from crop identification, detection of diseas...
发布时间:
2019
-
03
-
19
浏览次数：286
本文旨在利用高光谱数据建立一个准确、可解释的植物病害识别模型。由真菌引起的大豆炭腐病是一种严重影响大豆产量的世界性病害。在383-1032 nm范围内，Resonon高光谱成像仪在240个不同的波长处捕获高光谱图像。针对大豆炭腐病，科学家建立了3D卷积分网络模型，模型分类精度为95.73%，并利用可视化显著图检验训练模型、敏感像素位置以及分类的特征敏感波段，发现：敏感特征波段为733 nm，这和常用的鉴别植物健康程度的特征波段范围（700-1000nm）是一致的。 实验：感染炭腐病的大豆：分别在第3、6、9、12和15天采集健康的和受感染的大豆茎秆样品，在测量病害程度之前，实时采集健康的和收到感染的茎秆的高光谱图像。测量仪器：美国Resonon高光谱成像仪，型号：Pika XC（包含安装支架、移动平台、操作软件和2个70w卤素灯）Pika XC性能：光谱通道数：240，波段范围，400-1000 nm，分辨率：2.5 nm。 平台系统如下图（a）所示：（a） 室内高光谱成像系统（b） 不同光谱波段的大豆茎秆样品高光谱图像（c） 大豆茎秆的内部和外部RGB图像的病害程度比较3D-CNN模型由两个连接的卷积分模型组成，其中，一个小的构架用于防止训练...
发布时间:
2018
-
10
-
09
浏览次数：719
DOI： 10.5846/stxb201803300694韩东，王浩舟，郑邦友，王锋. 基于无人机和决策树算法的榆树疏林草原植被类型划分和覆盖度生长季动态估计. 生态学报， 2018， 38（18）：6655-6663 基于无人机和决策树算法的榆树疏林草原植被类型划分和覆盖度生长季动态估计 韩东1，王浩舟1,2，郑邦友3，王锋1，*1 中国林业科学院荒漠化研究所，北京 1000912 The Faculty of Forestry & Environmental Management, University of New Brunswick, Fredericton, NB E3B 5A3, Canada3 CSIRO Agriculture and Food, Queensland Biosciences Precinct 306 Carmody Road, St Lucia, 4067, QLD, Australia摘要：植被覆盖度是评估生态环境质量与植被生长的重要指标，也是全球众多陆面过程模型和生态系统模型中表达植被动态的重要参数。卫星遥感和地面测量是估算植被覆盖度的常见方法。然而，如何精确...
发布时间:
2018
-
09
-
29
浏览次数：202