利用高分五号02星高光谱数据进行地物识别
(1)在ENVI中,打开RoiTool工具,通过目视解译方式绘制需要识别的地物。(2)通过目视判读,真彩色合成识别和绘制云层、作物1、作物2和作物3四类需要识别的地物,数量不用太多,需要准确。注:在绘制云层时候,按住Ctrl+鼠标左键打开魔术棒,使用魔术棒绘制更便捷。图4:绘制ROI感性兴趣(3)打开/Classification/Endmembe...
武汉大学夏桂松团队:面向遥感图像解译的增量深度学习
在可见光图像中,类别相似性主要源于地物目标具有相似的视觉特征(如纹理、形状等)。高光谱图像的类别相似性来自于地物目标相似的光谱曲线。至于SAR图像,不同类别的地物目标表现出相似的反射行为,是因为它们可能有相似的物理材料。针对遗忘问题的不同成因,亟需结合数据模态特性,设计增量学习方法。此外,已有研究依据地物分...
莱森光学:基于无人机高光谱遥感的太行山经济林树种识别研究1.0
从无人机高光谱影像中获取的6种树种原始光谱反射率经过连续统去除变换后得到如图2所示的曲线。图26种树种冠层连续统去除光谱曲线由图2可知,6种树种的连续统去除光谱曲线整体形状大致相同,在400~420nm和690~1000nm波长范围内的光谱曲线相似度较高。在400~670nm之间,6条曲线均出现...
应用案例-莱森光学-棉花全生长周期机载高光谱正射影像数据集构建
通过对采集的3期反射率光谱数据进行比对,发现在波长503~850nm范围内,对同种地物2种仪器有着相同反射光谱特征,反射率曲线具有良好的一致性,且棉花的光谱特征值也无***差异;表明在此波段范围所获取高光谱影像中包含的地物光谱信息是准确可靠的;而在862~903nm(第38波段到第42波段)之间,植物的光谱反射率出现明显...
重磅!GPT与Python联手,农大研究生连续在顶尖期刊上发表研究成果
6、Matplotlib基本图形绘制(线形图、柱状图、饼图、气泡图、直方图、箱线图、散点图等)、图形的布局(多个子图绘制、规则与不规则布局绘制、向画布中任意位置添加坐标轴)7、实操练习六、ChatGPT4助力近红外光谱数据预处理1、近红外光谱数据标准化与归一化(为什么需要标准化与归一化?)...
中科星图2023年年度董事会经营评述
(一)第一增长曲线业务平稳较快发展,第二增长曲线业务提前进入收获阶段公司基于成熟稳健的管理体系,经营业绩保持平稳较快增长,报告期内,公司实现营业收入251,559.59万元,较上年同期增长59.54%;归属于上市公司股东的净利润34,254.94万元,较上年同期增长41.10%;经营活动产生的现金流量净额12,507.59万元,较上年同期增长15...
遥感分析时什么情况下需要做大气校正?|辐射|光谱|地表|传感器|...
图WV3数据真彩色合成(左:表观反射率数据,右:地表反射率数据)图光谱曲线的差异地物分类和变化监测一般来说,做非监督分类或者是变化监测,大气校正不是必须要做的,Chinsuetal.(2015)的研究表明大气校正不会提高土地利用分类的精度。Songetal.(2011)做了更详细的阐述,如果要做非监督分类或土地利用...
ASD丨ASD Fieldspec 3地物光谱仪在矿井水中煤浓度探测方面的应用
(0mg/L-1000mg/L),并利用ASDFieldspec3便携式地物光谱仪测量不同煤浓度矿水的可见-近红外光谱数据,再使用CARS算法(竞争自适应重加权采样)提取敏感波段,最后利用卷积神经网络方法(CNN)建立矿水煤浓度光谱反演模型(CKCNN模型),并采用k倍交叉验证对模型进行优化,以预测矿井水中的煤浓度,控制化学试剂的量,减少二...
ASD | ASD FieldSpec 3地物光谱仪在确定土壤有毒元素上的应用
基于此,在本研究中,来自捷克生命科学大学的研究团队于2015年8月12日在Sarcheshmeh矿山采集了120个土壤样品,在实验室进行化学(As、Pb、Zn和Cr)和光谱测量(ASDFieldspec3地物光谱仪)。并于2015年8月13日获取Landsat8-OLI图像,2016年1月20日获取Sentinel-2A图像。旨在探索Landsat8-OLI和Sentinel-2A单个图像及其...
高光谱成像仪与地物光谱仪作物实验对比
IQ采取内置推扫CCD成像技术,体积小、重量轻、能耗低,可更充分的测量每个地面分辨单元的能量,增加相对信噪比。ASD便携式地物光谱仪单次采集数据为视场内所有地物的平均光谱数据,仅得到一条光谱曲线;IQ获取的高光谱图像每个像素点都有其特有的光谱曲线,对地物的研究提供更精确度全面的信息。