孙中平
- 作品数：4 被引量：16H指数：2
- 供职机构：北京师范大学更多>>
- 相关领域：自动化与计算机技术天文地球水利工程矿业工程更多>>
- 基于深度学习的河道提取与变化监测应用——以永定河为例被引量：8
- 2019年
- 本文基于2014年、2017年、2018年三期GF1遥感影像,针对北京市石景山永定河河道变化特征,开展基于深度学习算法的河道自动提取与变化图斑自动发现。选择GEOWAY GFLP作为地理要素智能训练平台,采用基于疑似变化区域自动发现与人工交互确认相结合的遥感监测技术路线,选取典型水体样本进行分析、训练,构建深度学习卷积神经网络水体提取模型。通过分析与验证发现,基于深度学习水体提取模型自动提取的河道准确率高于90%,精度高于最小距离、最大似然及SVM分类方法,可用于城市河道的自动提取和变化发现。
- 王惠英孙中平孙中平周亚文
- 中高分辨率遥感协同反演冬小麦覆盖度被引量：6
- 2017年
- 为了开展高精度、高时空分辨率的植被覆盖度(fraction vegetation cover,FVC)监测,该文以华北地区冬小麦地为研究对象,采用4期高分一号卫星多光谱(GF1-PMS)、多光谱宽幅(GF1-WFV)与环境一号卫星多光谱(HJ1-CCD)3种传感器同期影像数据集,基于像元二分法模型,研究多源中高分辨率遥感影像协同估算FVC方法。以基于高空间分辨率GF1-PMS影像反演的FVC作为检验数据,对单源直接获取法、多源全生育期法、多源分期法3种反演模型进行了分析比较。研究结果表明:HJ1-CCD、GF1-WFV数据与GF1-PMS数据的FVC直接反演结果具有较高的一致性,但在冬小麦的初期生长阶段,受卫星观测角度效应的影响,GF1-WFV与HJ1-CCD的FVC结果偏高,偏差随冬小麦的成熟封垄而逐渐减弱;多源分期法的时空反演得到的FVC精度最高,GF1-WFV的决定系数为0.984,均方根误差为0.030;HJ1-CCD的决定系数为0.978,均方根误差为0.034;而在缺少GF1-PMS匹配数据时,可通过多源全生育期法提高GF1-WFV与HJ1-CCD数据的反演精度,GF1-WFV的决定系数为0.964,均方根误差为0.044;HJ1-CCD的决定系数为0.950,均方根误差为0.052。通过多传感器的联合反演获取时间序列的高精度的FVC数据,可为研究植被生长状况及生态环境动态变化提供数据基础。
- 孙中平孙中平刘素红姜俊白雪琪陈永辉朱程浩
- 关键词：遥感作物覆盖度冬小麦
- 基于Powerbuilder+SQL Server的天津市机井管理信息系统的开发及其分布式应用被引量：2
- 2002年
- 以SQLServer为后台数据库管理机井数据 ,并把机井数据库作为主要研究对象 ;以Powerbuilder为前台开发工具 ,利用其提供的优良性能与丰富界面 ,开发了机井管理信息系统 ,可对机井信息进行科学管理与分布式应用。
- 赵祥朱小青周宇宇孙中平
- 关键词：POWERBUILDER数据库机井信息管理分布式应用
- 基于互补相关原理的区域蒸散估算模型的研究与应用
- 区域蒸散量的估算在气候变化研究、水资源规划与管理、节水农业的发展以及水利工程建设中十分重要.有关区域蒸散的研究多年来一直是国内外地理、气象、生物等科学界关心的焦点问题之一.基于互补相关原理的平流-干旱模型、CRAE模型和...
- 孙中平
- 关键词：蒸散黄河流域
- 文献传递
