-
公开(公告)号：CN114821361A
公开(公告)日：2022-07-29
申请号：CN202210720655.0
申请日：2022-06-24
Applicant: 成都信息工程大学
IPC: G06V20/13 , G06V20/52 , G06V10/766 , G06V10/143
Abstract: 本发明公开了一种积雪深度的计算方法、装置、计算机设备及可读存储介质，应用于气象领域，所述方法包括：计算机设备首先获取静止卫星遥感数据，以得到积雪对应的敏感波段的数据，即绿波段光谱数据和短波红外波段光谱数据；接着，根据归一化积雪指数计算公式和每个像元的绿波段光谱数据和短波红外波段光谱数据，计算每个像元的归一化积雪指数，以在后续过程中，根据每个像元的归一化积雪指数计算积雪深度；最后，基于预设积雪深度估算模型，利用每个像元的归一化积雪指数计算每个像元的积雪深度。由此，本发明因采用静止卫星实现积雪深度的计算，使得积雪深度的获取效率得以提高。
-
公开(公告)号：CN113255592A
公开(公告)日：2021-08-13
申请号：CN202110708362.6
申请日：2021-06-25
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种枯草光谱识别方法及系统，其中，枯草光谱识别方法，包括以下步骤：采集牧草光谱特征；基于光谱特征的枯草识别：枯草光谱的筛选通过下式判别：Rred‑Rgreen>0其中：Rred代表红光波段，Rgreen代表绿光波段，当上式计算值大于0时，选取为枯草光谱特征；基于线性拟合的枯草识别：将枯草光谱特征分别进行直线拟合，筛选出决定系数R2>0.95的序列作为枯草光谱。本发明能在较短时间内完成从大量光谱数据中对枯草光谱的判别识别与筛选，可以服务于遥感反演或基于辐射传输模型的枯草判别，为青藏高原草地环境监测提供科学有效的理论支持。
-
公开(公告)号：CN114781767B
公开(公告)日：2022-10-28
申请号：CN202210715346.4
申请日：2022-06-23
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种估算模型构建方法、估算方法、装置、计算机设备及介质，所述估算模型构建方法中，计算机设备将在牧草枯萎期间，每隔预设时间间隔获取牧草样方的光谱数据和牧草样方的枯萎牧草生物量；在得到多个光谱数据后，基于预设算式确定每个光谱数据对应的修订枯草植被指数；最后利用每个光谱数据对应的修订枯草植被指数和与每个光谱数据同时获取的枯萎牧草生物量进行线性回归，拟合得到修订枯草植被指数与枯萎牧草生物量的映射关系，即枯萎牧草生物量的估算模型，由此，本发明弥补了枯草研究领域的空白，使得后续其他相应的枯草研究能高效地完成枯萎牧草生物量计算。
-
公开(公告)号：CN114862069A
公开(公告)日：2022-08-05
申请号：CN202210791364.0
申请日：2022-07-07
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种预测模型构建方法、预测方法、装置、设备及介质，涉及草地遥感领域。预测模型构建方法包括：获取预设牧草衰败期内，每隔预设时间间隔的刈割后的牧草样方对应的牧草照片；统计每张牧草照片中的牧草像元数量和纸张像元数量；基于预设算式，利用预设大小、牧草样方的面积、牧草像元数量和纸张像元数量，计算牧草样方对应的叶面积指数；对每个预设时间间隔和对应的叶面积指数进行线性回归，得到牧草叶面积指数的预测模型。基于此，本发明填补了牧草衰败期的牧草研究空白；并且，因本发明拟合的是时间和实际测量得到的叶面积指数的映射关系，避免了如光谱或其他环境变量可能带来的误差，从而保证了预测模型的有效性。
-
公开(公告)号：CN114781767A
公开(公告)日：2022-07-22
申请号：CN202210715346.4
申请日：2022-06-23
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种估算模型构建方法、估算方法、装置、计算机设备及介质，所述估算模型构建方法中，计算机设备将在牧草枯萎期间，每隔预设时间间隔获取牧草样方的光谱数据和牧草样方的枯萎牧草生物量；在得到多个光谱数据后，基于预设算式确定每个光谱数据对应的修订枯草植被指数；最后利用每个光谱数据对应的修订枯草植被指数和与每个光谱数据同时获取的枯萎牧草生物量进行线性回归，拟合得到修订枯草植被指数与枯萎牧草生物量的映射关系，即枯萎牧草生物量的估算模型，由此，本发明弥补了枯草研究领域的空白，使得后续其他相应的枯草研究能高效地完成枯萎牧草生物量计算。
-
Patent Agency Ranking
公开(公告)号：CN113252592A
公开(公告)日：2021-08-13
申请号：CN202110708345.2
申请日：2021-06-25
Applicant: 成都信息工程大学
IPC: G01N21/31 , G01N21/3563 , G01N21/359 , G06F30/20
Abstract: 本发明公开了一种枯草参数率定方法，利用PROSAIL模型结合地面实测数据探究枯草生理生态参数合理的阈值区间并完成关键参数的取值范围参考表。首先通过实地测量获得枯草反射光谱及相应的生理生态参数，利用实测枯草参数结合已有研究资料设定PROSAIL的参数范围，模拟产生15000组以上数据，将枯草光谱提取出来。对模拟光谱进行敏感性分析和不确定性分析，固定低敏感性参数的取值，优化高敏感性参数的取值区间。最终，以99%置信区间为标准、余弦距离为评价函数，OFAT方式再次运行模型，对比不同取值下的模拟光谱与实测光谱间的余弦距离，界定枯草敏感的参数阈值。为提高对高寒冬季枯草性状特征的科学认识及探究遥感反演应用技术方法提供理论依据与基础数据。
-
公开(公告)号：CN112750135B
公开(公告)日：2022-06-03
申请号：CN202011625703.5
申请日：2020-12-31
Applicant: 成都信息工程大学
Abstract: 本发明旨在针对当前无人机倾斜摄影测量控制点布设时，经常面临测区实际情况复杂、均匀布点可操作性较小、工作量较大、无明显针对性、经验依赖性大等问题，提出了一种基于数字图像空间域提取的像控点优化方法，采用边缘检测、图像拉伸处理、二值化处理、开闭运算、分割、标记、重组、选值等图像处理方法，精准找点，得到在保证摄影测量精度的情况下尽可能减少外业工作量和满足特殊测区不能均匀布点的要求的布点方案，提高作业效率。
-
公开(公告)号：CN113255592B
公开(公告)日：2021-11-19
申请号：CN202110708362.6
申请日：2021-06-25
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种枯草光谱识别方法及系统，其中，枯草光谱识别方法，包括以下步骤：采集牧草光谱特征；基于光谱特征的枯草识别：枯草光谱的筛选通过下式判别：Rred‑Rgreen>0其中：Rred代表红光波段，Rgreen代表绿光波段，当上式计算值大于0时，选取为枯草光谱特征；基于线性拟合的枯草识别：将枯草光谱特征分别进行直线拟合，筛选出决定系数R2>0.95的序列作为枯草光谱。本发明能在较短时间内完成从大量光谱数据中对枯草光谱的判别识别与筛选，可以服务于遥感反演或基于辐射传输模型的枯草判别，为青藏高原草地环境监测提供科学有效的理论支持。
-
公开(公告)号：CN113252583B
公开(公告)日：2021-10-08
申请号：CN202110708359.4
申请日：2021-06-25
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于枯草植被指数计算高寒枯草覆盖度的方法，利用实测枯草高光谱数据与MODIS的波段响应函数计算得到MODIS相应波段的枯草反射率。同时利用极差的分析方法计算枯草反射光谱的离散度数据，得到枯草光谱反射率的敏感波段。结合MODIS敏感波段波长范围，选取相应的MODIS波段构建枯草植被指数DGVI，在此基础上进一步修正枯草植被指数。在修正植被指数的基础上构建枯草覆盖度的反演模型，并和NDVI、RVI等植被指数构建的反演模型进行了对比，证明DGVI构建的枯草反演模型的覆盖度估算值误差明显小于其他模型。
-
公开(公告)号：CN113252592B
公开(公告)日：2021-10-08
申请号：CN202110708345.2
申请日：2021-06-25
Applicant: 成都信息工程大学
IPC: G01N21/31 , G01N21/3563 , G01N21/359 , G06F30/20
Abstract: 本发明公开了一种枯草参数率定方法，利用PROSAIL模型结合地面实测数据探究枯草生理生态参数合理的阈值区间并完成关键参数的取值范围参考表。首先通过实地测量获得枯草反射光谱及相应的生理生态参数，利用实测枯草参数结合已有研究资料设定PROSAIL的参数范围，模拟产生15000组以上数据，将枯草光谱提取出来。对模拟光谱进行敏感性分析和不确定性分析，固定低敏感性参数的取值，优化高敏感性参数的取值区间。最终，以99%置信区间为标准、余弦距离为评价函数，OFAT方式再次运行模型，对比不同取值下的模拟光谱与实测光谱间的余弦距离，界定枯草敏感的参数阈值。为提高对高寒冬季枯草性状特征的科学认识及探究遥感反演应用技术方法提供理论依据与基础数据。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
