-
公开(公告)号:CN114693819A
公开(公告)日:2022-07-01
申请号:CN202210398766.4
申请日:2022-04-15
申请人: 昆明理工大学
摘要: 本发明公开基于张量分解的时序InSAR影像时间‑空间维降维压缩方法,包括:将全堆栈影像在时间维上进行分组,在每组中进行差分干涉和相位估计;将每组中的影像在空间维上划分为多个小的子空间,利用每个子空间范围内的像素协方差矩阵构建三阶张量模型,采用Tucker分解算法进行降维压缩处理,得到每组中的虚拟影像;利用虚拟影像进行差分干涉处理,生成虚拟干涉图,再利用虚拟干涉图进行时序分析获取地表形变信息。本发明将张量分解理论引入到时序InSAR影像降维压缩中,同时实现了时间维和空间维的降维压缩处理,使得时序InSAR数据处理效率得到了极大提升,且能有效识别出形变位置,适用于长时序、大范围地表形变位置识别。
-
公开(公告)号:CN118332398A
公开(公告)日:2024-07-12
申请号:CN202410431651.X
申请日:2024-04-11
申请人: 昆明理工大学
IPC分类号: G06F18/241 , G06F18/15 , G06F18/214 , G06F18/213
摘要: 本发明公开了海洋、极地和内陆水体区域星载GNSS‑R原始中频相干反射信号检测方法,包括:获取TDS‑1/CYGNSS星载GNSS‑R原始中频信号数据并进行数据预处理;相干检测特征工程选择;不同场景以及相干和非相干反射信号数据标签设置;训练集和测试集划分;面向多模态的星载GNSS‑R信号相干和非相干检测分类混合模型训练和测试,使用训练集训练模型,将训练好的检测模型应用于测试数据集,并将得到的检测结果与经典的相干检测算法进行对比评估。可以很好地解决星载GNSS‑R信号相干和非相干检测的非线性分类问题,提高星载GNSS‑R相干信号检测的精度,从而实现高精度和高分辨率的载波相位测量,在海洋、海冰和内陆水体等各方面的应用中有着巨大的潜力。
-
公开(公告)号:CN117687044A
公开(公告)日:2024-03-12
申请号:CN202311450231.8
申请日:2023-11-02
申请人: 昆明理工大学
摘要: 本发明公开了一种星载GNSS‑R全球海面有效波高估计的深度学习方法,包括:获取CYGNSS L1级GNSS‑R数据,ERA5风速、风向、水深和SWH数据,IMERG降雨数据,WaveWatch III(WW3)SWH数据和AVISO卫星高度计SWH数据;从星载GNSS‑R DDM数据中提取观测变量参数、计算特征观测值、采用外部数据选择辅助变量和对所有数据集进行时空匹配;数据质量控制和数据过滤以及训练数据集、验证测试集和测试数据集划分;有效波高反演的GloWH‑Net混合深度学习模型的构建和训练;对SWH反演结果进行性能评估和对比;本发明显著提高了有效波高反演精度。
-
公开(公告)号:CN116862798B
公开(公告)日:2024-01-12
申请号:CN202310831948.0
申请日:2023-07-07
申请人: 昆明理工大学
摘要: 本发明公开了一种光学卫星遥感影像的地形阴影效应校正方法,以解决受地形影响而导致的遥感影像中阴影区域的地表反射率失真的问题。该方法基于像元的地表反射率以及光照区域和阴影区域地表接收到的太阳辐射,引入阴影强度因子(SIF)、植被指数因子(VIF)和波段调整因子(BAF)构建地形阴影效应正模型,并通过定性和定量分析全面评估模型的校正性能。本发明能够有效校正阴影区域的光谱畸变并且不会干扰光照区的原始光谱特性,校正后地表反射率与光照条件之间展现出良好的去相关表现,NDVI校正后具有很高的稳定性,植被信息被正确地保留,能够抑制本影区域过度校正和落影区域校正不足的现象,并且校正过程除DEM外不需引入其他数据。
-
公开(公告)号:CN118330783A
公开(公告)日:2024-07-12
申请号:CN202410425380.7
申请日:2024-04-10
申请人: 昆明理工大学
摘要: 本发明公开了TDS‑1卫星掠射角星载GNSS‑R极地海冰上空对流层湿延迟和大气水汽含量反演方法,包括:获取TDS‑1GNSS‑R原始中频信号数据、VMF3网格数据、GPT3网格数据、ERA5数据;掠射角星载GNSS‑R对流层湿延迟估计误差校正;结合掠射角星载GNSS‑R相位测量理论模型和顾及映射函数的倾斜对流层延迟理论模型构建掠射角星载GNSS‑R对流层湿延迟估计模型;掠射角星载GNSS‑R ZWD的计算;基于GPT3模型计算目标点的Tm值,并将Tm值带入转换因子ΙΙ中,结合计算的GNSS‑R ZWD进而获得GNSS‑R IWV估计值;采用参考数据验证GNSS‑R ZWD和IWV反演性能。本发明方案可为极地冰面上提供高精度、高时空分辨率以及低成本的大气水汽观测数据,以填补极地区域由于GNSS接收机稀疏、难以到达的地形和GNSS卫星轨道倾角限制等导致的大气水汽观测数据空白。
-
公开(公告)号:CN117909436A
公开(公告)日:2024-04-19
申请号:CN202410098076.6
申请日:2024-01-24
申请人: 昆明理工大学
IPC分类号: G06F16/29 , G06F16/22 , G06F18/2321 , G06F18/10
摘要: 本发明公开了一种面向大规模GPS轨迹数据的混合多级时空索引构建方法,以分段轨迹的最小边界矩形作为基本的时空单元进行索引,通过贪心算法对轨迹进行优化分段处理,使得分割后轨迹段MBR的空白空间最小,并尽可能减少冗余与重叠的MBR,提高空间利用率与索引构建效率;其次,在时间维度上进行自适应划分,以时间区间形成轨迹分区,将处于相同区间的时空轨迹段划分到同一分区,并为分区加上编码,联合哈希表构建全局索引。同时,利用多级R*树实现分区局部索引,提供高效的轨迹时空查询支持。提高索引的构建效率与空间利用率,提供高性能的空间查询支持,有效降低内存空间的利用。
-
公开(公告)号:CN117762943A
公开(公告)日:2024-03-26
申请号:CN202311816707.5
申请日:2023-12-27
申请人: 昆明理工大学
摘要: 本发明涉及大数据索引技术领域,尤其公开了一种面向自然资源生态环境监测的时空大数据索引方法,包括五个步骤,通过对时空大数据操作本体、数据本体、主题本体研究,构建本体模型,对时空大数据进行分层分类组织,研究时空大数据的分层组织模型,集成多种存储技术构建统一混合存储框架,构建全局/局部的分级时空索引,研究多索引调用机制,研究数据融合、模型融合、决策融合等关键技术,实现时空大数据融合。本发明实现对自然资源数据生产、管理、更新、共享服务等的统一管理,打破信息壁垒,实现数据互联互通,为自然资源调查、国土空间规划、监测、灾害防治等提供数据保障。
-
公开(公告)号:CN114596234B
公开(公告)日:2022-12-16
申请号:CN202210280527.9
申请日:2022-03-21
申请人: 昆明理工大学
IPC分类号: G06T5/00
摘要: 本发明公开了一种NDVI地形阴影效应校正方法,以解决受太阳高度角和方位角影响而导致的复杂山地阴影区域NDVI较光照区域偏低的问题。该方法以光照区域和阴影区域的太阳辐射差异为基础,引入反映阴影强度的可变系数(α)来模拟阴影区域所接受不到的太阳直射光反射率,阴影区域的模拟太阳直射光反射率作为补偿量与原始反射率一起用于计算校正后的NDVI。本发明公开的方法能够避免本影区域的过度校正,同时,改善落影区域的校正不足,校正后的NDVI不会存在异常值,以一种简单而稳健的方式提高复杂山地NDVI的校正精度。
-
公开(公告)号:CN114596234A
公开(公告)日:2022-06-07
申请号:CN202210280527.9
申请日:2022-03-21
申请人: 昆明理工大学
IPC分类号: G06T5/00
摘要: 本发明公开了一种NDVI地形阴影效应校正方法,以解决受太阳高度角和方位角影响而导致的复杂山地阴影区域NDVI较光照区域偏低的问题。该方法以光照区域和阴影区域的太阳辐射差异为基础,引入反映阴影强度的可变系数(α)来模拟阴影区域所接受不到的太阳直射光反射率,阴影区域的模拟太阳直射光反射率作为补偿量与原始反射率一起用于计算校正后的NDVI。本发明公开的方法能够避免本影区域的过度校正,同时,改善落影区域的校正不足,校正后的NDVI不会存在异常值,以一种简单而稳健的方式提高复杂山地NDVI的校正精度。
-
公开(公告)号:CN118332398B
公开(公告)日:2024-10-22
申请号:CN202410431651.X
申请日:2024-04-11
申请人: 昆明理工大学
IPC分类号: G06F18/241 , G06F18/15 , G06F18/214 , G06F18/213
摘要: 本发明公开了海洋、极地和内陆水体区域星载GNSS‑R原始中频相干反射信号检测方法,包括:获取TDS‑1/CYGNSS星载GNSS‑R原始中频信号数据并进行数据预处理;相干检测特征工程选择;不同场景以及相干和非相干反射信号数据标签设置;训练集和测试集划分;面向多模态的星载GNSS‑R信号相干和非相干检测分类混合模型训练和测试,使用训练集训练模型,将训练好的检测模型应用于测试数据集,并将得到的检测结果与经典的相干检测算法进行对比评估。可以很好地解决星载GNSS‑R信号相干和非相干检测的非线性分类问题,提高星载GNSS‑R相干信号检测的精度,从而实现高精度和高分辨率的载波相位测量,在海洋、海冰和内陆水体等各方面的应用中有着巨大的潜力。
-
-
-
-
-
-
-
-
-