-
公开(公告)号：CN112613545B
公开(公告)日：2021-08-31
申请号：CN202011490474.0
申请日：2020-12-17
申请人： 中国农业科学院农业资源与农业区划研究所 , 交通运输部规划研究院 , 桂林理工大学
摘要： 本发明公开了一种基于多光谱遥感数据提取水体的方法，包括以下步骤：步骤1：大量获取多种地表类型的遥感反射率数据作为训练数据集；步骤2：分别求取每个地类训练数据集的平均反射率；步骤3：分别将每类平均反射率的各个波段除以各自的绿光波段反射率，得到对应的比例系数；步骤4：将比例系数与水体通用模型进行结合，列出不等式组；步骤5：求解不等式组，得到最终的水体提取模型。本发明可以利用国产卫星数据进行水体提取，解决了冰雪与水体难以区分的难题。
-
公开(公告)号：CN112613545A
公开(公告)日：2021-04-06
申请号：CN202011490474.0
申请日：2020-12-17
申请人： 中国农业科学院农业资源与农业区划研究所 , 交通运输部规划研究院 , 桂林理工大学
摘要： 本发明公开了一种基于多光谱遥感数据提取水体的方法，包括以下步骤：步骤1：大量获取多种地表类型的遥感反射率数据作为训练数据集；步骤2：分别求取每个地类训练数据集的平均反射率；步骤3：分别将每类平均反射率的各个波段除以各自的绿光波段反射率，得到对应的比例系数；步骤4：将比例系数与水体通用模型进行结合，列出不等式组；步骤5：求解不等式组，得到最终的水体提取模型。本发明可以利用国产卫星数据进行水体提取，解决了冰雪与水体难以区分的难题。
-
公开(公告)号：CN113111950B
公开(公告)日：2022-05-31
申请号：CN202110416254.1
申请日：2021-04-19
申请人： 中国农业科学院农业资源与农业区划研究所 , 交通运输部规划研究院
IPC分类号： G06Q50/02 , G06K9/62 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于集成学习的小麦锈病分类方法，步骤1：在小麦返青期之后用多种设备收集小麦锈病图像；步骤2：预处理收集到的图像，利用数据增强技术进行样本扩充；步骤3：构建集成模型，集成多种不同结构的卷积神经网络，并利用快照集成方法进行模型的训练；步骤4：根据损失大小和使用的融合算法选择最优模型及模型参数；步骤5：将最优模型用于小麦锈病图像的识别分类。本发明可以结合不同卷积神经网络架构的优点对小麦锈病图像进行分类，利用bagging集成算法、快照集成方法和融合算法能够更快的选择出最好的模型，提高小麦锈病分类的准确率，解决叶锈病、茎锈病和条锈病难以区分的问题。
-
公开(公告)号：CN113111950A
公开(公告)日：2021-07-13
申请号：CN202110416254.1
申请日：2021-04-19
申请人： 中国农业科学院农业资源与农业区划研究所 , 交通运输部规划研究院
摘要： 本发明公开了一种基于集成学习的小麦锈病分类方法，步骤1：在小麦返青期之后用多种设备收集小麦锈病图像；步骤2：预处理收集到的图像，利用数据增强技术进行样本扩充；步骤3：构建集成模型，集成多种不同结构的卷积神经网络，并利用快照集成方法进行模型的训练；步骤4：根据损失大小和使用的融合算法选择最优模型及模型参数；步骤5：将最优模型用于小麦锈病图像的识别分类。本发明可以结合不同卷积神经网络架构的优点对小麦锈病图像进行分类，利用bagging集成算法、快照集成方法和融合算法能够更快的选择出最好的模型，提高小麦锈病分类的准确率，解决叶锈病、茎锈病和条锈病难以区分的问题。
-
公开(公告)号：CN114255247A
公开(公告)日：2022-03-29
申请号：CN202111576669.1
申请日：2021-12-22
申请人： 中国农业科学院农业资源与农业区划研究所 , 桂林理工大学 , 中国农业科学院农业信息研究所
IPC分类号： G06T7/11 , G06K9/62 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于改进Unet++网络模型的丘陵地块深度分割与提取方法，包括以下步骤：步骤1：获取研究区内GF‑1的遥感影像数据并进行预处理；步骤2：结合实地调查和目视解译，利用图像分割中多尺度分割方法制作不同分割尺度的数据集；步骤3：比较最优的分割尺度，再次修正，使之能够满足训练集的精度要求；步骤4：将修正后的训练集图像采用规则格网裁切；步骤5：通过数据增强操作对数据进行填充，并按4：1的比例将影像划分为训练集和验证集；步骤6：使用基于余弦退火学习率的Unet++网络进行建模；本发明建立基于余弦退火学习率的Unet++网络模型的原理简单，操作方便，具有较大的灵活性和实用性同时具有较强的普适性。
-
公开(公告)号：CN113255874B
公开(公告)日：2022-03-11
申请号：CN202110636136.1
申请日：2021-06-08
申请人： 中国农业科学院农业资源与农业区划研究所 , 河北地质大学
摘要： 本发明公开了一种基于优化的BP神经网络微波遥感反演土壤水分的方法，包括以下步骤：在ALOS‑2卫星过境前后，进行实地土壤样本采集，样本采集点均匀分布并且间隔大于3m，土壤样本带回实验室进行处理，采用实验室烘干法获得实测土壤质量含水量和体积含水量；根据BP神经网络建立三层拓扑结构，同时建立对应数据集，包括训练集和验证集，利用布谷鸟搜索算法优化BP神经网络，从而反演得到土壤水分，并与实测土壤水分进行精度验证。本发明提供了在任何其他土壤参数辅助信息缺少情况下，通过土壤的后向散射系数反演得到植被覆盖区的土壤水分的方法，不在受其他先验知识的限制。
-
公开(公告)号：CN111766224B
公开(公告)日：2021-12-07
申请号：CN202010641670.7
申请日：2020-07-06
申请人： 中国农业科学院农业资源与农业区划研究所
摘要： 本发明公开了一种仅利用辐亮度数据反演叶绿素荧光光谱的方法，包括以下步骤：步骤1：基于模拟和实测数据获取各种生态条件下的叶绿素荧光光谱曲线和无荧光光谱，组成训练光谱库；步骤2：分别对获取的两类光谱数据进行奇异向量分解，得到各自的奇异分量；步骤3：分别将前10个荧光光谱分量和无荧光光谱分量的组合输入模型，利用最小二乘方法进行拟合，逐个计算辐射传输模型中的未知数，同时计算对应的贝叶斯指数；步骤4：利用贝叶斯指数最小时所用的叶绿素荧光光谱分量和无荧光光谱分量个数作为模型输入，反演得到叶绿素荧光光谱。本发明只需辐亮度光谱数据即可反演得到叶绿素荧光光谱，不再受同步辐照度数据的限制。
-
公开(公告)号：CN113177188A
公开(公告)日：2021-07-27
申请号：CN202110415971.2
申请日：2021-04-19
摘要： 本发明公开了一种基于光谱新特征的反演叶片叶绿素含量的方法，将光谱新特征(△h)的训练数据集作为反演叶片叶绿素含量的自变量，基于步骤3获得的参数，利用套索算法对该部分数据进行降维处理；利用得到的降维数据作为最终回归模型的自变量进行多元非线性回归，建立带有套索算法约束的多元非线性回归模型，即LASSO‑MNR反演模型，利用LASSO‑MNR反演模型反演叶片叶绿素含量。本发明建立了基于套索算法的多元非线性回归模型(LASSO‑MNR)，该模型原理简单，操作方便，有效降低了光谱数据的冗余度，提高了反演精度，具有较大的灵活性和实用性同时具有较强的普适性。
-
公开(公告)号：CN112487346B
公开(公告)日：2021-07-23
申请号：CN202011153753.8
申请日：2020-10-26
申请人： 中国农业科学院农业资源与农业区划研究所
摘要： 本发明公开了一种山地地表温度遥感反演方法，包括以下步骤：步骤1：下载搭载在Landsat 8卫星上的TIRS传感器的星上辐亮度产品，以及OLI传感器的地表反射率产品，并进行数据预处理；步骤2：地表发射率计算；步骤3：地形参数计算；步骤4：大气参数计算；大气参数包括大气透过率、大气上行辐射和大气下行辐射；步骤5：山地地表温度反演；针对山地的复杂地形，通过将坡度、坡向和天空可视因子等地形参数引入到热辐射传输方程，建立了山地地表温度反演方法，有效减小了利用常规的热辐射传输方程反演山地地表温度导致的误差，提高了山地地表温度反演精度。
-
公开(公告)号：CN109446739B
公开(公告)日：2020-01-10
申请号：CN201811562345.0
申请日：2018-12-20
申请人： 中国农业科学院农业资源与农业区划研究所 , 河北地质大学
IPC分类号： G06F30/20
摘要： 本发明公开了一种地表温度多通道热红外遥感反演方法，整体步骤为：获取N个通道的卫星观测亮温；将N个通道的卫星观测亮温进行排列，得到N*(N‑1)组由两个不同通道卫星观测亮温构成的通道排列；从N*(N‑1)组通道排列中选取M组，应用SW算法得到共M个通道的地面观测亮温；收集所有可用的大气信息，估算M个通道的大气下行辐射亮度；基于获取的M个通道的地面观测亮温与估算的M个通道的大气下行辐射亮度，使用TES算法反演得到最终的地表温度与发射率。本发明提供了一种无需任何辅助信息的地表温度多通道热红外遥感反演方法，可以从多通道热红外卫星遥感观测数据中同时反演得到地表温度与发射率，不再受先验知识精度的限制。
-
-
-
-
-
-
-
-
-
搜索结果
59 条记录 (耗时 0.073 秒)