一种基于叶绿素含量的夏玉米旱情无人机快速监测判别方法

    公开(公告)号:CN115950838A

    公开(公告)日:2023-04-11

    申请号:CN202211140492.5

    申请日:2022-09-20

    IPC分类号: G01N21/27 G06F17/12 B64C39/02

    摘要: 本发明提公开了一种基于叶绿素含量的夏玉米旱情无人机快速监测判别方法,包括以下步骤:1)通过无人机多载荷低空遥感技术获取的多光谱影像和地面实测叶绿素含量,并计算NDVI、SAVI和RENDVI植被指数;2)选取植被指数分别与实测叶绿素含量在不同生育期构建回归方程,并从中选择每个生育期中相关性最高的回归方程作为该生育期的最优模型方程;3)根据最优模型方程,来反演各个时期的叶绿素含量,并对不同干旱等级之间的叶绿素含量阈值进行率定;4)通过实时监测获得待测地块的多光谱影像计算出所需要的植被指数,反演得到叶绿素含量,与阈值进行比对,判断实时旱情等级。本发明的方法用于夏玉米旱情监测判别精度高、速度快,具有通用性和实用性。

    一种输水渠道着生藻生长脱落情况预测方法

    公开(公告)号:CN117951442B

    公开(公告)日:2024-09-13

    申请号:CN202410154883.5

    申请日:2024-02-04

    摘要: 本发明公开了一种输水渠道着生藻生长脱落情况预测方法,所述方法包括以下步骤:步骤1、研究区域水动力模拟;步骤2、研究区域水质模拟;步骤3、研究区域着生藻生长脱落情况模拟。本发明所述方法,充分考虑了水动力、水质、水生态、气象等多方面的影响因素,耦合了水动力模型、水质模型以及着生藻生长脱落模型,能够完成研究区域水动力、水质、水生态的全过程模拟,并进行高效参数率定,提高模型的模拟预测精度。本发明所述方法能够快速且精确地预测着生藻的生长脱落情况,数据结果可靠性强,有利于下一步科学决策的提出。

    基于光谱分析和深度卷积神经网络的水库或塘坝识别方法

    公开(公告)号:CN109740485B

    公开(公告)日:2021-02-02

    申请号:CN201811607578.8

    申请日:2018-12-27

    摘要: 本发明公开了一种基于光谱分析和深度卷积神经网络的水库或塘坝识别方法,涉及人工智能,图像识别领域。首先利用光谱分析对高清遥感影像进行处理,提取水域边界信息,将水域边界信息映射到原始图像上,然后利用原始影像上的水域边界信息,将原始图片分割为若干个包含蓄水体的图片块,将这些图片块作为构建的卷积神经网络的输入,利用卷积神经网络对大坝、闸门、泄洪道进行识别分类,最后,利用大坝、闸门、泄洪道对水体进行识别和分类。准确率达到80%以上,大大提高了水体识别的准确度,卷积神经网络在结构上有明显的简化,在运行速度和稳健性上有了极大的提高,处理速度可达23fps,实现了水库、塘坝的快速精准识别。

    基于粒子群优化的K-means径流丰枯年份预报方法

    公开(公告)号:CN108647425A

    公开(公告)日:2018-10-12

    申请号:CN201810426527.9

    申请日:2018-05-07

    IPC分类号: G06F17/50 G06K9/62 G06N3/00

    摘要: 本发明公开了一种基于粒子群优化的K-means径流丰枯年份预报方法,涉及水文预报技术领域。该方法,首先选定多年径流量数据作为历史样本,并分为训练集和验证集,通过粒子群优化算法对训练集中的样本进行寻优,得到多组预报因子组合,将各组预报因子组合分别用于K-means聚类算法中进行训练集样本的聚类,对得到的聚类结果分别计算准确率,选取准确率最高的结果以及对应的预报因子组合,经过检测集检验合格后,利用该预报因子组合来进行预报年份径流丰枯年的预报,极大的提高了径流丰枯年的预报精度、合理性以及实用性,可以作为中长期径流丰枯年份预报的一种有效的方法。

    基于粒子群优化的K-means径流丰枯年份预报方法

    公开(公告)号:CN108647425B

    公开(公告)日:2019-05-21

    申请号:CN201810426527.9

    申请日:2018-05-07

    IPC分类号: G06F17/50 G06K9/62 G06N3/00

    摘要: 本发明公开了一种基于粒子群优化的K‑means径流丰枯年份预报方法,涉及水文预报技术领域。该方法,首先选定多年径流量数据作为历史样本,并分为训练集和验证集,通过粒子群优化算法对训练集中的样本进行寻优,得到多组预报因子组合,将各组预报因子组合分别用于K‑means聚类算法中进行训练集样本的聚类,对得到的聚类结果分别计算准确率,选取准确率最高的结果以及对应的预报因子组合,经过检测集检验合格后,利用该预报因子组合来进行预报年份径流丰枯年的预报,极大的提高了径流丰枯年的预报精度、合理性以及实用性,可以作为中长期径流丰枯年份预报的一种有效的方法。