基于机器学习融合模型的卫星偏振PM2.5估算方法和系统

    公开(公告)号:CN115356249B

    公开(公告)日:2023-01-31

    申请号:CN202211276452.3

    申请日:2022-10-19

    摘要: 本申请涉及测试颗粒的粒度或粒径分布技术领域,提供了一种基于机器学习融合模型的卫星偏振PM2.5估算方法和系统。包括:获取卫星遥感影像、气象数据和PM2.5浓度数据;其中,卫星遥感影像包括三个偏振波段;基于卫星遥感影像、气象数据和PM2.5浓度数据,构建样本数据集;基于样本数据集,将第一机器学习子模型、第二机器学习子模型、第三机器学习子模型作为基模型,分别对三个基模型进行训练,使用三个基模型的预测值对线性回归模型进行训练,得到PM2.5浓度估算融合模型,并基于PM2.5浓度估算融合模型对PM2.5浓度进行估算。如此,利用卫星偏振反射率数据结合气象数据直接构建偏振反射率数据与PM2.5浓度之间的融合模型,减少了误差传递,提升了PM2.5浓度估算的精度。

    一种数据集质量提升与改进CNN相结合的夜间云检测方法

    公开(公告)号:CN115546658A

    公开(公告)日:2022-12-30

    申请号:CN202211176165.5

    申请日:2022-09-26

    摘要: 本申请涉及用于识别图形的数据识别技术领域,提供了一种数据集质量提升与改进CNN相结合的夜间云检测方法,该方法包括:获取目标区域的遥感影像数据,遥感影像数据为有云影像;对遥感影像数据进行通道选择,得到热红外影像;根据太阳天顶角信息,对热红外影像进行提取,得到可用于夜间云检测的热红外影像;获取与遥感影像数据对应的云产品;根据云产品中的云类型信息和质量保证信息,生成云标签数据;对可用于夜间云检测的热红外影像和云标签数据进行时空匹配,以生成云检测模型的训练数据集和验证数据集;利用训练数据集和验证数据集,对云检测模型进行训练,得到训练好的云检测模型。如此,避免了阈值法的检测误差,提升了复杂场景下云检测能力。

    一种数据集质量提升与改进CNN相结合的夜间云检测方法

    公开(公告)号:CN115546658B

    公开(公告)日:2023-05-05

    申请号:CN202211176165.5

    申请日:2022-09-26

    摘要: 本申请涉及用于识别图形的数据识别技术领域,提供了一种数据集质量提升与改进CNN相结合的夜间云检测方法,该方法包括:获取目标区域的遥感影像数据,遥感影像数据为有云影像;对遥感影像数据进行通道选择,得到热红外影像;根据太阳天顶角信息,对热红外影像进行提取,得到可用于夜间云检测的热红外影像;获取与遥感影像数据对应的云产品;根据云产品中的云类型信息和质量保证信息,生成云标签数据;对可用于夜间云检测的热红外影像和云标签数据进行时空匹配,以生成云检测模型的训练数据集和验证数据集;利用训练数据集和验证数据集,对云检测模型进行训练,得到训练好的云检测模型。如此,避免了阈值法的检测误差,提升了复杂场景下云检测能力。

    基于机器学习融合模型的卫星偏振PM2.5估算方法和系统

    公开(公告)号:CN115356249A

    公开(公告)日:2022-11-18

    申请号:CN202211276452.3

    申请日:2022-10-19

    摘要: 本申请涉及测试颗粒的粒度或粒径分布技术领域,提供了一种基于机器学习融合模型的卫星偏振PM2.5估算方法和系统。包括:获取卫星遥感影像、气象数据和PM2.5浓度数据;其中,卫星遥感影像包括三个偏振波段;基于卫星遥感影像、气象数据和PM2.5浓度数据,构建样本数据集;基于样本数据集,将第一机器学习子模型、第二机器学习子模型、第三机器学习子模型作为基模型,分别对三个基模型进行训练,使用三个基模型的预测值对线性回归模型进行训练,得到PM2.5浓度估算融合模型,并基于PM2.5浓度估算融合模型对PM2.5浓度进行估算。如此,利用卫星偏振反射率数据结合气象数据直接构建偏振反射率数据与PM2.5浓度之间的融合模型,减少了误差传递,提升了PM2.5浓度估算的精度。