-
公开(公告)号：CN117789024B
公开(公告)日：2024-07-23
申请号：CN202311809320.7
申请日：2023-12-26
申请人： 成都理工大学 , 华能西藏雅鲁藏布江水电开发投资有限公司
IPC分类号： G06V20/10 , G06N20/00 , G06V10/764
摘要： 本发明公开了一种基于机器学习的黑土滩演变过程遥感监测方法，包括以下步骤：选取天然高寒草地和黑土滩，拍照记录黑土滩类型，获取实地样点数据；获取长时间序列遥感影像集，并计算时间序列每个像元的植被光谱指数，提取样点不同年份的指数，作为长时间序列植被指数。收集所有样点数据的高程、坡度、坡向和气温降水数据，并结合植被指数，作为预测变量；将长时间序列植被指数划分为不同时间段，通过相关性计算，得到黑土滩样点演变过程类别；根据实地样点数据和预测变量，利用机器学习进行分类训练，得到训练好的模型；使用训练好的模型对待分类的影像进行预测分类，得出黑土滩演变过程类别的分类图，本发明无需破坏原有土壤结构和生态体系。
-
公开(公告)号：CN116579501B
公开(公告)日：2024-07-09
申请号：CN202310765448.1
申请日：2023-06-25
申请人： 成都理工大学 , 九寨沟风景名胜区管理局
IPC分类号： G06Q10/04 , G06F18/214 , G06F18/15 , G06F18/21 , G06N3/0464 , G06N3/048
摘要： 本发明公开了一种基于深度学习的受损森林遥感监测评估方法，包括以下步骤：S1、获取遥感数据集，使用LandTrendr算法获取遥感数据集中每个像元的最大受损年份；S2、根据每个像元的最大受损年份，计算时间序列每个像元的光谱指标，并计算相关预测变量；S3、收集每个像元的高程、坡度、降水和温度数据，结合根据光谱指标计算的预测变量，选取训练样本；S4、将训练样本用于训练Unet神经网络模型，使用训练好的Unet神经网络模型对目标影像中的森林区域进行识别和提取，得出森林植被受损分类图，完成受损森林遥感监测评估，本发明生成的结果不含年际信号噪声，可以捕捉森林的长期缓慢的变化趋势，有较强的适用性。
-
公开(公告)号：CN117789024A
公开(公告)日：2024-03-29
申请号：CN202311809320.7
申请日：2023-12-26
申请人： 成都理工大学 , 华能西藏雅鲁藏布江水电开发投资有限公司
IPC分类号： G06V20/10 , G06N20/00 , G06V10/764
摘要： 本发明公开了一种基于机器学习的黑土滩演变过程遥感监测方法，包括以下步骤：选取天然高寒草地和黑土滩，拍照记录黑土滩类型，获取实地样点数据；获取长时间序列遥感影像集，并计算时间序列每个像元的植被光谱指数，提取样点不同年份的指数，作为长时间序列植被指数。收集所有样点数据的高程、坡度、坡向和气温降水数据，并结合植被指数，作为预测变量；将长时间序列植被指数划分为不同时间段，通过相关性计算，得到黑土滩样点演变过程类别；根据实地样点数据和预测变量，利用机器学习进行分类训练，得到训练好的模型；使用训练好的模型对待分类的影像进行预测分类，得出黑土滩演变过程类别的分类图，本发明无需破坏原有土壤结构和生态体系。
-
公开(公告)号：CN116579501A
公开(公告)日：2023-08-11
申请号：CN202310765448.1
申请日：2023-06-25
申请人： 成都理工大学
IPC分类号： G06Q10/04 , G06F18/214 , G06F18/15 , G06F18/21 , G06N3/0464 , G06N3/048
摘要： 本发明公开了一种基于深度学习的受损森林遥感监测评估方法，包括以下步骤：S1、获取遥感数据集，使用LandTrendr算法获取遥感数据集中每个像元的最大受损年份；S2、根据每个像元的最大受损年份，计算时间序列每个像元的光谱指标，并计算相关预测变量；S3、收集每个像元的高程、坡度、降水和温度数据，结合根据光谱指标计算的预测变量，选取训练样本；S4、将训练样本用于训练Unet神经网络模型，使用训练好的Unet神经网络模型对目标影像中的森林区域进行识别和提取，得出森林植被受损分类图，完成受损森林遥感监测评估，本发明生成的结果不含年际信号噪声，可以捕捉森林的长期缓慢的变化趋势，有较强的适用性。
-
-
-
搜索结果
4 条记录 (耗时 0.022 秒)
