-
公开(公告)号：CN112147190A
公开(公告)日：2020-12-29
申请号：CN202011054353.1
申请日：2020-09-29
Applicant: 武汉大学
Abstract: 本发明公开了一种基于数据同化和气象数据的土壤墒情站自动校核方法，选用两个模型，将来自FDR未校准的土壤水观测数据同化，结合气象数据，实现FDR观测的自动无偏差校准；当需要更好地消除极端异常的观测数据影响时，采用模型一，模型一在考虑到观测中存在的系统偏差以及兼顾实用性的前提下，将线性的偏差校准模型耦合到现有的基于集合卡尔曼滤波和气象数据的土壤水数据同化方法中；当需要用较少的观测数据消除观测噪声影响时，采用模型二，模型二在考虑到观测中存在的系统偏差以及兼顾实用性的前提下，将线性的偏差校准模型耦合到现有的基于迭代型集合平滑和气象数据的土壤水数据同化方法中。本方法实现了观测校准的自动化。
-
公开(公告)号：CN110321917A
公开(公告)日：2019-10-11
申请号：CN201910335809.2
申请日：2019-04-24
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 本发明公开了一种无参数的农田数据同化方法，先预测，利用高斯过程替代物理模型，对已有的观测数据进行训练学习，预测下一时刻的状态向量，观测数据包括土壤含水量；再更新，基于集合卡尔曼滤波思想同化当前时刻的观测，对当前时刻的观测值和高斯过程预测值进行加权且权重根据二者的误差确定，得到当前时刻状态最优估计值并将其作为下一时刻的先验状态向量；最后重复预测和更新，直到所有可用的观测全部被同化。该方法利用高斯过程对时序土壤水观测数据进行顺序性训练并预测，摆脱了物理模型，可以对多种观测信息进行训练学习，可以根据需要预测得到任意分辨率的信息，应用简单，具有普适性。
-
公开(公告)号：CN110309481A
公开(公告)日：2019-10-08
申请号：CN201910334893.6
申请日：2019-04-24
Applicant: 武汉大学
Abstract: 本发明公开了一种农田土壤反应动力学过程模型建模方法，采用水动力学模型和化学反应动力学模型的耦合模型描述农田土壤反应动力学过程，预测溶质浓度分布，通过迭代集合卡尔曼滤波技术修正耦合模型参数，将基于高斯过程回归的机器学习算法顺序性集成到数据同化框架中，用以估计耦合模型结构误差，为数据同化提供更为合理的先验值，从而减轻参数补偿效应，提高耦合模型的预测能力。本方法解决了农田土壤反应动力学数据同化计算中难以解决且不容忽视的模型结构误差，不需要对模型误差的先验分布做出任何实质性假设，避免了同化过程中参数过度拟合。
-
公开(公告)号：CN117078673A
公开(公告)日：2023-11-17
申请号：CN202311324714.3
申请日：2023-10-13
Applicant: 武汉大学
Abstract: 本发明公开了一种高光谱图像估计光合参数的深度学习方法和系统，包括高光谱图像的获取和分割以及基于FvCB模型光合参数的获取和拟合计算；针对三维高光谱图像和光合参数构造融合空间注意力和光谱指数计算模块的网络；训练的空间注意力‑光谱指数计算网络，得到光合参数的估计值；联合空间注意力‑光谱指数计算网络的输出，利用FvCB光合模型，得到光合速率估计；利用训练好的模型进行不同物种的相互迁移。本发明能够利用三维高光谱图像实现对光合参数的精准估计，避免了传统测量方法耗时费力以及传统机器学习方法和普通卷积网络精度低的缺点。此外，本发明可以进一步估计光合速率，实现物种之间的迁移，这同时也验证了模型结构和结果的稳健性和可信性。
-
公开(公告)号：CN110309481B
公开(公告)日：2023-05-02
申请号：CN201910334893.6
申请日：2019-04-24
Applicant: 武汉大学
Abstract: 本发明公开了一种农田土壤反应动力学过程模型建模方法，采用水动力学模型和化学反应动力学模型的耦合模型描述农田土壤反应动力学过程，预测溶质浓度分布，通过迭代集合卡尔曼滤波技术修正耦合模型参数，将基于高斯过程回归的机器学习算法顺序性集成到数据同化框架中，用以估计耦合模型结构误差，为数据同化提供更为合理的先验值，从而减轻参数补偿效应，提高耦合模型的预测能力。本方法解决了农田土壤反应动力学数据同化计算中难以解决且不容忽视的模型结构误差，不需要对模型误差的先验分布做出任何实质性假设，避免了同化过程中参数过度拟合。
-
Patent Agency Ranking
公开(公告)号：CN119992344A
公开(公告)日：2025-05-13
申请号：CN202510464891.4
申请日：2025-04-15
Applicant: 武汉大学
Abstract: 本发明提供一种基于地理信息云平台的植被遥感监测方法及系统，所述方法包括：确定目标监测的时间与区域，根据用户需求明确目标监测的地理边界和时间范围；筛选适宜的数据源，并对筛选的遥感影像进行裁剪；采用去云算法对影像数据进行云层干扰的处理，剔除云层覆盖的像素；对影像进行辐射校正、几何校正和大气校正标准化预处理；基于预处理后的遥感影像计算目标区域的植被生态指标、植被干旱指标及气象因子；将处理后的植被生长时序监测数据以图像形式展示在用户界面上，同时支持数据的导出数据用于后续分析。本发明方法通过高效处理算法，显著提升了植被生长状态监测的精准性和时效性，为植被管理、生态保护及科学研究提供了重要技术支持。
-
公开(公告)号：CN117828070A
公开(公告)日：2024-04-05
申请号：CN202311833590.1
申请日：2023-12-27
Applicant: 武汉大学
IPC: G06F16/34 , G06N3/006 , G06F18/213 , G06F18/241
Abstract: 本发明提供基于R语言的水质遥感解析和月报批量生成系统及方法，方法包括：S1：获取卫星遥感数据，并对卫星遥感数据进行预处理；S2：获取湖泊水体水质实测数据；S3：将卫星遥感数据作为x值划分为训练集和测试集进行训练，将湖泊水体水质实测数据作为y值进行训练，将x‑y数据代入到随机森林模型中进行训练；S4：使用训练好的模型，将卫星遥感数据作为x输入，将得到的y值作为湖泊水体水质数据指标输出，实现反演；S5：基于报告生成模块实现定时批处理，获得每月的水质指标反演图，研究水体指标的变化情况，将该结果以月报形式批量生成。本发明实现水质指标反演及水质月报生成的自动化,有效地降低了水质解译与水质月报生成的成本。
-
公开(公告)号：CN117806596A
公开(公告)日：2024-04-02
申请号：CN202311693186.9
申请日：2023-12-08
Applicant: 武汉大学
Abstract: 本发明提供一种基于R语言shiny包的农业遥感数据查询处理系统，包括系统界面、服务器、数据及用户操作四个大模块组成，其主要功能涵盖灌区基本信息查询、地表参数查询、土地利用查询、气象站点数据查询、遥感数据下载、地表参数计算、地物分布计算及蒸散发计算十大功能。本发明可有效地进行农业遥感数据查询及处理，针对不同区域均有良好的精确度与稳定性，可以推广到各类农业相关工作中。
-
公开(公告)号：CN117197062A
公开(公告)日：2023-12-08
申请号：CN202311108046.0
申请日：2023-08-30
Applicant: 武汉大学
IPC: G06T7/00 , G06T5/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于RGB图像的叶片氮含量测量方法及系统，属于图像处理技术领域，包括：采用相机拍摄作物的冠层照片；基于拍摄的照片制作白平衡校正和曝光校正的图像数据集；构建图像白平衡和曝光校正的卷积神经网络，并对相机拍摄的照片进行校正测试；基于校正后的作物冠层图像，训练叶片氮含量估测的神经网络模型，并在不同拍摄角度、不同拍摄设备和不同品种的作物中进行应用。与传统方法相比，本发明实现成本低，操作简单，对用户和设备没有特别的要求，在各种天气条件下都可以完成测量任务，具有很强的普适性。
-
公开(公告)号：CN115659868A
公开(公告)日：2023-01-31
申请号：CN202211357017.3
申请日：2022-11-01
Applicant: 武汉大学
Abstract: 本发明提供水热耦合的土壤水深度学习方法和土壤水热运移监测系统，能够有效避免参数过多、求解复杂等问题，并能够无监督反演土壤导热率与具有强非线性的土壤导水率，实现土壤水分与温度状态及土壤水通量的精确计算；该方法包括：步骤1，土壤水与土壤温度固定深度的时间序列数据获取；步骤2，基于土壤水动力学及本构关系构建土壤水状态网络与参数子网络；步骤3，针对土壤热运移过程构建土壤温度状态网络与热导率子网络；步骤4，训练步骤2中的土壤水神经网络，得到土壤水与通量时空分布；步骤5，联合步骤4土壤水网络的输出耦合训练土壤温度状态网络与参数子网络，得到温度时空分布，并无监督反演出热导率关系或强非线性的导水率关系。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.034 seconds)
