-
公开(公告)号：CN117973836A
公开(公告)日：2024-05-03
申请号：CN202311720552.5
申请日：2023-12-14
IPC分类号： G06Q10/0635 , G06Q50/26
摘要： 本发明提供一种基于生态系统服务供需平衡的生态风险识别方法，包括：根据研究区确定生态服务类型，生态服务类型包括土壤保持、水源涵养、粮食服务和释氧服务；基于生态系统服务类型，计算得到研究区评估期间对应的生态系统服务供需值，采用归一化和加权叠加分析得到研究区生态系统服务供需综合评价指标；根据得到的生态系统服务供需综合评价指标，计算得到研究区生态服务供需比和协调度；根据供需比及协调度，利用趋势检验分析法分别得到评估期间供需比和协调度的变化趋势；基于供需比和协调度的变化趋势，对研究区的生态风险进行识别，得到生态风险识别结果。本发明能够充分考虑生态系统服务供需平衡的变化，提高生态风险识别的准确性。
-
公开(公告)号：CN117315455A
公开(公告)日：2023-12-29
申请号：CN202310046948.X
申请日：2023-01-31
摘要： 本发明通过高分辨的遥感影像设计云信息表征指数、自适应阈值分割初步提取云体、几何特征过滤非云对象和提纯云体、设计形态学滤云算子进一步提纯精化，最后通过云体栅格转为矢量并统计云量实现检测，相比于机器学习和深度学习云检测方法对样本数据的依赖，本发明人工参与少、自动化程度高、检测结果具有显著的云团几何形态优势，仅利用云层的亮度和几何形态特征，实现对高分辨率遥感影像自动化精准云检测，检测过程简单，可为高分辨率影像的质量检查、无云影像筛选，以及云覆盖区域的影像补采、填补生成无云影像等生产工序提供支撑，具有较强的泛化性和实用性。
-
公开(公告)号：CN118095956A
公开(公告)日：2024-05-28
申请号：CN202410335861.9
申请日：2024-03-22
IPC分类号： G06Q10/0639 , G06Q50/26
摘要： 本发明提供一种工程尺度生物多样性恢复成效评估方法、系统和设备，其中，方法包括：获取生物恢复评估基础数据，根据所述生物评估基础数据得到评价指标；对所述评价指标进行标准化处理，得到标准评价指标；根据所述标准评价指标，得到生物恢复评估指数；根据所述生物恢复评估指数进行多样性恢复成效评估。本发明以生物恢复快速的节肢动物作为指示物种，优化了工程尺度的生物多样性恢复成效评估方法，研发了生物恢复评估指数模型，实现了生物多样性恢复效果的量化评估。
-
公开(公告)号：CN117932547A
公开(公告)日：2024-04-26
申请号：CN202410198542.8
申请日：2024-02-22
IPC分类号： G06F18/25 , G06N3/0442 , G06N3/08 , G06N3/047
摘要： 本发明提供了一种基于深度学习的植被叶面积指数动态估算方法，通过采用基于深度学习算法LSTM模型，利用多个LAI遥感产品和地表反射率数据，反演了不同时间的LAI数据，得到完整的LAI时间序列。该方法不仅可以准确的估算LAI值，而且能够提高LAI的时空连续性，实现了时间和空间连续的LAI的反演。在运用LSTM模型前，先利用双重logistic函数对所选择的LAI遥感观测数据进行融合，双重logistic函数融合技术能够进一步提高原始LAI遥感数据的质量，保证了输入数据的准确性，较大程度上提高了利用LSTM模型估算的可靠性和稳定性。引入了贝叶斯模型平均法以融合基于LSTM模型的多种LAI估算数据，生成最终的LAI数据，进一步保证了LAI数据的时空连续性和一致性，提高了LAI估算数据的准确性。
-
公开(公告)号：CN118918416A
公开(公告)日：2024-11-08
申请号：CN202410983697.2
申请日：2024-07-22
IPC分类号： G06V10/774 , G06V10/26 , G06V10/764 , G06V10/82 , G06V10/40 , G06V10/44 , G06V10/54 , G06V20/10
摘要： 本发明公开了一种基于置信学习的建筑物语义分割样本集错误样本剔除方法，包括：步骤1、将历史建筑物成果矢量和高分辨率影像裁切为S个初始建筑物语义分割样本；步骤2、提取所述样本的各样本影像特征图；步骤3、以每个样本中单像素邻域为处理单元，将初始建筑物语义分割样本转换为邻域图像块识别样本；步骤4、构建置信学习模型；步骤5、邻域图像块识别样本采用K折交叉验证估计噪声标签和真实标签的联合分布；步骤6、使用噪声标签和真实标签的联合分布查找错误标签，通过错误标签在初始建筑物语义分割样本中的占比，根据置信度阀值法估计出初始建筑物语义分割样本集中的错误样本。本发明能快速查找出建筑物语义分割样本集中的错误样本。
-
公开(公告)号：CN117315455B
公开(公告)日：2024-11-08
申请号：CN202310046948.X
申请日：2023-01-31
摘要： 本发明通过高分辨的遥感影像设计云信息表征指数、自适应阈值分割初步提取云体、几何特征过滤非云对象和提纯云体、设计形态学滤云算子进一步提纯精化，最后通过云体栅格转为矢量并统计云量实现检测，相比于机器学习和深度学习云检测方法对样本数据的依赖，本发明人工参与少、自动化程度高、检测结果具有显著的云团几何形态优势，仅利用云层的亮度和几何形态特征，实现对高分辨率遥感影像自动化精准云检测，检测过程简单，可为高分辨率影像的质量检查、无云影像筛选，以及云覆盖区域的影像补采、填补生成无云影像等生产工序提供支撑，具有较强的泛化性和实用性。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.116 秒)
