一种冬小麦关键生育期根系土壤含水量遥感监测方法及系统

    公开(公告)号:CN117907248A

    公开(公告)日:2024-04-19

    申请号:CN202410310229.9

    申请日:2024-03-19

    摘要: 本发明提供一种冬小麦关键生育期根系土壤含水量遥感监测方法及系统,其中方法包括提取冬小麦全生育期光谱影像并进行预处理,还包括以下步骤:获取灌区样本数据;获取卫星遥感样本数据;构建冬小麦生育期分类特征;构建基于支持向量机回归的深层土壤含水量预测模型并进行训练;评定关键生育期深层土壤含水量反演结果精度。本发明提出的一种冬小麦关键生育期根系土壤含水量遥感监测方法及系统,通过设置光谱阈值以及计算多个归一化指数实现对冬小麦所处生育期的准确辨别,并通过支持向量机回归模型实现对冬小麦根系土壤水分的准确预测,保证冬小麦关键生育期的墒情监测,为数字灌区建设提供有效的技术支持。

    基于InSAR和深度学习的大坝形变监测及预测方法

    公开(公告)号:CN114966685B

    公开(公告)日:2023-04-07

    申请号:CN202210574487.9

    申请日:2022-05-24

    摘要: 本发明公开了一种基于InSAR和深度学习的大坝形变监测及预测方法,首先利用InSAR对水库大坝监测区域进行大范围形变监测,获得初步水库大坝形变信息;接着在需要重点监测区域内相干点稀疏处放置角反射器,以便获得该处准确的形变信息;并在边坡周边设置GNSS网进行监测,利用GNSS数据去除影响干涉图的大气相位;然后对GNSS数据与InSAR结果进行融合,获得高时空分辨率的形变监测结果;同时设置阈值自动识别形变量异常的不稳定区域,结合水库水位线数据和温度等因素进行相关性分析;最后利用长短期记忆(LSTM)网络模型深度学习方法进行未来形变量的预测,为水库大坝监测预警和风险防控提供重要支撑。

    一种基于地表温度的春灌期灌溉面积动态监测遥感方法

    公开(公告)号:CN110516943B

    公开(公告)日:2022-04-12

    申请号:CN201910763032.X

    申请日:2019-08-19

    IPC分类号: G06Q10/06 G06Q50/02

    摘要: 本发明公开一种基于地表温度的春灌期灌溉面积动态监测遥感方法:步骤一、数据获取与预处理;步骤二、用于灌溉判断的地表温度日较差阈值率定,具体采用在地表温度卫星遥感影像上统计雨养种植区多年降水事件下地表温度日较差的方法来获取灌溉判定的阈值;步骤三、基于地表温度日较差卫星遥感数据的灌溉面积提取。本发明优点在于对土壤含水量及其变化较敏感,并且适合干旱半干旱、降水量较少的地区,利用该方法能够对灌溉面积空间分布进行实时监测,能够监测灌区范围的实时灌溉区域空间分布情况,随时了解灌区灌溉开展情况,并可得到灌区强度图、总的灌溉面积分布图等。

    一种基于高分辨率卫星数据监测灌区灌溉面积方法

    公开(公告)号:CN110288647B

    公开(公告)日:2021-05-07

    申请号:CN201910553283.5

    申请日:2019-06-25

    摘要: 本发明公开一种基于高分辨率卫星数据监测灌区灌溉面积方法:步骤1、卫星遥感数据的获取和预处理;步骤2、实测样点数据;步骤3、根据步骤2获得的真实样点数据提取端元光谱;步骤4、采用光谱匹配法中的统计算法和光谱波形特征算法计算光谱相似度,通过三个指标对研究区主要作物端元光谱与目标光谱匹配程度进行定量分析;步骤5、采用OTSU自适应阈值算法计算SSV分割阈值来判断是否为灌溉区域,小于该阈值即为灌溉区域,从而识别研究区的灌溉面积空间分布情况,最终获得灌溉区域范围。本发明方法适用于高分辨率卫星遥感数据,满足提取小地块灌溉信息的需求,能够提高灌溉面积监测结果的精度。

    基于边界提取的区域合并图像分割算法

    公开(公告)号:CN111868783B

    公开(公告)日:2021-03-23

    申请号:CN201980015569.6

    申请日:2019-02-14

    IPC分类号: G06T7/13 G06T7/187

    摘要: 基于边界提取的区域合并图像分割算法,其步骤包括计算梯度图、提取边界、初始分割、区域合并,其中初始分割可省略。在区域合并过程中以区域紧邻边上属于边界提取结果部分的长度比率为合并代价,并按区域内部的梯度平均值升序对区域进行合并,还引入了纹理差异评价机制以去除误分割。本算法解决了目前常用分割算法的分割粒度太细、易受噪声影响、易受光照影响、需要人工标记大量样本、计算量大、内存消耗量大等问题。另外,所有区域或者所有类别在一个最终分割结果上达到最佳分割效果。这些优势特征能够降低后续任务的计算资源消耗,并提升其处理效果。