-
公开(公告)号:CN115063610A
公开(公告)日:2022-09-16
申请号:CN202210596186.6
申请日:2022-05-30
Applicant: 安徽大学
IPC: G06V10/62 , G06T7/62 , G06V10/764 , G06V10/774 , G06T7/11 , G06K9/62 , G06N5/00 , G06N20/10 , G06N20/20
Abstract: 本发明涉及基于Sentinel‑1、2影像的大豆种植区识别方法及其面积测算方法,与现有技术相比解决了大豆与其他作物光谱相似度高导致其依靠高维特征难以实现种植区识别的缺陷。本发明包括以下步骤:Sentinel‑1、2影像的获取和预处理;时间序列特征提取;支持向量机模型的构建;优选特征子集确定;大豆种植区识别。本发明借助GEE云计算平台,利用线性谐波模型提取大豆生长季内Sentinel‑1、2影像的时间序列特征,然后构造支持向量机模型,同时结合随机森林分类模型及斯皮尔曼相关系数探究大豆识别优选特征子集,最终利用支持向量机模型提取大豆种植区并测算面积。
-
公开(公告)号:CN113340815A
公开(公告)日:2021-09-03
申请号:CN202110607814.1
申请日:2021-06-01
Applicant: 安徽大学
Abstract: 本发明涉及基于二波段组合指数的冠层尺度小麦赤霉病病情指数评估方法,与现有技术相比解决了小麦发病程度判断不准确的缺陷。本发明包括以下步骤:光谱数据的获取和预处理;传统植被指数的选取以及二波段组合指数的构建;二波段组合指数的优选;单变量回归模型的构建;多元回归模型的构建。本发明利用小麦冠层关键生育期近地高光谱数据,通过构建最佳光谱指数实现了小麦病情指数的有效评估。
-
公开(公告)号:CN115063610B
公开(公告)日:2024-03-12
申请号:CN202210596186.6
申请日:2022-05-30
Applicant: 安徽大学
IPC: G06V10/62 , G06T7/62 , G06V10/764 , G06V10/774 , G06T7/11 , G06N5/01 , G06N20/10 , G06N20/20
Abstract: 本发明涉及基于Sentinel‑1、2影像的大豆种植区识别方法及其面积测算方法,与现有技术相比解决了大豆与其他作物光谱相似度高导致其依靠高维特征难以实现种植区识别的缺陷。本发明包括以下步骤:Sentinel‑1、2影像的获取和预处理;时间序列特征提取;支持向量机模型的构建;优选特征子集确定;大豆种植区识别。本发明借助GEE云计算平台,利用线性谐波模型提取大豆生长季内Sentinel‑1、2影像的时间序列特征,然后构造支持向量机模型,同时结合随机森林分类模型及斯皮尔曼相关系数探究大豆识别优选特征子集,最终利用支持向量机模型提取大豆种植区并测算面积。
-
-