-
公开(公告)号：CN116337240B
公开(公告)日：2024-05-17
申请号：CN202310327004.X
申请日：2023-03-29
Applicant: 大连海事大学 , 中国科学院空天信息创新研究院 , 中国农业科学院农业资源与农业区划研究所
IPC: G01J5/48 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明属于图像处理技术领域，涉及一种基于图神经网络的热红外高光谱数据波段选择方法。该方法通过构建图神经网络模型，生成波段权重矩阵，使用激活函数过滤掉权重较小的波段，将过滤后的权重矩阵与波段矩阵相乘然后使用多层感知机进行回归计算，以回归值与参考温度值的均方根误差为损失值，利用反向传播算法更新图神经网络模型的参数直至模型收敛，通过更新后的图神经网络模型实现对高光谱数据实现高效波段选择，从而显著提高高光谱数据的回归准确率和效率。
-
公开(公告)号：CN116450700B
公开(公告)日：2024-02-13
申请号：CN202310224258.9
申请日：2023-03-09
Applicant: 中国农业科学院农业资源与农业区划研究所
Abstract: 本发明属于遥感应用技术领域，涉及极轨卫星地表温度时间归一化方法，包括：收集长波辐射数据计算站点地表温度数据；建立极轨卫星地表温度时间归一化的统计模型；筛选晴空站点地表温度数据提取时间归一化系数；建立地表温度时间归一化系数的估算模型；对系数估算模型利用机器学习进行训练得到地表温度时间归一化系数估算模型；获取极轨卫星数据观测区域和时间，确定极轨卫星实际地表温度时间归一化系数；确定极轨卫星时间归一化后的地表温度。本发明适用性强，能够生产具有统一局地太阳时的极轨卫星地表温度数据；通过联合统计模型和机器学习算法，降低了模型对数据误差的敏感性，提高了模型的稳定性和鲁棒性。
-
公开(公告)号：CN116450700A
公开(公告)日：2023-07-18
申请号：CN202310224258.9
申请日：2023-03-09
Applicant: 中国农业科学院农业资源与农业区划研究所
Abstract: 本发明属于遥感应用技术领域，涉及极轨卫星地表温度时间归一化方法，包括：收集长波辐射数据计算站点地表温度数据；建立极轨卫星地表温度时间归一化的统计模型；筛选晴空站点地表温度数据提取时间归一化系数；建立地表温度时间归一化系数的估算模型；对系数估算模型利用机器学习进行训练得到地表温度时间归一化系数估算模型；获取极轨卫星数据观测区域和时间，确定极轨卫星实际地表温度时间归一化系数；确定极轨卫星时间归一化后的地表温度。本发明适用性强，能够生产具有统一局地太阳时的极轨卫星地表温度数据；通过联合统计模型和机器学习算法，降低了模型对数据误差的敏感性，提高了模型的稳定性和鲁棒性。
-
公开(公告)号：CN116337240A
公开(公告)日：2023-06-27
申请号：CN202310327004.X
申请日：2023-03-29
Applicant: 大连海事大学 , 中国科学院空天信息创新研究院 , 中国农业科学院农业资源与农业区划研究所
IPC: G01J5/48 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明属于图像处理技术领域，涉及一种基于图神经网络的热红外高光谱数据波段选择方法。该方法通过构建图神经网络模型，生成波段权重矩阵，使用激活函数过滤掉权重较小的波段，将过滤后的权重矩阵与波段矩阵相乘然后使用多层感知机进行回归计算，以回归值与参考温度值的均方根误差为损失值，利用反向传播算法更新图神经网络模型的参数直至模型收敛，通过更新后的图神经网络模型实现对高光谱数据实现高效波段选择，从而显著提高高光谱数据的回归准确率和效率。
-
公开(公告)号：CN115905447A
公开(公告)日：2023-04-04
申请号：CN202211662457.X
申请日：2022-12-23
Applicant: 中国农业科学院农业资源与农业区划研究所 , 河北地质大学
IPC: G06F16/29 , G06F16/2458 , G06F17/16 , G06F17/18
Abstract: 本发明公开了一种基于广义三角帽不确定度模型的地表温度产品融合方法，包括以下步骤：步骤1：获取地表温度产品；步骤2：构建地表温度产品的时间序列数据集；步骤3：逐像元估算地表温度产品不确定度；步骤4：计算地表温度产品融合权重；本发明的有益效果是：在无需任何先验知识的情况下，利用广义三角帽方法逐像元估算每种月均地表温度产品的不确定度，计算得到最优的融合权重，通过融合多种地表温度产品提高地表温度产品精度。相比基于算术平均的简单融合方法，本发明充分地集成每种月均地表温度产品各自的优势，减少随机误差对地表温度产品融合的影响。
-
Patent Agency Ranking
公开(公告)号：CN115859211A
公开(公告)日：2023-03-28
申请号：CN202211437664.5
申请日：2022-11-17
Applicant: 中国农业科学院农业资源与农业区划研究所 , 河北地质大学
Abstract: 本发明公开了一种基于三温不确定度估算模型的地表温度产品融合方法，步骤1：地表温度数据的获取与预处理；步骤2：构建地表温度产品的长时间序列数据集；步骤3：逐像元估算地表温度产品不确定度；步骤4：地表温度产品融合；在无需任何先验知识且考虑地表温度产品自身不确定度的情况下，通过融合三种地表温度产品来提高地表温度产品精度。相比基于算术平均的简单融合方法和基于卡尔曼滤波数据同化的融合方法，本发明无需任何先验知识且考虑地表温度产品自身不确定度，利用三种地表温度产品估计的不确定度计算最优的融合权重，通过融合三种地表温度产品提高地表温度产品精度。
-
公开(公告)号：CN115511224A
公开(公告)日：2022-12-23
申请号：CN202211414732.6
申请日：2022-11-11
Applicant: 中国农业科学院农业资源与农业区划研究所 , 河北地质大学
Abstract: 本发明属于遥感技术领域，涉及天地一体化的作物长势智能监测方法、装置及电子设备，该方法包括：获取卫星时序遥感数据，并构建第一作物长势评估指数；获取连续的近地面观测数据，构建第二作物长势评估指数；基于第二作物长势评估指数，对第一作物长势评估指数缺失值补充，构建模型标签；对第一作物长势评估指数连续插值，得到重构的作物长势数据；利用标签训练神经网络，获取指数映射模型；对重构的作物长势数据校正，得到目标作物长势评估数据。本发明实现了综合使用航天遥感数据与近地面数据对作物长势进行监测的目的，解决现有方法中采用航天遥感数据的精度和时间密度不足以及近地面观测数据存在的数据范围小、精度低、不连续的问题。
-
公开(公告)号：CN114782825B
公开(公告)日：2022-09-16
申请号：CN202210686316.5
申请日：2022-06-17
Applicant: 中国农业科学院农业资源与农业区划研究所 , 河北地质大学
IPC: G06V20/10 , G06V10/62 , G06V10/764 , G06V10/80 , G06K9/62
Abstract: 本发明属于农业遥感信息提取技术领域，具体涉及基于不完备遥感数据的作物识别方法、装置及电子设备，该方法包括步骤：获取时序遥感数据；根据雷达影像数据构建第一时序特征；根据光学遥感数据构建第二时序特征；判断第二时序特征是否完备；计算第二时序特征的数据缺失值；对第二时序特征进行拓展得到第三时序特征；判断第三时序特征是否完备；对光学遥感数据增补处理得到第四时序特征；判断第四时序特征是否完备；利用第一时序特征对第四时序特征扩展得到目标时序特征；构建作物类型识别模型，模型训练；识别目标地块作物分布信息。本发明通过雷达影像数据与光学遥感数据协同的方式，实现了光学时序数据不完备条件下的高精度作物类型识别。
-
公开(公告)号：CN114821360A
公开(公告)日：2022-07-29
申请号：CN202210513668.0
申请日：2022-05-12
Applicant: 中国农业科学院农业资源与农业区划研究所 , 河北地质大学
IPC: G06V20/13 , G06V10/764 , G06V10/774
Abstract: 本发明提供了作物叶面积指数智能化提取方法、装置及电子设备，该方法包括步骤：获取农田遥感影像，收集时序遥感数据；确定各个地块的地块类型；构建地块空间分布图；识别目标作物，构建目标作物空间分布图；利用卫星数据反演作第一物叶面积指数；利用无人机采集作物光谱，计算第二作物叶面积指数，并建立第一模型训练标签库；根据第一作物叶面积指数与第二作物叶面积指数之间的第一映射关系建立第一映射模型，生成转化后的第三作物叶面积指数。本发明在作物层面实现了卫星数据反演作物叶面积指数向近地面测量计算作物叶面积指数的智能化转换，实现卫星数据反演作物叶面积指数的校正，实现了大范围的、高精确度的精细尺度的作物叶面积指数反演。
-
公开(公告)号：CN112327388B
公开(公告)日：2022-01-18
申请号：CN202010091126.X
申请日：2020-02-13
Applicant: 中国农业科学院农业资源与农业区划研究所 , 河北地质大学
Abstract: 本发明公开了一种基于全遥感数据的全天候相对湿度估算方法，该方法从MODIS卫星遥感的水汽产品数据、云产品数据和大气廓线产品数据分别读取大气水汽含量、地表温度、温度廓线、湿度廓线和大气压廓线；利用地表温度、大气压廓线和温度廓线，推导获得全天候饱和水汽压；大气水汽含量、大气压廓线和湿度廓线，推导获得全天候实际水汽压；利用得到的全天候饱和水汽压和实际水汽压计算全天候相对湿度，并进行Savitzky‑Golay滤波，得到最终的全天候相对湿度。本发明提供的基于全遥感数据的全天候相对湿度估算方法，在不借助于任何辅助数据的基础上，完全利用MODIS卫星遥感数据，计算全天候相对湿度，方法简单，结果准确。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.038 seconds)
