-
公开(公告)号：CN116660171A
公开(公告)日：2023-08-29
申请号：CN202310126668.X
申请日：2023-02-01
Applicant: 清华大学
IPC: G01N21/25 , G06F18/23213 , G06F18/214 , G06F18/24 , G06F18/25
Abstract: 本申请提供了一种近实时土地退化监测方法及系统，该方法包括：获取目标区域的历史和近实时多源遥感数据并进行时空序列重建，得到目标区域中各像素点的光谱特征时间序列；获取目标区域的地形特征和气候特征并与光谱特征时间序列融合，得到各像素点的多维特征向量；获取各像素点在第一历史基准时期的历史土地覆盖分类，计算各像素点的近实时土地覆盖分类；根据各像素点的多维特征向量，和/或历史土地覆盖分类和近实时土地覆盖分类计算各像素点的土地退化评估指标，并评估像素点的土地退化情况。实现了对近实时数据土地覆盖分类的快速预测和利用，保证了监测结果的实时性，并从多个方面对土地退化进行检测，形成了完整的监测体系。
-
公开(公告)号：CN116049342B
公开(公告)日：2023-06-06
申请号：CN202310294353.6
申请日：2023-03-24
Applicant: 清华大学
IPC: G06F16/29 , G06Q10/0639 , G06Q50/26
Abstract: 本发明提供一种生境质量监测方法及监测装置，根据多个监测区域的属性信息和多源土地覆盖产品在云端平台中构建基础地理数据库，能够为生境质量监测提供有效数据基础；基于桌面端评估模型中的评估规则信息在云端平台中构建生境质量监测模型，能够实现生境质量测算功能从桌面端评估模型向云端平台迁移；通过公开信息获取目标监测区域的生境质量评价参数，其中，目标监测区域是多个监测区域中的任一监测区域，基于地理数据库获取目标监测区域对应的土地覆盖产品，将目标监测区域的生境质量评价参数和对应的土地覆盖产品输入生境质量监测模型，能够实现对目标监测区域的生境质量的精准高效监测。
-
公开(公告)号：CN115147726B
公开(公告)日：2023-03-24
申请号：CN202211079918.0
申请日：2022-09-05
Applicant: 清华大学
IPC: G06V20/10 , G06V10/764 , G06V10/40 , G06V10/24
Abstract: 本发明实施例提供了一种城市形态图的生成方法、装置、电子设备和可读存储介质，所述方法包括：获取目标区域的多个时间点的影像信息；基于所述影像信息对所述目标区域进行局部气候区分类；对所述遥感影像进行纹理信息提取；通过检测多个时间点之间纹理信息的变化，获取所述目标区域的变化特征；基于目标区域的变化特征，对所述多个时间点的局部气候区分类结果进行校正，获得多个时间点的局部气候区的校正分类结果；基于校正分类结果，生成目标区域的长时间序列的城市形态图。强化了多个时间点之间城市形态的变化，提高了长时间序列的城市形态图中对于展现不同时间点之间城市形态的变化的准确性。
-
Patent Agency Ranking
公开(公告)号：CN115147726A
公开(公告)日：2022-10-04
申请号：CN202211079918.0
申请日：2022-09-05
Applicant: 清华大学
IPC: G06V20/10 , G06V10/764 , G06V10/40 , G06V10/24
Abstract: 本发明实施例提供了一种城市形态图的生成方法、装置、电子设备和可读存储介质，所述方法包括：获取目标区域的多个时间点的影像信息；基于所述影像信息对所述目标区域进行局部气候区分类；对所述遥感影像进行纹理信息提取；通过检测多个时间点之间纹理信息的变化，获取所述目标区域的变化特征；基于目标区域的变化特征，对所述多个时间点的局部气候区分类结果进行校正，获得多个时间点的局部气候区的校正分类结果；基于校正分类结果，生成目标区域的长时间序列的城市形态图。强化了多个时间点之间城市形态的变化，提高了长时间序列的城市形态图中对于展现不同时间点之间城市形态的变化的准确性。
-
公开(公告)号：CN114723127A
公开(公告)日：2022-07-08
申请号：CN202210344148.1
申请日：2022-03-31
Applicant: 河钢数字技术股份有限公司 , 河钢集团有限公司 , 清华大学
Abstract: 本发明提出了一种基于相关图卷积网络的钢厂空气质量预测方法，包括如下步骤：S1：利用箱线图方法，融合钢厂不同区域监测点的空气质量历史特征数据；S2：对钢厂各区域监测点的空气质量数据特征之间进行皮尔森相关分析，并通过单层感知器获得钢厂各区域监测点之间的图关系；S3：构建时空相关图卷积神经网络模型，通过学习历史时间步钢厂空气质量时空网络序列的图信号特征，对未来多个小时的钢厂各区域空气质量指数进行预测。本发明通过构建基于时空相关图卷积网络的空气质量预测模型，从钢厂多个空气质量监测点获取历史特征数据对钢厂不同区域未来多个小时钢厂空气质量指数进行预测。
-
公开(公告)号：CN114238217B
公开(公告)日：2022-05-20
申请号：CN202210170717.5
申请日：2022-02-24
Applicant: 清华大学
Abstract: 本发明提供一种土地覆盖样本时空迁移方法，首先采集用于特征空间构建的多源数据，并对多源数据进行预处理以形成标准化特征数据；再针对高时间敏感特征数据构建用于迁移目标时间尺度的特征时间序列；而后获取低时间敏感特征数据在数据收集时点所对应的收集时点特征；对再特征时间序列和收集时点特征进行归一化处理以形成多维特征空间；再基于多维特征空间完成时间尺度上的样本迁移和空间尺度上的样本迁移，如此，可充分利用多源数据，且样本时空迁移算法自动化程度高，时间尺度上可适用于不同时间粒度（如天、旬、月、季度、年），空间尺度上可推广至全球，可以极大地减少人工解译样本的工作量，有效提高土地覆盖制图效率。
-
公开(公告)号：CN114202705B
公开(公告)日：2022-05-20
申请号：CN202210141806.7
申请日：2022-02-16
Applicant: 清华大学
Abstract: 本发明提供一种光谱特征时间序列构建方法及系统，其中的方法包括：对用于数据融合的多源遥感影像进行预处理，并获取对应的预处理数据；基于预处理数据，根据预设时间间隔分别构建多源遥感影像的光谱特征时间序列；基于不同遥感影像的光谱特征时间序列构建用于不同遥感影像之间的转换模型；基于转换模型对目标光谱特征时间序列中存在数据缺失的时间节点进行缺失值补充；对缺失值补充后的光谱特征时间序列进行优化处理，获取基于多源遥感影像时空融合的光谱特征时间序列。利用上述发明能够实现多源遥感影像时空融合的光谱特征时间序列构建。
-
公开(公告)号：CN114238217A
公开(公告)日：2022-03-25
申请号：CN202210170717.5
申请日：2022-02-24
Applicant: 清华大学
Abstract: 本发明提供一种土地覆盖样本时空迁移方法，首先采集用于特征空间构建的多源数据，并对多源数据进行预处理以形成标准化特征数据；再针对高时间敏感特征数据构建用于迁移目标时间尺度的特征时间序列；而后获取低时间敏感特征数据在数据收集时点所对应的收集时点特征；对再特征时间序列和收集时点特征进行归一化处理以形成多维特征空间；再基于多维特征空间完成时间尺度上的样本迁移和空间尺度上的样本迁移，如此，可充分利用多源数据，且样本时空迁移算法自动化程度高，时间尺度上可适用于不同时间粒度（如天、旬、月、季度、年），空间尺度上可推广至全球，可以极大地减少人工解译样本的工作量，有效提高土地覆盖制图效率。
-
-
-
-
-
-
-
Search Results
38
records
(took 0.024 seconds)
