-
公开(公告)号：CN118279431B
公开(公告)日：2024-08-23
申请号：CN202410711366.3
申请日：2024-06-04
Applicant: 中国农业科学院农业资源与农业区划研究所
IPC: G06T11/00 , G06V10/24 , G06V10/764 , G06V20/10 , G06V10/762 , G06N20/00
Abstract: 本发明属于遥感影像作物制图技术领域，涉及大区域低样本依赖度的作物制图方法与系统。该方法包括收集遥感数据、地面样本数据、气象数据、土壤数据、基础地理数据与灾害数据；建立作物种植地理分区；建立作物各个区域对应的关键生育期模型库；基于多种机器学习算法构建机器学习模型，得到机器学习作物提取模型；选取最优机器学习作物提取模型；得到作物空间分布底图；基于灾害信息的产品校正；利用适用于灾害响应的目标作物提取模型，得到区域作物制图。本发明能够解决由于地形地貌、土壤、气候等原因造成的大区域内农业种植差异大、模型的适用性差的问题，实现高精度的大尺度作物制图，降低作物制图的作物样本依赖度。
-
公开(公告)号：CN118279431A
公开(公告)日：2024-07-02
申请号：CN202410711366.3
申请日：2024-06-04
Applicant: 中国农业科学院农业资源与农业区划研究所
IPC: G06T11/00 , G06V10/24 , G06V10/764 , G06V20/10 , G06V10/762 , G06N20/00
Abstract: 本发明属于遥感影像作物制图技术领域，涉及大区域低样本依赖度的作物制图方法与系统。该方法包括收集遥感数据、地面样本数据、气象数据、土壤数据、基础地理数据与灾害数据；建立作物种植地理分区；建立作物各个区域对应的关键生育期模型库；基于多种机器学习算法构建机器学习模型，得到机器学习作物提取模型；选取最优机器学习作物提取模型；得到作物空间分布底图；基于灾害信息的产品校正；利用适用于灾害响应的目标作物提取模型，得到区域作物制图。本发明能够解决由于地形地貌、土壤、气候等原因造成的大区域内农业种植差异大、模型的适用性差的问题，实现高精度的大尺度作物制图，降低作物制图的作物样本依赖度。
-
公开(公告)号：CN117787813B
公开(公告)日：2024-05-31
申请号：CN202410199413.0
申请日：2024-02-23
Applicant: 中国农业科学院农业资源与农业区划研究所
IPC: G06Q10/0639 , G06F18/213 , G06F18/243 , G06N20/20 , G06Q50/26
Abstract: 本发明属于遥感技术领域，涉及基于细粒度特征约束的城中村识别方法、装置及电子设备。该方法包括收集样本数据，对样本数据进行预处理；对训练样本数据进行特征提取，得到建筑物特征信息，计算Building‑Green指标，使用随机森林分类模型对样本数据提取的指标训练得到分类模型；将超像素单元识别为城中村；在滑动窗口内提取精细特征；将精细特征横向拼接；通过超像素块对精细特征提取结果进行约束；根据超像素单元内城中村像素总数的占比，得到目标城中村。本发明能够实现准确的城中村识别；本发明根据Building‑Green指标，通过建筑物的空间特征，为各社区整改优先级提供参考，利于城市管理。
-
公开(公告)号：CN117787813A
公开(公告)日：2024-03-29
申请号：CN202410199413.0
申请日：2024-02-23
Applicant: 中国农业科学院农业资源与农业区划研究所
IPC: G06Q10/0639 , G06F18/213 , G06F18/243 , G06N20/20 , G06Q50/26
Abstract: 本发明属于遥感技术领域，涉及基于细粒度特征约束的城中村识别方法、装置及电子设备。该方法包括收集样本数据，对样本数据进行预处理；对训练样本数据进行特征提取，得到建筑物特征信息，计算Building‑Green指标，使用随机森林分类模型对样本数据提取的指标训练得到分类模型；将超像素单元识别为城中村；在滑动窗口内提取精细特征；将精细特征横向拼接；通过超像素块对精细特征提取结果进行约束；根据超像素单元内城中村像素总数的占比，得到目标城中村。本发明能够实现准确的城中村识别；本发明根据Building‑Green指标，通过建筑物的空间特征，为各社区整改优先级提供参考，利于城市管理。
-
-
-
Search Results
4
records
(took 0.026 seconds)
