-
公开(公告)号：CN119323170B
公开(公告)日：2025-03-07
申请号：CN202411348379.5
申请日：2024-09-26
Applicant: 中国农业科学院农业资源与农业区划研究所 , 河南省农业科学院农业信息技术研究所
Abstract: 本发明公开了一种基于堆叠模型的土壤有机质遥感反演方法，包括以下步骤：步骤1：数据获取与预处理；步骤2：光谱特征变量优选；步骤3：土壤有机质反演模型构建；步骤4：基于遗传算法的模型组合寻优；步骤5：基于最优模型组合的堆叠模型的土壤有机质遥感反演；本发明引入光谱特征和地形特征作为土壤有机质遥感反演的协变量，通过堆叠集成多个机器学习模型，采用遗传算法优选堆叠集成学习模型的基础学习器组合，构建基于最优模型组合的堆叠模型的土壤有机质遥感反演模型，解决单一机器学习模型容易过度拟合和泛化能力弱的问题，不仅增强了模型的泛化能力，而且提高了土壤有机质的反演精度。
-
公开(公告)号：CN118982769A
公开(公告)日：2024-11-19
申请号：CN202410154009.1
申请日：2024-02-02
Applicant: 河南省农业科学院农业信息技术研究所 , 中国农业科学院农业资源与农业区划研究所
Abstract: 本发明属于农业工程技术领域，特别涉及一种作物长势参数遥感监测指标的筛选方法及系统，包含：利用无人机多光谱传感器获取研究区域的无人机遥感影像，并对无人机遥感影像进行预处理，得到正射影像数据，包含多波段反射率；基于正射影像，采用栅格计算方法提取多类别植被指数；基于正射影像，采用灰度共生矩阵法计算多波段的纹理特征；采用凯氏定氮法进行植株氮含量测定，获取植株氮含量实测值；基于变量收缩搜索的植株氮含量敏感特征筛选方法从多波段反射率、植被指数和纹理特征中筛选出敏感特征变量；基于筛选的敏感特征变量，采用Adaboost方法构建植株氮含量预测模型。本发明简洁化了变量，压缩了模型，提高了模型运算效率。
-
公开(公告)号：CN119169071B
公开(公告)日：2025-04-08
申请号：CN202411284929.1
申请日：2024-09-13
Applicant: 中国农业科学院农业资源与农业区划研究所 , 河南省农业科学院农业信息技术研究所
IPC: G06T7/62 , G06N3/0455 , G06N3/08 , G06V10/77 , G06Q50/02
Abstract: 本发明公开了一种耦合物理模型和深度学习的作物叶面积指数估算方法，包括以下步骤：步骤1：数据获取与预处理；步骤2：模拟Sentinel‑2通道反射率；步骤3：优选对叶面积指数敏感的光谱特征组合；步骤4：构建PROSAIL‑Transformer耦合模型估算作物叶面积指数。本发明充分利用冠层辐射传输模型PROSAIL和深度学习模型Transformer的优势，通过采用样本匹配方法选择与Sentinel‑2影像最接近的样本数据，旨在更准确地捕捉现实世界环境的变化。结合最大信息系数(MIC)和递归特征消除(RFE)的特征选择方法，识别不同作物叶面积指数估算中最敏感的光谱特征组合。利用最具代表性和准确性的数据对耦合模型进行训练，提高模型训练的效率和准确性。
-
公开(公告)号：CN119323170A
公开(公告)日：2025-01-17
申请号：CN202411348379.5
申请日：2024-09-26
Applicant: 中国农业科学院农业资源与农业区划研究所 , 河南省农业科学院农业信息技术研究所
Abstract: 本发明公开了一种基于堆叠模型的土壤有机质遥感反演方法，包括以下步骤：步骤1：数据获取与预处理；步骤2：光谱特征变量优选；步骤3：土壤有机质反演模型构建；步骤4：基于遗传算法的模型组合寻优；步骤5：基于最优模型组合的堆叠模型的土壤有机质遥感反演；本发明引入光谱特征和地形特征作为土壤有机质遥感反演的协变量，通过堆叠集成多个机器学习模型，采用遗传算法优选堆叠集成学习模型的基础学习器组合，构建基于最优模型组合的堆叠模型的土壤有机质遥感反演模型，解决单一机器学习模型容易过度拟合和泛化能力弱的问题，不仅增强了模型的泛化能力，而且提高了土壤有机质的反演精度。
-
公开(公告)号：CN119169071A
公开(公告)日：2024-12-20
申请号：CN202411284929.1
申请日：2024-09-13
Applicant: 中国农业科学院农业资源与农业区划研究所 , 河南省农业科学院农业信息技术研究所
IPC: G06T7/62 , G06N3/0455 , G06N3/08 , G06V10/77 , G06Q50/02
Abstract: 本发明公开了一种耦合物理模型和深度学习的作物叶面积指数估算方法，包括以下步骤：步骤1：数据获取与预处理；步骤2：模拟Sentinel‑2通道反射率；步骤3：优选对叶面积指数敏感的光谱特征组合；步骤4：构建PROSAIL‑Transformer耦合模型估算作物叶面积指数。本发明充分利用冠层辐射传输模型PROSAIL和深度学习模型Transformer的优势，通过采用样本匹配方法选择与Sentinel‑2影像最接近的样本数据，旨在更准确地捕捉现实世界环境的变化。结合最大信息系数(MIC)和递归特征消除(RFE)的特征选择方法，识别不同作物叶面积指数估算中最敏感的光谱特征组合。利用最具代表性和准确性的数据对耦合模型进行训练，提高模型训练的效率和准确性。
-
Patent Agency Ranking
公开(公告)号：CN118760935A
公开(公告)日：2024-10-11
申请号：CN202411239991.9
申请日：2024-09-05
Applicant: 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: G06F18/24 , G06N3/0442 , G06N3/0464 , G06V10/764 , G06V10/82 , G06V20/13 , G06V20/10 , G06F18/15 , G06F18/213 , G06F18/25
Abstract: 本发明提供了一种作物识别模型的训练方法、作物识别方法及装置，可以应用于智能识别技术领域。该方法包括：获取训练样本，训练样本包括样本目标种类作物在基准生长环境中的样本基准生长状态数据、样本目标种类作物在参照生长环境中的样本参照生长状态数据和分类标签；分别对样本基准生长曲线和样本参照生长曲线进行特征提取，得到样本基准生长特征和样本参照生长特征，其中，样本基准生长曲线是基于样本基准生长状态数据确定的，样本参照生长曲线是基于样本参照生长状态数据确定的；基于样本基准生长特征、样本参照生长特征和分类标签，训练作物识别模型，得到训练后的作物识别模型。
-
公开(公告)号：CN118313469B
公开(公告)日：2024-08-23
申请号：CN202410728161.6
申请日：2024-06-06
Applicant: 中国农业科学院农业资源与农业区划研究所 , 农业农村部规划设计研究院
Abstract: 本发明属于温度热红外遥感技术领域，涉及多源数据协同的组分温度反演方法与系统。该方法包括：利用多时相法求解基于高时间分辨率静止卫星观测数据与时空无缝的辅助数据的温度循环模型参数；模型参数细分，得到降参后的温度循环模型；根据模型参数的物理约束，采用优化求解算法进行组分温度反演；对组分温度反演结果进行精度评价与交叉对比，根据精度评价与交叉对比结果，得到最终组分温度反演结果。本发明协同高时间分辨率的静止卫星观测数据和时空无缝的辅助数据，实现仅利用极轨卫星观测数据便可求解温度循环模型；本发明充分利用时空无缝的辅助数据，保证在存在观测缺失的情况下依旧可以反演组分温度，极大地丰富了反演结果的时空覆盖程度。
-
公开(公告)号：CN117371333B
公开(公告)日：2024-03-22
申请号：CN202311536672.X
申请日：2023-11-17
Applicant: 中国农业科学院农业资源与农业区划研究所 , 中国科学院空天信息创新研究院
IPC: G06F30/27 , G06F18/23 , G06F119/08
Abstract: 本发明公开了一种基于核驱动模型的地表温度产品角度归一化方法，包括以下步骤：步骤1：卫星数据获取；步骤2：多角度地表温度卫星数据集构建；步骤3：热红外核驱动模型系数查找表构建；步骤4：地表温度产品角度归一化；针对热红外核驱动模型的核系数难以利用不同时刻获取的方向观测联立求解的问题，提出了一种利用多源卫星数据构建的多角度地表温度卫星数据集来拟合核驱动模型系数，并对地表温度产品进行角度归一化的方法。该方法发挥了参数化模型能够兼顾物理精度和现实操作的优势，并利用基于不同聚类建立的热红外方向性核驱动模型系数查找表，解决了核系数难以获取的问题，从而获得精度较高的消除方向性影响的地表温度数据。
-
公开(公告)号：CN117574046A
公开(公告)日：2024-02-20
申请号：CN202410064056.7
申请日：2024-01-17
Applicant: 中国科学院空天信息创新研究院 , 大连海事大学 , 中国农业科学院农业资源与农业区划研究所
Abstract: 本发明提出了一种遥感反演地表温度的精度验证方法，包括以下步骤：得到遥感反演地表温度及遥感反演地表温度的不确定度；得到地面实测地表温度的不确定度；得到地表温度的空间代表性不确定度和地表温度的时间代表性不确定度；建立地表温度绝对差异数据集及不确定度数据集；利用卡尔曼滤波融合算法确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度。本发明的遥感反演地表温度的精度验证方法基于卡尔曼滤波融合算法，通过确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度，综合考虑了各影响因素引起的不确定度，降低了不确定较大的数据对地表温度验证精度的影响，真实反映了地表温度反演的精度。
-
公开(公告)号：CN117237648A
公开(公告)日：2023-12-15
申请号：CN202311523090.8
申请日：2023-11-16
Applicant: 中国农业科学院农业资源与农业区划研究所
IPC: G06V10/26 , G06V20/70 , G06T7/11 , G06V10/774 , G06V10/82
Abstract: 本申请提供一种基于上下文感知的语义分割模型的训练方法、装置和设备。一方面对全尺寸遥感图像进行裁剪，得到高分辨率的局部图像，再对高分辨率图像进行下采样得到上下文裁剪图像，从而可以基于该部分图像训练模型捕获遥感图像的上下文信息的能力；另一方面对高分辨率的局部图像进行进一步裁剪，从而可以基于该部分图像鼓励模型对遥感图像的细节部分进行精准分割；最后再将不同分辨率的预测结果进行对齐和融合得到最终预测结果，从而可以有效训练模型识别遥感图像上下文信息和细节信息的能力，提高模型最终的分割精度。此外，还可以利用随机掩膜技术对无标签图像进行掩膜处理，鼓励模型捕获其上下文信息，进而提高在目标数据集上的分割精度。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.064 seconds)
