-
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。
-
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：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。
-
-
-
Search Results
4
records
(took 0.057 seconds)
