-
公开(公告)号：CN109740968B
公开(公告)日：2023-05-16
申请号：CN201910073871.9
申请日：2019-01-25
Applicant: 中国科学院上海高等研究院
IPC: G06Q10/0631 , G06Q50/26 , G09B29/00
Abstract: 本发明提供一种二氧化碳排放空间格网化方法、系统、介质和装置，包括以下步骤：将区域分类型土地利用图转换为第一预设数据格式的图；将所述第一预设数据格式的图转换为第二预设数据格式的图，并提取得到单一土地利用类型图；构建所述区域分类型土地利用图的区域边界格网图，并与所述单一土地利用类型图进行叠加得到单一土地利用类型格网图；计算得到单一土地利用类型二氧化碳排放量格网图。本发明的一种二氧化碳排放空间格网化方法、系统、介质和装置，基于校正后的区域分类型土地利用数据进行非点源二氧化碳排放空间格网化，提高了非点源二氧化碳排放空间分布信息的精确度和真实性。
-
公开(公告)号：CN114464272B
公开(公告)日：2025-03-18
申请号：CN202210177478.6
申请日：2022-02-25
Applicant: 中国科学院上海高等研究院
Abstract: 本发明公开了一种CO与CO2排放比例系数估算方法及装置、存储介质和终端，其中方法包括：确定待分析区域和待分析时刻；获取待分析区域待分析时刻的气象再分析数据和气体数据；通过预设获取方式获取待分析时刻的CO同化网格通量数据集合、CO2同化网格通量数据集合、CO预测区域通量和CO2预测区域通量；获取CO与CO2排放比例系数；气体数据包括CO初始边界场数据、预设混合气体初始边界场数据、CO生态通量数据、CO野火通量数据、CO人为通量数据、CO卫星观测数据、CO2初始边界场数据、CO2通量数据和CO2卫星观测数据。本发明方法可获得全球范围不同国家、省市和区域的CO2与CO的具备时空特征的比例系数；且获取的不同区域的比例系数具备可比性。
-
公开(公告)号：CN113705227B
公开(公告)日：2023-04-25
申请号：CN202010437000.3
申请日：2020-05-21
Applicant: 中国科学院上海高等研究院
IPC: G06F40/289 , G06F40/216
Abstract: 本发明提供一种中文无分词词嵌入模型的构建方法、系统、介质及设备，所述中文无分词词嵌入模型的构建方法包括：统计语料集中的候选片段及所述候选片段对应的词频信息；结合所述词频信息确定所述候选片段的关联强度，并根据所述关联强度生成词嵌入的词汇表；根据所述词汇表构建正采样集合和负采样集合，并结合所述正采样集合和负采样集合构建词嵌入模型。本发明针对目前无分词词嵌入模型词汇表中噪音n‑gram过多的问题，以中文语料为研究对象，利用负采样的skip‑gram模型，提供了一种使用无监督关联度量指标改进无分词词嵌入模型的方法。
-
公开(公告)号：CN113705227A
公开(公告)日：2021-11-26
申请号：CN202010437000.3
申请日：2020-05-21
Applicant: 中国科学院上海高等研究院
IPC: G06F40/289 , G06F40/216
Abstract: 本发明提供一种中文无分词词嵌入模型的构建方法、系统、介质及设备，所述中文无分词词嵌入模型的构建方法包括：统计语料集中的候选片段及所述候选片段对应的词频信息；结合所述词频信息确定所述候选片段的关联强度，并根据所述关联强度生成词嵌入的词汇表；根据所述词汇表构建正采样集合和负采样集合，并结合所述正采样集合和负采样集合构建词嵌入模型。本发明针对目前无分词词嵌入模型词汇表中噪音n‑gram过多的问题，以中文语料为研究对象，利用负采样的skip‑gram模型，提供了一种使用无监督关联度量指标改进无分词词嵌入模型的方法。
-
公开(公告)号：CN111274936A
公开(公告)日：2020-06-12
申请号：CN202010059384.X
申请日：2020-01-19
Applicant: 中国科学院上海高等研究院
Abstract: 本发明提供一种多光谱图像地物分类方法、系统、介质及终端；所述方法包括以下步骤：对多光谱图像进行预处理，获取样本集；构建地物分类网络模型；基于所述样本集对所述地物分类网络模型进行训练；基于训练好的地物分类网络模型，对待分类的多光谱图像进行地物分类；本发明通过深度可分离卷积减少参数数量，降低地物分类网络模型计算复杂度，解决了现有深度学习方法应用到多光谱图像时产生维度爆炸、计算复杂度过高而导致无法完成分类的问题；提出了一种具有多层编码-解码结果的地物分类网络模型，以编码器提取多层特征，以解码器配合前端编码的不同层次特征进行恢复，实现了可靠的地物分类。
-
Patent Agency Ranking
公开(公告)号：CN109657081A
公开(公告)日：2019-04-19
申请号：CN201811427316.3
申请日：2018-11-27
Applicant: 中国科学院上海高等研究院
Abstract: 本发明提供一种高光谱卫星遥感数据的处理方法、系统及计算机存储介质，处理方法包括：检索高光谱卫星遥感数据的索引，将索引转换成为分布式数据集，分发分布式数据集及广播卫星定标数据；若需求为0级卫星产品时，形成第一像素值集合，将第一像素值集合拼接为0级卫星产品对应的图像；若需求为1级卫星产品时，形成第二像素值集合，将第二像素值集合拼接为1级卫星产品对应的图像；若需求为2级卫星产品时，接收指定区域数据，训练机器学习模型，对再接收的感兴趣区域数据进行定标和去噪处理，用机器学习模型进行预测，形成预测结果的数据集合，以生成2级卫星产品对应的图像。本发明提高了数据处理和产品生产的速度；减少了硬盘数据读写的时间。
-
公开(公告)号：CN109657080A
公开(公告)日：2019-04-19
申请号：CN201811427290.2
申请日：2018-11-27
Applicant: 中国科学院上海高等研究院
Abstract: 本发明提供一种高分卫星遥感数据的分布式处理方法/系统和介质，分布式处理方法包括：检索高分卫星遥感数据的索引，将索引转换成为对应的第一分布式数据集，分发到各个计算节点；若为0级卫星产品时，生成0级产品对应的图像；若为1级卫星产品，解析高分卫星遥感数据，并转换为带有序号的第二分布式数据集，将第二分布式数据集的序号加1，以形成第三分布式数据集；合并第二分布式数据集和第三分布式数据集，对合并后的分布式数据集重新分片及再次分发；对分发下去的分布式数据集进行计算图像映射矩阵的操作，以生成1级卫星产品对应的图像。本发明极大提高数据处理和产品生产的速度，减少硬盘数据读写的时间，本发明能够做到迅速完成计算处理。
-
公开(公告)号：CN109308326A
公开(公告)日：2019-02-05
申请号：CN201811071233.5
申请日：2018-09-14
Applicant: 中国科学院上海高等研究院
IPC: G06F16/583 , G06F16/53
Abstract: 本发明提供一种基于redis的遥感图像检索提取方法、系统、存储介质及装置，包括以下步骤：将遥感图像的检索关键词、遥感图像范围及对应的像素值存储至redis数据库，所述检索关键词包括遥感图像ID和所应用的3个谱段号；根据检索关键词和所需检索的遥感图像范围在所述redis数据库中检索并提取对应的遥感图像。本发明的一种基于redis的遥感图像检索提取方法、系统、存储介质及装置，用于便捷查找遥感图像，有效清理遥感图像释放数据库内存，基于遥感图像命中策略有效存储遥感图像并过滤非相关的遥感图像。
-
公开(公告)号：CN110909186B
公开(公告)日：2023-08-22
申请号：CN201811428913.8
申请日：2018-11-27
Applicant: 中国科学院上海高等研究院
IPC: G06F16/51
Abstract: 本发明提供一种高光谱遥感数据存储、检索方法及系统、存储介质及终端，包括以下步骤：将高光谱遥感数据的元数据存储至ElasticSearch；所述元数据包括光谱数据的数据来源、数据获取时间、数据级别、数据序号、数据区域坐标、载荷信息和任务信息；将所述高光谱遥感数据的光谱数据存储至Hbase数据库中；通过Rowkey唯一标识一个光谱数据；所述Rowkey包括Rowkey前缀和数据帧号；所述Rowkey前缀包括高光谱载荷ID、数据级别和观测任务号。本发明的高光谱遥感数据存储、检索方法及系统、存储介质及终端基于ElasticSearch、Hbase数据库和高光谱遥感数据的特征，进行高光谱遥感数据存储和检索，极大地提高了数据应用效率，满足不同用户对数据存储和检索的需求。
-
公开(公告)号：CN111274936B
公开(公告)日：2023-04-18
申请号：CN202010059384.X
申请日：2020-01-19
Applicant: 中国科学院上海高等研究院
IPC: G06V10/764 , G06V20/13 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种多光谱图像地物分类方法、系统、介质及终端；所述方法包括以下步骤：对多光谱图像进行预处理，获取样本集；构建地物分类网络模型；基于所述样本集对所述地物分类网络模型进行训练；基于训练好的地物分类网络模型，对待分类的多光谱图像进行地物分类；本发明通过深度可分离卷积减少参数数量，降低地物分类网络模型计算复杂度，解决了现有深度学习方法应用到多光谱图像时产生维度爆炸、计算复杂度过高而导致无法完成分类的问题；提出了一种具有多层编码‑解码结果的地物分类网络模型，以编码器提取多层特征，以解码器配合前端编码的不同层次特征进行恢复，实现了可靠的地物分类。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.035 seconds)
