-
公开(公告)号：CN119054568A
公开(公告)日：2024-12-03
申请号：CN202411484035.7
申请日：2024-10-23
Applicant: 北京师范大学
Abstract: 本发明提供了一种基于荒漠光伏电站的草本植物种植方法，属于生态修复技术领域。本发明种植方法包括以下步骤：在光伏电站内全园播种草本植物，并进行施肥、灌溉和降碱的养护措施；所述草本植物选自披碱草、碱茅、草地早熟禾和老芒麦中的一种单播或几种混播；所述施肥包括播前基施氮磷钾复合肥20‑40kg/亩，有机肥100‑200kg/亩；所述灌溉采用微喷管喷灌，全园均匀分布500‑700m3/亩的高灌溉量区和150‑250m3/亩的低灌溉量区；所述降碱包括第一次灌溉后土壤发白的区域，施用硫酸亚铁25‑35g/m2。本发明能够显著提高荒漠光伏电站植被的生长率和覆盖率，有效改善土壤条件，减缓荒漠化进程。
-
公开(公告)号：CN116912578A
公开(公告)日：2023-10-20
申请号：CN202310872294.6
申请日：2023-07-17
Applicant: 北京师范大学
IPC: G06V10/764 , G06V20/13 , G06V20/10 , G06V10/40 , G06V10/771 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种农作物分类方法、系统及电子设备，涉及农作物分类技术领域。方法包括基于待测区域的遥感图像提取待测区域不同尺度的特征图；将待测区域不同尺度的特征图输入到多尺度特征融合策略模型中，得到待测区域的融合特征图；将融合特征图输入到农作物分类模型中，确定待测区域中每个物块的农作类种类；根据待测区域中每个物块的农作类种类，构建待测区域中农作物分布图。本发明通过多尺度特征融合策略模型能够提高农作物分类时的特征提取的合理度，进而提高农作物分类的精度。
-
公开(公告)号：CN111274887B
公开(公告)日：2023-09-22
申请号：CN202010033056.2
申请日：2020-01-13
Applicant: 北京师范大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0499
Abstract: 本发明提供基于机器学习的农作物识别方法、装置、存储介质及终端。所述方法包括：获取目标区域内农作物的物候期遥感影像，以合成相应的时间序列图像；对所述时间序列图像进行多尺度分割，以获得影像对象；选取多个弱分类器，并按所述影像对象的分类体系和分类特征集，对所述影像对象进行分类，以获取每个分类器在每个尺度下的分类结果；对所述分类结果进行分类精度评价，并根据所述分类精度评价结果进行加权计算，以识别每个像素的归属类别。本发明方案克服了单一最优尺度在凸显某种类别信息时对其它类别信息的损害，避免了分类器模型的参数选取和优化问题，提高了农作物遥感影像的分类精度。
-
公开(公告)号：CN103733850B
公开(公告)日：2016-04-06
申请号：CN201310741018.2
申请日：2013-12-26
IPC: A01G1/00
Abstract: 本发明公开了一种典型草原区雨养条件下种植紫花苜蓿的方法，包括：选取草原2号苜蓿、或草原3号杂花苜蓿、或敖汉苜蓿的种子作为待播种的紫花苜蓿的种子进行破皮处理；对位于典型草原区的地块进行整地、施加基肥后，于当年6月上旬或中旬将紫花苜蓿的种子与禾本科牧草的种子进行混播，紫花苜蓿播种量为7.88～15kg/hm2，禾本科牧草播种量为21.43～24kg/hm2，播种深度为1～3cm；对地块进行镇压；在紫花苜蓿出苗前、地块遇雨后，对地块进行疏耙；从第二年开始每年7月下旬对紫花苜蓿进行刈割，刈割留茬高度大于等于5cm。本发明基于雨养条件在典型草原区大面积种植紫花苜蓿，降低了典型草原区种植紫花苜蓿的成本。
-
公开(公告)号：CN116912685B
公开(公告)日：2024-08-23
申请号：CN202310872261.1
申请日：2023-07-17
Applicant: 北京师范大学
IPC: G06V20/10 , G06V20/13 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种水体识别方法、系统及电子设备，涉及水体识别技术领域。方法包括：获取待测区域的遥感影像；将待测区域的遥感影像输入到水体识别模型中，确定待测区域的遥感影像中的水体部分；水体识别模型是利用不同区域的多张遥感影像对改进UNet模型进行训练后得到的；改进UNet模型是通过将UNet模型的编码器中的卷积神经网络层替换为VisionTransformer模块，并在UNet模型的解码器中加入卷积模块注意力机制后得到的。本发明通过构建并训练改进UNet模型，能够提高水体识别精度和水体提取精度。
-
Patent Agency Ranking
公开(公告)号：CN116912685A
公开(公告)日：2023-10-20
申请号：CN202310872261.1
申请日：2023-07-17
Applicant: 北京师范大学
IPC: G06V20/10 , G06V20/13 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种水体识别方法、系统及电子设备，涉及水体识别技术领域。方法包括：获取待测区域的遥感影像；将待测区域的遥感影像输入到水体识别模型中，确定待测区域的遥感影像中的水体部分；水体识别模型是利用不同区域的多张遥感影像对改进UNet模型进行训练后得到的；改进UNet模型是通过将UNet模型的编码器中的卷积神经网络层替换为VisionTransformer模块，并在UNet模型的解码器中加入卷积模块注意力机制后得到的。本发明通过构建并训练改进UNet模型，能够提高水体识别精度和水体提取精度。
-
-
公开(公告)号：CN119400251A
公开(公告)日：2025-02-07
申请号：CN202411471462.1
申请日：2024-10-22
Applicant: 北京师范大学
IPC: G16B40/00 , G16B20/00 , G06F18/214 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种风险预测模型的确定方法、应用方法及相关装置，涉及生物多样性技术领域，所述风险预测模型的确定方法包括：获取数据集；所述数据集包括：若干连续年份的景观多样性风险评估指数和风险预警值；以前两年的景观多样性风险评估指数为输入，以后一年份的风险预警值为输出，对CNN‑LSTM模型进行训练，得到风险预测模型；所述CNN‑LSTM模型包括：两个卷积层、一个LSTM层和三个全连接层。本发明采用了CNN‑LSTM模型，结合了卷积神经网络对空间特征的强大提取能力和长短期记忆网络对时间序列数据的深入分析能力，为预测未来景观多样性风险提供了一种创新的方法。
-
公开(公告)号：CN116912686A
公开(公告)日：2023-10-20
申请号：CN202310872288.0
申请日：2023-07-17
Applicant: 北京师范大学
IPC: G06V20/10 , G01N21/17 , G06F18/2321 , G06F17/18 , G06Q50/26
Abstract: 本发明公开一种生物多样性保护热点区域的识别方法、系统及介质，涉及领域，方法包括：获取待识别区域范围内的预设年份段内的遥感影像数据，算增强植被指数的年际变异指数和空间变异指数以及地表温度的年际变异指数和空间变异指数，进而确定时空遥感指数以及基于时空遥感指数识别的热点区域；确定待识别区域范围内的人类活动因子，计算人类足迹指数以及基于人类足迹指数识别的热点区域；根据基于时空遥感指数识别的热点区域和基于人类足迹指数识别的热点区域确定待识别区域范围内的生物多样性保护热点区域。本发明通过整合时空遥感指数和人类足迹指数，分别识别由于气候变化和人为压力引起保护的区域，准确的识别出优先保护的区域。
-
公开(公告)号：CN111274887A
公开(公告)日：2020-06-12
申请号：CN202010033056.2
申请日：2020-01-13
Applicant: 北京师范大学
Abstract: 本发明提供基于机器学习的农作物识别方法、装置、存储介质及终端。所述方法包括：获取目标区域内农作物的物候期遥感影像，以合成相应的时间序列图像；对所述时间序列图像进行多尺度分割，以获得影像对象；选取多个弱分类器，并按所述影像对象的分类体系和分类特征集，对所述影像对象进行分类，以获取每个分类器在每个尺度下的分类结果；对所述分类结果进行分类精度评价，并根据所述分类精度评价结果进行加权计算，以识别每个像素的归属类别。本发明方案克服了单一最优尺度在凸显某种类别信息时对其它类别信息的损害，避免了分类器模型的参数选取和优化问题，提高了农作物遥感影像的分类精度。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.027 seconds)
