一种城市热环境降尺度时空分析与预测方法及系统

    公开(公告)号:CN115270638B

    公开(公告)日:2024-02-06

    申请号:CN202210963085.8

    申请日:2022-08-11

    Abstract: 本发明涉及一种城市热环境降尺度时空分析与预测方法及系统,系统包括:获取待测目标空间的影像数据集,并对影像数据集进行数据预处理,得到待测数据集;将待测数据集输入至训练好的预测模型,得到地表温度预测数据;对地表温度预测数据进行空间纹理细化,得到降尺度预测信息;降尺度预测信息用于反映城市热岛强度和时空分布;预测模型的确定方法包括:根据地表温度和影响因子数据构建样本数据集;影响因子数据包括植被归一化指数、相对湿度、太阳辐射、大气压强、降水量和气温;构建CNN‑LSTM预测模型;根据样本数据集对CNN‑LSTM预测模型进行训练和验证,得到训练好的预测模型。本发明能够提高训练模型的全面性,从而对地表温度进行高精度的预测分析。

    一种基于等价降水估测法的区域土壤湿度监测方法

    公开(公告)号:CN114397276A

    公开(公告)日:2022-04-26

    申请号:CN202210060004.3

    申请日:2022-01-19

    Abstract: 本发明提供了一种基于等价降水估测法的区域土壤湿度监测方法,首先采集试验区域的卫星影像,生成后向散射系数影像数据及归一化植被指数影像数据,建立多个缓冲区,并对其土地利用类型进行分类,获取相应的矢量数据,通过矢量数据对后向散射系数影像数据及归一化植被指数影像数据进行掩膜提取,得到相应的雷达后向散射系数两个极化方向数据和归一化植被指数数据,获取影像前的气象数据,对气象数据及后向散射系数两个极化方向数据和归一化植被指数数据进行分析,得到有关土壤湿度的等价降水量模型,并计算土壤湿度。本发明提供的基于等价降水估测法的区域土壤湿度监测方法,将雷达影像与光学影像相结合,能够实现区域土壤湿度的监测。

    一种基于等价降水估测法的区域土壤湿度监测方法

    公开(公告)号:CN114397276B

    公开(公告)日:2023-12-01

    申请号:CN202210060004.3

    申请日:2022-01-19

    Abstract: 本发明提供了一种基于等价降水估测法的区域土壤湿度监测方法,首先采集试验区域的卫星影像,生成后向散射系数影像数据及归一化植被指数影像数据,建立多个缓冲区,并对其土地利用类型进行分类,获取相应的矢量数据,通过矢量数据对后向散射系数影像数据及归一化植被指数影像数据进行掩膜提取,得到相应的雷达后向散射系数两个极化方向数据和归一化植被指数数据,获取影像前的气象数据,对气象数据及后向散射系数两个极化方向数据和归一化植被指数数据进行分析,得到有关土壤湿度的等价降水量模型,并计算土壤湿度。本发明提供的基于等价降水估测法的区域土壤湿度监测方法,将雷达影像与光学影像相结合,能够实现区域土壤

    一种基于极限学习机的土壤湿度预测方法

    公开(公告)号:CN115730511A

    公开(公告)日:2023-03-03

    申请号:CN202211328245.8

    申请日:2022-10-27

    Abstract: 本发明公开了一种基于极限学习机的土壤湿度预测方法,包括输入数据,对数据进行预处理,将数据集划分为训练集和测试集;确定极限学习机神经网络的拓扑结构为层次型,层次型模型将神经网络分为输入层、隐含层和输出层,各层顺序连接,分别设置输入层、隐含层和输出层神经元的个数;对极限学习机神经网络进行初始化,随机产生输入层与隐含层间的连接权值及隐含层神经元的阈值;选择一个无限可微的函数作为隐含层的激活函数,计算得到隐含层输出矩阵;通过最小二乘法计算出隐含层和输出层间的连接权值;将获得的参数和测试数据样本输入极限学习机预测模型得到预测结果,对模型的预测性能进行评价。本发明有效地预测土壤湿度,预测精度较高。

    一种城市热环境降尺度时空分析与预测方法及系统

    公开(公告)号:CN115270638A

    公开(公告)日:2022-11-01

    申请号:CN202210963085.8

    申请日:2022-08-11

    Abstract: 本发明涉及一种城市热环境降尺度时空分析与预测方法及系统,系统包括:获取待测目标空间的影像数据集,并对影像数据集进行数据预处理,得到待测数据集;将待测数据集输入至训练好的预测模型,得到地表温度预测数据;对地表温度预测数据进行空间纹理细化,得到降尺度预测信息;降尺度预测信息用于反映城市热岛强度和时空分布;预测模型的确定方法包括:根据地表温度和影响因子数据构建样本数据集;影响因子数据包括植被归一化指数、相对湿度、太阳辐射、大气压强、降水量和气温;构建CNN‑LSTM预测模型;根据样本数据集对CNN‑LSTM预测模型进行训练和验证,得到训练好的预测模型。本发明能够提高训练模型的全面性,从而对地表温度进行高精度的预测分析。

Patent Agency Ranking