-
公开(公告)号：CN118931943A
公开(公告)日：2024-11-12
申请号：CN202411137514.1
申请日：2024-08-19
Applicant: 华中农业大学 , 湖北省林业科学研究院
IPC: C12N15/82 , C12N15/29 , C07K14/415 , A01H5/00 , A01H6/00
Abstract: 本申请涉及植物基因工程技术领域，具体涉及PtNLP11基因在提高杨树低氮胁迫抗性中的应用。本申请通过实验证实，超表达处于低氮胁迫状态下的杨树植株的PtNLP11基因，可以促进杨树植株的氮营养调控，激活其逆境响应，调节植株根系发育和营养吸收，从而获得氮素贫瘠条件下仍然具有较快生长发育速度和较多生物量积累的优良杨树品种。本申请确认了PtNLP11基因在提高杨树低氮胁迫抗性方面具有潜在的应用价值，为选育氮素利用率高的杨树良种提供理论支撑，同时，对于定向培育人工用材林，提高杨树木材产量和品质具有重要的理论和实际意义。
-
公开(公告)号：CN112183451B
公开(公告)日：2024-03-26
申请号：CN202011103617.8
申请日：2020-10-15
Applicant: 华中农业大学
IPC: G06V20/13 , G06V10/762 , G06V10/774 , G06N20/20
Abstract: 本发明涉及一种城市热岛强度的量化方法、系统、存储介质及设备，其方法包括获取目标区域的遥感影像信息并进行预处理；对预处理后的遥感影像信息进行反演计算，获取地表温度信息；根据地表温度信息对目标区域进行局部空间自相关分析；计算局部空间的相对城市热岛强度并进行ward最小方差聚类分析，确定局部空间的城市热岛强度等级。本发明通过对遥感影像进行预处理和反演计算，得到地表温度信息，并进行局部空间自相关分析，得到局部空间目标类型的地表温度信息的平均值，进而准确计算出局部空间的相对城市热岛强度及城市热岛强度等级，极大地克服了现有方法难以忽略的方法应用限制和地表温度会受周围环境的影响等问题，量化结果精确，使用范围更广。
-
公开(公告)号：CN113033520B
公开(公告)日：2021-08-13
申请号：CN202110569852.2
申请日：2021-05-25
Applicant: 华中农业大学
Abstract: 本发明涉及一种基于深度学习的树木线虫病害木识别方法及系统,其方法包括采集树木线虫病害区域的影像信息，对影像信息中的病害木位点进行标记并形成标记点；基于标记点构建以病害木位点为中心的二维高斯空间置信图；构建多尺度空间注意力卷积神经网络模型，并利用二维高斯空间置信图结合深度学习算法对多尺度空间注意力卷积神经网络模型进行训练；利用训练后的多尺度空间注意力卷积神经网络模型对目标区域树木线虫病害进行预测识别，得到病害预测结果。本发明可提高目标识别的准确性，通过多尺度空间注意力卷积神经网络模型融合不同感受野下的特征图，将多分辨率的深度信息整合到常规空间语义中，提升模型对于病害木与周围关系的学习和识别能力。
-
公开(公告)号：CN111814666A
公开(公告)日：2020-10-23
申请号：CN202010647602.1
申请日：2020-07-07
Applicant: 华中农业大学
Abstract: 本发明涉及一种复杂林分下的单木参数提取方法、系统、介质及设备，其方法包括利用激光雷达获取目标单木的树干点云，并在垂直方向进行不同尺度的分层处理；对每种尺度分层处理后的每一层树干点云分别进行云聚类处理，得到对应的要素类别点云，并针对每类要素类别点云筛选出对应层符合树干特征的目标树干点云；将同一尺度对应的不同层的所有目标树干点云进行融合，再将不同尺度对应的所有目标树干点云进行融合，得到目标单木的单木参数信息。本发明实现对林分空间结构进行量化分析，在样地水平上描述林木在水平结构的分布以及垂直结构的分布，不受树种类型和人为主观经验影响，不受地域限制，能准确获取复杂林分下的单木参数信息提取精度较高。
-
公开(公告)号：CN104851113B
公开(公告)日：2017-11-03
申请号：CN201510186167.6
申请日：2015-04-17
Abstract: 本发明公开了一种多分辨率遥感影像的城市植被自动提取方法，包括基于高空间分辨率的多光谱影像植被初始斑块提取、对高空间分辨率的多光谱影像计算视觉感知参数、对高空间分辨率的全色波段影像计算纹理特征参数、多特征综合的植被区域自动增长，获得植被区域分布图等步骤。采用了图像分块分割处理，加快图像处理速度。根据NDVI特征，采用最大数学期望算法自适应的动态阈值的自动选择。将遥感影像的全色波段、多光谱波段充分利用，对从全色波段与多光谱波段中提取的NDVI特征、视觉特征、纹理特征综合，对植被进行植被区域判断，提高了准确性。
-
Patent Agency Ranking
公开(公告)号：CN104483663A
公开(公告)日：2015-04-01
申请号：CN201410827642.9
申请日：2014-12-25
Abstract: 本发明公开了一种高光谱遥感影像大气校正方法及系统，包括步骤：步骤1，根据卫星信号获得暗目标蓝波段和红波段的地表反射率和观测表观反射率；步骤2，基于卫星信号反演气溶胶模式；步骤3，基于卫星信号和当前大气气溶胶模式反演水汽含量；步骤4，采用反演获得的当前大气气溶胶模式和当前水汽含量对遥感影像进行大气校正。本发明针对不同区域的特点建立相适应的气溶胶模式，在大气校正前先反演气溶胶模式，从而提高大气纠正的准确性；本发明综合考虑了水汽含量与气溶胶间的相互影响，对气溶胶光学厚度与水汽含量进行协同反演，可进一步消除气溶胶光学厚度与水汽含量间的相互影响。
-
公开(公告)号：CN113849773B
公开(公告)日：2024-10-01
申请号：CN202111149015.0
申请日：2021-09-29
Applicant: 华中农业大学
IPC: G06F17/18
Abstract: 本发明涉及一种量化气溶胶光学厚度与景观指数之间相互关系的方法及系统，其方法包括获取目标区域的气溶胶光学厚度和土地覆盖类型数据信息，并进行预处理；计算预先选定的目标景观指数；分别计算目标景观指数与气溶胶光学厚度的空间自相关性，并在二者均具有显著的空间自相关特征时采用空间回归模型进行分析，得到气溶胶光学厚度与景观指数之间的相互关系。通过在目标景观指数与气溶胶光学厚度均具有显著的空间自相关特征时采用空间回归模型进行分析，克服了传统OLS线性回归模型在量化气溶胶光学厚度与景观指数之间相互关系对样本独立性的限制，将空间自相关性考虑到回归模型中，更加准确地量化气溶胶光学厚度与景观指数之间的相互关系。
-
公开(公告)号：CN113033520A
公开(公告)日：2021-06-25
申请号：CN202110569852.2
申请日：2021-05-25
Applicant: 华中农业大学
Abstract: 本发明涉及一种基于深度学习的树木线虫病害木识别方法及系统,其方法包括采集树木线虫病害区域的影像信息，对影像信息中的病害木位点进行标记并形成标记点；基于标记点构建以病害木位点为中心的二维高斯空间置信图；构建多尺度空间注意力卷积神经网络模型，并利用二维高斯空间置信图结合深度学习算法对多尺度空间注意力卷积神经网络模型进行训练；利用训练后的多尺度空间注意力卷积神经网络模型对目标区域树木线虫病害进行预测识别，得到病害预测结果。本发明可提高目标识别的准确性，通过多尺度空间注意力卷积神经网络模型融合不同感受野下的特征图，将多分辨率的深度信息整合到常规空间语义中，提升模型对于病害木与周围关系的学习和识别能力。
-
公开(公告)号：CN104483663B
公开(公告)日：2017-01-04
申请号：CN201410827642.9
申请日：2014-12-25
CPC classification number: Y02A90/19
Abstract: 本发明公开了一种高光谱遥感影像大气校正方法及系统，包括步骤：步骤1，根据卫星信号获得暗目标蓝波段和红波段的地表反射率和观测表观反射率；步骤2，基于卫星信号反演气溶胶模式；步骤3，基于卫星信号和当前大气气溶胶模式反演水汽含量；步骤4，采用反演获得的当前大气气溶胶模式和当前水汽含量对遥感影像进行大气校正。本发明针对不同区域的特点建立相适应的气溶胶模式，在大气校正前先反演气溶胶模式，从而提高大气纠正的准确性；本发明综合考虑了水汽含量与气溶胶间的相互影响，对气溶胶光学厚度与水汽含量进行协同反演，可进一步消除气溶胶光学厚度与水汽含量间的相互影响。
-
公开(公告)号：CN104851087A
公开(公告)日：2015-08-19
申请号：CN201510186166.1
申请日：2015-04-17
Applicant: 华中农业大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/10032
Abstract: 本发明公开了一种多尺度森林动态变化监测方法，包括：遥感影像几何校正与配准；利用一年内不同季节的1KM分辨率的MODIS时间序列NDVI数据，获得1KM分辨率的土地覆盖类型图；利用多年1KM分辨率的土地覆盖图，生成粗尺度土地覆盖变化图；利用粗尺度土地覆盖变化类型图建立粗尺度森林植被变化掩模文件；根据粗尺度森林植被变化掩模文件，在30m分辨率TM影像上构建森林植被特征指数；粗尺度土地覆盖变化图与时间序列的森林特征指数相结合的森林动态变化信息提取。本发明提供的方法利用不同空间分辨率的时间序列遥感数据，可对大面积区域实现从粗尺度土地覆盖到精尺度森林变化的逐级细化的森林动态监测，不仅能提供监测效率，而且还能提高监测准确性。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.036 seconds)
