公开(公告)号：CN118866149A

公开(公告)日：2024-10-29

申请号：CN202410809687.7

申请日：2024-06-21

Applicant: 南京师范大学

Inventor： 刘全兴 ,  杨沛琦 ,  韩大磊 ,  张润飞 ,  刘婧

IPC: G16C20/30 ,  G01N21/55 ,  G01N21/25 ,  G16C20/10

Abstract: 本发明公开了一种顾及环境与生理变化的植被动态反射率光谱方法，包括以下步骤：(1)建立外部环境条件与植被叶片光合作用效率Φp和植被潜在最大光合作用效率Φpmax的模型；(2)建立植被实际光合作用效率Φp与植被实际非光化学淬灭ΦN的经验关系；(3)建立植被实际非光化学淬灭ΦN与植被叶黄素循环状态参数Cx之间的经验关系；(4)根据植被的叶黄素循环状态，计算植被叶黄素吸收系数；(5)通过模拟入射光在叶片中的辐射传输过程，模拟不同叶黄素循环状态下的植被叶片的反射动态光谱；本发明可以更好的将植被生理与遥感能探测到的植被反射率结合起来，具有重要的应用价值。

公开(公告)号：CN118135212A

公开(公告)日：2024-06-04

申请号：CN202410156227.9

申请日：2024-02-04

Applicant: 南京师范大学

Inventor： 何志鹏 ,  刘婧 ,  刘思娅 ,  郑鑫 ,  杨沛琦

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/80 ,  G06V10/764 ,  G06V10/44 ,  G06V10/82

Abstract: 本发明公开了基于局部和长距离上下文信息的大规模点云语义分割方法，包括：(1)将输入的点云数据分割为多个局部区域；(2)通过双编码器模块对每个局部区域进行处理；(3)将局部邻域特征和长距离上下文信息进行融合，得到点云的局部特征；(4)将多个局部特征输入到梯度注意力池模块，得到点云的全局特征；(5)将点云的全局特征输入到分类器，得到点云的分类结果；(6)将点云分类结果输入到预测抖动模块，得到最终的点云分类结果；(7)对点云语义分割网络进行迭代训练，得到训练好的点云语义分割网络；(8)对测试点云数据集进行推理，得到点云数据的预测结果。本发明能够提高点云语义分割的准确性和鲁棒性。

公开(公告)号：CN118570023A

公开(公告)日：2024-08-30

申请号：CN202410686415.2

申请日：2024-05-30

Applicant: 南京师范大学

Inventor： 郑鑫 ,  刘婧 ,  何志鹏 ,  杨沛琦 ,  俞肇元 ,  袁林旺

IPC: G06Q50/08 ,  G06Q50/06 ,  G06T17/20 ,  G06T15/50 ,  G06V10/764 ,  G06V10/82 ,  G06F30/13

Abstract: 本发明公开了一种基于机载点云数据的大范围建筑光伏潜力计算方法，包括如下步骤：通过机载激光雷达获得城市区域的三维点云数据；利用公开带有标注的城市区域三维点云数据和需要分类的三维点云数据进行无监督域适应训练；使用训练好的深度学习模型对需要分类的三维点云数据执行前向推理获得点云数据的分类结果；根据语义分割结果提取建筑物类别点云，通过条件欧式聚类得到单个建筑物点云数据，对单个建筑物点云数据进行三维重建得到建筑物三维模型；根据区域的建筑物三维模型和附近的天气数据进行辐射模拟，根据太阳辐射值，获得每个建筑物的光伏潜力。本发明能够解决目前利用二维光栅数据计算城市光伏潜力时，不能估计建筑物立面等垂直表面的辐射以及计算结果不够准确的问题。

公开(公告)号：CN119741597A

公开(公告)日：2025-04-01

申请号：CN202411672312.7

申请日：2024-11-21

Applicant: 南京师范大学

Inventor： 刘婧 ,  刘思娅 ,  杨沛琦 ,  郑鑫 ,  韩大磊 ,  巩云霄

IPC: G06V20/10 ,  G01S17/06 ,  G01S17/88 ,  G01S7/497 ,  G06V10/776 ,  G06T7/11 ,  G06T7/33 ,  G06V10/764

Abstract: 本发明公开了一种基于地基激光点云数据的山地森林叶面积指数反演方法，包括如下步骤：步骤1、使用地基激光雷达设置多站采集山地森林区域密集激光点云数据；步骤2、点云数据配准、裁剪、地面点滤波、高度归一化预处理；步骤3、点云体素化，通过统计碰撞概率计算有效叶面积指数eLAI；步骤4、校正聚集效应，通过Pielou分隔指数法PCS估算冠层聚集指数，校正有效叶面积指数eLAI得到叶面积指数LAI；步骤5、在不同森林场景中进行验证。本发明同时考虑了地形起伏和聚集效应对山地森林叶面积指数估算的影响，在不同植被结构和不同地形条件的场景下均能保持较高精度，相对于传统反演方法具有更好的泛用性和更高的反演精度。

公开(公告)号：CN119649227A

公开(公告)日：2025-03-18

申请号：CN202411672302.3

申请日：2024-11-21

Applicant: 南京师范大学

Inventor： 刘婧 ,  吴淑琦 ,  杨沛琦 ,  李龙

IPC: G06V20/13 ,  G06V20/10 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774 ,  G06V10/776 ,  G06N20/20

Abstract: 本发明公开了一种基于星载激光波形垂直结构复杂性的人工林遥感提取方法，包括如下步骤：步骤1、获取森林区域的星载全波形激光雷达GEDI的L1B地理定位波形、L2A光斑尺度全球地表高度和植被高度以及L2B光斑尺度全球树冠覆盖和垂直剖面指标产品数据；步骤2、对获取到的数据进行预处理操作，得到区域内高质量星载激光雷达光斑；步骤3、进行特征提取，从L1B地理定位波形数据中计算单个光斑回波波形的信息熵，邻近光斑的波形相似度，从L2B光斑尺度全球树冠覆盖和垂直剖面指标中提取冠层覆盖度、叶片高度多样性指数，构建L2A光斑尺度全球地表高度和植被高度数据中高度百分位数的线性模型，并计算线性模型的斜率作为特征；步骤4、输入以上5个特征，采用随机森林模型进行人工林和天然林的分类提取；步骤5、评估人工林提取精度以及特征重要性。本发明通过星载激光雷达的波形信息，获取森林的多个垂直结构特征，结合随机森林模型提取人工林林分，能够充分利用森林区域星载激光波形的垂直结构特征区别人工林与天然林。