-
公开(公告)号：CN118733693A
公开(公告)日：2024-10-01
申请号：CN202410802039.9
申请日：2024-06-20
Applicant: 安徽大学 , 安徽气象信息有限公司 , 安徽省气象科学研究所(安徽省生态气象和卫星遥感中心、安徽省农业气象中心)
IPC: G06F16/29 , G06F18/214 , G06F18/22
Abstract: 本发明属于人工智能应用技术领域，具体涉及一种卫星遥感反演近地面PM2.5瞬时浓度的估算方法，步骤如下：数据预处理与数据匹配，匹配负责实现时空匹配、数据转换、数据裁切、多源数据融合；模型训练与图集输出，负责实现模型构建、模型训练、数据与图集输出。本发明通过Python编程语言，对多年日间小时级遥感大数据做清洗；基于LGBM机器学习模型，输出缺失时空数值与可视化图集；搭建一套完整的针对FY‑4A AGRI传感器所产L1级通道数据的近地面PM2.5瞬时浓度反演系统。为相关环境监测部门更全面、直观的掌握具体区域的近地面PM2.5时空变迁状态提供支持。
-
Patent Agency Ranking
公开(公告)号：CN120064566A
公开(公告)日：2025-05-30
申请号：CN202510095290.0
申请日：2025-01-21
Applicant: 安徽省气象科学研究所(安徽省生态气象和卫星遥感中心、安徽省农业气象中心)
IPC: G01N33/00
Abstract: 本发明公开了一种大气污染变化趋势的校正方法，包括：获取预定时间长度内的大气环境的大气污染物数据和对应的气象数据；对所述大气污染物数据和对应的所述气象数据进行梯度封装，并获得各梯度内大气污染物数据的变化；对于由所述气象数据引起的所述大气污染物数据的变化的情况进行所有梯度求和再平均处理，获得基于气象数据校正后的大气污染物数据的变化情况，以实现大气污染变化趋势的校正。本发明的实现能够有效地对大气污染物数据变化趋势进行校正，以获得准确的大气污染物数据变化趋势；从而为大气环境的研究提供了更为准确可靠的数据支持，有效解决了现有技术存在的问题。
-
公开(公告)号：CN120064167A
公开(公告)日：2025-05-30
申请号：CN202510095289.8
申请日：2025-01-21
Applicant: 安徽省气象科学研究所(安徽省生态气象和卫星遥感中心、安徽省农业气象中心)
Abstract: 本发明公开了一种空气质量评估方法，包括：获取待评估区域的高光谱卫星数据和气象数据，并对所述高光谱卫星数据和气象数据进行痕量气体羽流结构的获取；基于所述痕量气体羽流结构确定痕量气体线密度；拟合所述痕量气体线密度和构建的传输扩散模型获取传输扩散模型参数信息，并构建完成传输扩散模型；基于构建完成的所述传输扩散模型进行痕量气体有效排放量和有效寿命的估算。本发明的实现可以基于高光谱卫星的数据采集对大气痕量气体排放量进行实时有效的监测，实现对大气环境的大范围的全局观测评估，以便评估热点地区和热点事件导致的污染排放能够及时获得相应的即时数据。
-
公开(公告)号：CN118968171A
公开(公告)日：2024-11-15
申请号：CN202411056523.8
申请日：2024-08-02
Applicant: 安徽大学 , 安徽省气象科学研究所(安徽省生态气象和卫星遥感中心、安徽省农业气象中心)
IPC: G06V10/764 , G06V20/10 , G06V10/26 , G06V10/42 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了顾及全局一致性和边缘特异性的遥感影像农作物分类方法，涉及图像处理技术领域，本发明利用频谱域特征学习提升深度学习网络对作物复杂特征的捕捉能力，采用傅里叶变换策略和自适应的动态滤波器构建AFSF模块，设计一种基于傅里叶频谱域学习的卷积神经网络FSEU‑Net，方法包括：高时间分辨率遥感影像的获取及预处理，农作物样本集制作，训练卷积神经网络模型，自适应动态滤波模块，模型测试并实现农作物分类结果输出。本发明提升了不同农作物类间差异与缩小相同作物类内差异，增强农作物间的可分离度，提高模型的性能，为全球土地面积的智能化农业生产准确统计提供一种有效的技术支撑。
-
公开(公告)号：CN118584558A
公开(公告)日：2024-09-03
申请号：CN202410695523.6
申请日：2024-05-31
Applicant: 安徽省气象科学研究所(安徽省生态气象和卫星遥感中心、安徽省农业气象中心)
IPC: G01W1/10
Abstract: 本发明提供一种数值预报模式近地面气温降尺度方法，包括收集数值预报模式历史近地面气温预测值、气象观测站近地面气温实测值、ASTER高空间分辨率高程和Landsat归一化植被指数。假定数值预报模式近地面气温预测值与气象站观测值之差由数值预报模式格点与观测站点的高程和归一化植被指数差异引起的，且模式近地面气温误差随经度、纬度和季节变化。因此，可以利用数值预报模式近地面气温、高程、归一化植被指数、纬度、经度和时间信息来估算气象观测站所在位置的近地面气温。在此基础上，推导出数值预报模式近地面气温降尺度模型。实现模式近地面气温空间分辨率的提升。本发明可以获取比数值预报模式更准确、精细的近地面气温空间分布。
-
公开(公告)号：CN116012713A
公开(公告)日：2023-04-25
申请号：CN202310028513.2
申请日：2023-01-09
Applicant: 安徽大学 , 安徽省气象科学研究所(安徽省生态气象和卫星遥感中心、安徽省农业气象中心)
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06V10/46 , G06N3/08 , G06N3/0464 , G06N3/0455
Abstract: 本发明属于农业信息化技术领域，具体涉及一种基于多源卫星遥感数据的作物种植信息监测方法，该方法包括步骤：多空间分辨率遥感卫星影像整合；识别目标注意力强弱评估与排序；基于全连接神经网络的特征提取；基于密集连接的特征融合；设计编码‑解码结构，编码特征，最终解码并网络输出作物三七黑色遮荫棚分析结果；本发明研究基于引入密集连接的全卷积神经网络的遥感影像地物边界提取的深度学习模型，设计作物三七黑色遮荫棚多特征的特征抽取、分析能力，通过密集注意力机制进一步增强作物三七黑色遮荫棚的特征传递和累积整合特性，通过自动学习和挖掘，实现顾及作物三七黑色遮荫棚多层次特征的多源卫星遥感作物黑棚自动提取新方法。
-
-
-
-
-
Search Results
6
records
(took 0.043 seconds)
