-
公开(公告)号：CN117370711A
公开(公告)日：2024-01-09
申请号：CN202311450040.1
申请日：2023-10-31
Applicant: 武汉大学
Abstract: 本发明公开了一种基于ET‑ESF算法的森林覆盖区雪水当量估算方法，包括以下步骤：步骤1、相关影响因子与雪水当量的数据处理；步骤2、获取监测站点各处相关影响因子值与雪水当量值；步骤3、筛选相关影响因子；步骤4、构建空间邻接矩阵；步骤5、计算特征值和特征向量；步骤6、前向选择筛选显著特征向量；步骤7、10折交叉验证；步骤8、独立验证。本发明针对建模过程中各变量存在的空间效应问题，采用特征向量空间滤值方法，将选取的含有空间信息的特征向量加入到模型中，有效消除空间异质性和空间自相关性的影响，提高雪水当量估算模型的精度，比较准确地估算森林覆盖区的雪水当量。
-
公开(公告)号：CN117172134B
公开(公告)日：2024-01-16
申请号：CN202311352195.1
申请日：2023-10-19
Applicant: 武汉大学
IPC: G06F30/27 , G06N3/0464 , G06N3/084 , G06V10/80
Abstract: 本发明提供一种基于融合地形特征的月表多尺度DEM建模方法及系统，属于地形测绘技术领域，包括：获取月表南极LOLA DEM数据和LROC NAC DEM数据，确定多个高分辨率DEM数据集和多个低分辨率DEM数据集；将残差融合卷积神经网络应用于DEM精细建模，得到多级分辨率DEM模型；利用地形特征结合神经网络重构高分辨率DEM，构造地形特征相关损失函数，进而重建出月球南极高精度大范围任意尺度精细DEM。本发明采用深度学习方法进行训练样本集制作，逐级对月球南极DEM数据进行精细建模，利用残差融合神经网络对空间特征进行有效提取和整合，并支持任意尺度超分辨率重建，为月球南极DEM精细(56)对比文件Guodong Chen 等.An Enhanced ResidualFeature Fusion Network Integrated with aTerrainWeight Module for DigitalElevation Model Super-Resolution《.remotesensing》.2023,1-21.Hesheng Chen 等.基于卷积神经网络的地形因子降尺度方法研究《.中国优秀硕士学位论文全文数据库 工程科技II辑》.2022,C028-170.Annan Zhou 等.A multi-terrainfeature-based deep convolutional neuralnetwork for constructing super-resolutionDEMs 《.ELSEVIER》.2023,1-16.邸凯昌;刘斌;刘召芹;邹永廖.月球遥感制图回顾与展望.遥感学报.2016,(05),1230-1242.黄泽群;李超群;吴欢;姜璐璐;男顶;汤秋鸿;王爱慧;赵世湖;Dai YAMAZAKI.基于MERITDEM 和DRT升尺度化算法的多分辨率全国河网数据集构建.地理与地理信息科学.2020,(03),1-9.谢洪亮.基于卷积神经网络的数字高程分辨率提高方法.地理空间信息.2020,(01),28-32.邓志鹏;孙浩;雷琳;周石琳;邹焕新.基于多尺度形变特征卷积网络的高分辨率遥感影像目标检测.测绘学报.2018,(09),485-495.李春来;刘建军;任鑫;严韦;左维;牟伶俐;张洪波;苏彦;温卫斌;谭旭;张晓霞;王文睿;付强;耿良;张广良;赵葆常;杨建峰;欧阳自远.基于嫦娥二号立体影像的全月高精度地形重建.武汉大学学报(信息科学版).2018,(04),1216-1227.
-
Patent Agency Ranking
公开(公告)号：CN117172134A
公开(公告)日：2023-12-05
申请号：CN202311352195.1
申请日：2023-10-19
Applicant: 武汉大学
IPC: G06F30/27 , G06N3/0464 , G06N3/084 , G06V10/80
Abstract: 本发明提供一种基于融合地形特征的月表多尺度DEM建模方法及系统，属于地形测绘技术领域，包括：获取月表南极LOLA DEM数据和LROC NAC DEM数据，确定多个高分辨率DEM数据集和多个低分辨率DEM数据集；将残差融合卷积神经网络应用于DEM精细建模，得到多级分辨率DEM模型；利用地形特征结合神经网络重构高分辨率DEM，构造地形特征相关损失函数，进而重建出月球南极高精度大范围任意尺度精细DEM。本发明采用深度学习方法进行训练样本集制作，逐级对月球南极DEM数据进行精细建模，利用残差融合神经网络对空间特征进行有效提取和整合，并支持任意尺度超分辨率重建，为月球南极DEM精细建模提供新思路。
-
公开(公告)号：CN117518165A
公开(公告)日：2024-02-06
申请号：CN202311419381.2
申请日：2023-10-30
Applicant: 武汉大学
Abstract: 本发明提供一种多基线时序InSAR精细尺度DEM生成方法及系统，利用空间ICA技术将信号进行分离，并直接将大气和噪声去除，减弱大气和噪声的干扰；利用多项式拟合去除相位观测值中的基线误差，获取准确的差分干涉相位；综合线性形变，周期形变和环境因素的影响，构建差分干涉相位与地形和形变之间的时序InSAR物理模型，获取准确的地形和形变参数，实现精细尺度DEM的生成。本发明提出的基于ICA分离联合多基线误差校正时序InSAR环境建模方案，能够为大面积精细尺度DEM的生成提供重要参考。
-
公开(公告)号：CN118447388A
公开(公告)日：2024-08-06
申请号：CN202410445124.4
申请日：2024-04-15
Applicant: 武汉大学
Abstract: 本申请公开了森林碳储量遥感预测方法、装置。本方法考虑了森林碳储量与遥感植被指数、年度物候指标、年度影像统计值、地形特征指标、植被特征数据间的复杂的非线性关系，同时考虑空间效应的影响并将其以空间特征向量的形式加到机器学习模型中，能够更加准确地构建森林碳储量模型，从而提高森林碳储量预测的精度。
-
公开(公告)号：CN117522738A
公开(公告)日：2024-02-06
申请号：CN202311565309.0
申请日：2023-11-21
Applicant: 武汉大学
Abstract: 本发明提供一种基于光学遥感影像和SAR影像的图像去云方法及系统，包括：设计异源特征协同卷积模块，同时考虑不同程度的云雾遮盖和云阴影的影响，通过采用的空间域的云‑云阴影自注意力模块，有效地提高了光学SAR影像融合去云结果的精度，解决了传统卷积神经网络在光学SAR影像融合去云任务中生成结果模糊，云区中心位置恢复结果失真等问题；在网络的高维特征部分，引入了Transformer模块学习全局特征和全局信息，为光学SAR影像融合去云生成高保真度的光学影像提供了解决方案。
-
公开(公告)号：CN116992230A
公开(公告)日：2023-11-03
申请号：CN202310873132.4
申请日：2023-07-14
Applicant: 武汉大学
IPC: G06F18/20 , G01N15/06 , G06F18/15 , G06F18/213 , G06F18/214 , G06F18/21
Abstract: 本发明公开了一种顾及交互特征的PM2.5浓度估算方法，包括：获取地面PM2.5浓度监控站点数据；获得影响因子的日/月尺度数据；将监测站点与影响因子进行空间连接；提取站点的空间特征向量；构建站点时间维特征；将影响因子与空间特征向量结合构成空间交互特征；根据重要性对空间交互特征进行筛选得到筛选后的交互特征；将上述特征按照站点和日期对应组合为日平均PM2.5浓度与特征数据集；将特征数据集作为模型输入特征，步骤8中的日平均PM2.5浓度作为因变量，构建ST‑LightGBM模型；将输入特征输入到ST‑LightGBM模型中，得到研究区内连续PM2.5浓度图；对ST‑LightGBM模型进行精度评价。本发明解决了现有模型缺乏时空特征描述以及经典模型缺乏非线性关系描述能力的问题，实现了日均PM2.5浓度制图。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
