-
公开(公告)号：CN118446032B
公开(公告)日：2024-08-30
申请号：CN202410905791.6
申请日：2024-07-08
Applicant: 西南林业大学
Abstract: 本发明涉及森林地上生物量估测技术领域，公开了一种样地尺度森林地上生物量精准估测方法及系统，该方法包括：选择目标树种的采伐样木并进行解析，获得单木各组分生物量分布数据；建立各组分生物量水平分布权重模型；基于目标树种的单木地上生物量相容性异速生长模型，组合构建单木地上生物量水平分布模型；将目标区域分割为栅格网络，计算栅格网络中每个网格内的生物量，获得森林地上生物量的估计值和分布情况。本发明通过搭建单木地上生物量水平分布模型来对样地内森林地上生物量的估计值及其具体分布情况进行精准估测，不仅可以有效降低了样地尺度森林生物量估测的不确定性，提高估测精度，还能直观地展示出森林地上生物量的分布情况。
-
公开(公告)号：CN117077547A
公开(公告)日：2023-11-17
申请号：CN202311331655.2
申请日：2023-10-16
Applicant: 西南林业大学
Abstract: 本发明涉及生物量估测技术领域，公开了一种森林地上生物量估计方法及系统，该方法包括：使用相干散射模型RVoG三阶段方法反演得到森林冠层高度和消光系数，计算复相干的相位中心高度和相干分离度；基于微波穿透深度理论计算体散射复相干的穿透深度，计算穿透补偿后的RVoG模型森林高度和穿透深度比；根据InSAR几何关系计算垂直波数、2π模糊高度、基线参数；采用交叉验证递归特征消除法降低自变量维度；使用全局最优粒子群算法优化支持向量机回归模型参数，基于交叉验证递归特征消除法选择自变量特征估计森林地上生物量。本发明通过集成PolInSAR多维度参数和优化的机器学习方法有效的提高了森林生物量估计精度。
-
公开(公告)号：CN118503324B
公开(公告)日：2024-09-13
申请号：CN202410964581.4
申请日：2024-07-18
Applicant: 西南林业大学
IPC: G06F16/26 , G06F16/29 , G06F18/2113 , G06F18/243 , G06N20/20 , G06Q50/02
Abstract: 本发明涉及森林地上生物量估测技术领域，公开了一种整合Meta分析提高Landsat数据在大尺度森林生物量估计效率的方法，从已经公开发表经过同行评议的出版物中获取了基于全球森林样地得到的估计结果，增加了样本的数量，扩大了取得样本的地理范围及样本量，使基于meta分析方法得到的结果比以往基于有限样地的方法更具普适性。在估计变量的选择上使用随机森林算法进行变量的选择，受估计数据异常值的影响较小，保证了得到变量的强健性。在估计数据的选择上使用的是在相关研究中广泛使用的开源数据，从而降低了数据使用的成本。能够稳定、高效、低成本地进行大范围的森林地上生物量估计，进而为地区的碳汇政策制定提供准确的数据支持。
-
公开(公告)号：CN118503324A
公开(公告)日：2024-08-16
申请号：CN202410964581.4
申请日：2024-07-18
Applicant: 西南林业大学
IPC: G06F16/26 , G06F16/29 , G06F18/2113 , G06F18/243 , G06N20/20 , G06Q50/02
Abstract: 本发明涉及森林地上生物量估测技术领域，公开了一种整合Meta分析提高Landsat数据在大尺度森林生物量估计效率的方法，从已经公开发表经过同行评议的出版物中获取了基于全球森林样地得到的估计结果，增加了样本的数量，扩大了取得样本的地理范围及样本量，使基于meta分析方法得到的结果比以往基于有限样地的方法更具普适性。在估计变量的选择上使用随机森林算法进行变量的选择，受估计数据异常值的影响较小，保证了得到变量的强健性。在估计数据的选择上使用的是在相关研究中广泛使用的开源数据，从而降低了数据使用的成本。能够稳定、高效、低成本地进行大范围的森林地上生物量估计，进而为地区的碳汇政策制定提供准确的数据支持。
-
公开(公告)号：CN118446032A
公开(公告)日：2024-08-06
申请号：CN202410905791.6
申请日：2024-07-08
Applicant: 西南林业大学
Abstract: 本发明涉及森林地上生物量估测技术领域，公开了一种样地尺度森林地上生物量精准估测方法及系统，该方法包括：选择目标树种的采伐样木并进行解析，获得单木各组分生物量分布数据；建立各组分生物量水平分布权重模型；基于目标树种的单木地上生物量相容性异速生长模型，组合构建单木地上生物量水平分布模型；将目标区域分割为栅格网络，计算栅格网络中每个网格内的生物量，获得森林地上生物量的估计值和分布情况。本发明通过搭建单木地上生物量水平分布模型来对样地内森林地上生物量的估计值及其具体分布情况进行精准估测，不仅可以有效降低了样地尺度森林生物量估测的不确定性，提高估测精度，还能直观地展示出森林地上生物量的分布情况。
-
Patent Agency Ranking
公开(公告)号：CN117951415B
公开(公告)日：2024-07-26
申请号：CN202311749556.6
申请日：2023-12-19
Applicant: 西南林业大学
Abstract: 本发明涉及检测相关技术领域。本发明公开一种生物量估测方法、装置、电子设备及存储介质。方法包括获取调查样地的林分地上组分的林分数据；根据所述林分数据，计算生物量比值；基于生物量相容性模型，根据调查样地中林分的木材生物量以及所述生物量比值计算林分中各组分的生物量；和/或基于生物量相容性模型，根据所述生物量比值计算林分中各组分的生物量因子。本发明通过使用生物量比值，从而能够简单、方便、准确的推导出生物量和/或生物量因子。
-
公开(公告)号：CN117951415A
公开(公告)日：2024-04-30
申请号：CN202311749556.6
申请日：2023-12-19
Applicant: 西南林业大学
Abstract: 本发明涉及检测相关技术领域。本发明公开一种生物量估测方法、装置、电子设备及存储介质。方法包括获取调查样地的林分地上组分的林分数据；根据所述林分数据，计算生物量比值；基于生物量相容性模型，根据调查样地中林分的木材生物量以及所述生物量比值计算林分中各组分的生物量；和/或基于生物量相容性模型，根据所述生物量比值计算林分中各组分的生物量因子。本发明通过使用生物量比值，从而能够简单、方便、准确的推导出生物量和/或生物量因子。
-
公开(公告)号：CN117274803A
公开(公告)日：2023-12-22
申请号：CN202311213541.8
申请日：2023-09-20
Applicant: 西南林业大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06V10/77 , G06N3/0464
Abstract: 本发明公开了一种基于DSC‑DC卷积神经网络的树种分类方法及系统，该方法包括：采集目标区域的高光谱影像，并对所述高光谱影像进行预处理；建立包含1个输入层、由第1层、第3层、第5层和第8层为可分离卷积层以及第2层、第4层和第7层为深度卷积层，共同构建的7个卷积层、由第6层和第9层为池化层，共同构建的2个池化层、1个展平层、2个全连接层、1个随机失活层和1个输出层的DSC‑DC分类模型；将预处理后的高光谱影像输入建立的DSC‑DC分类模型中，获得输出的树种分类结果。本发明通过结合深度可分离卷积和扩张卷积，能够在多树种小样本情况下，提高分类准确性的同时提高了计算效率，为树种分类领域的实际应用提供了一种有力的解决方案。
-
公开(公告)号：CN119992330A
公开(公告)日：2025-05-13
申请号：CN202510079654.6
申请日：2025-01-18
Applicant: 西南林业大学
IPC: G06V20/10 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0985 , G06N3/084
Abstract: 本发明公开了一种动态上下文聚合的建筑物遥感影像变化检测方法，属于图像检测领域；所述方法包括：构建数据集并进行样本划分；构建DCA‑NET网络模型；对构建后的网络模型进行参数调整；将划分后的数据集输入模型进行检测，得到变化结果；对变化结果进行定量评估。本发明通过引入动态上下文注意力机制，模型能够更好地整合局部和全局信息，从而提高对目标变化区域的检测能力；相较于传统技术中未充分考虑邻域特征相互关系以及标准卷积运算局限于固定局部感受野的问题，本发明可以灵活调整卷积核的形状和尺寸，提高模型在大尺度全局结构与小尺度细节特征的捕捉能力。
-
公开(公告)号：CN118962673A
公开(公告)日：2024-11-15
申请号：CN202411422727.9
申请日：2024-10-12
Applicant: 西南林业大学
Abstract: 本发明涉及森林高度估计技术领域，公开了一种两阶段改进的森林高度估计方法，基于InSAR数据计算干涉相干幅度γ和垂直波数kz；以InSAR森林高度反演模型SINC模型为基础，分析SINC模型的系统误差来源并进行模拟测试；在SINC模型误差分析的基础上，求解SINC模型的系统误差校正系数改进SINC模型，完整第一阶段改进并验证有效性；使用改进的卡尔曼滤波算法同化SINC模型以减少SINC模型的非系统误差，实现第二阶段改进；利用两阶段改进的SINC模型估计森林高度。由此，本发明以InSAR数据和SINC模型为基础，基于系统误差校正和卡尔曼滤波两阶段改进SINC模型实现InSAR数据的森林高度精准估计，该方法能有效提高InSAR数据的森林高度估计精度。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.016 seconds)
