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

Inventor： 陆驰 ,  欧光龙 ,  胥辉 ,  冯子航 ,  王爱芸 ,  付梦妮 ,  张加龙 ,  罗洪斌 ,  唐静 ,  吴勇 ,  张晓丽

IPC: G06F30/20 ,  G06F17/11 ,  G06F17/15

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：CN118962673B

公开(公告)日：2025-01-24

申请号：CN202411422727.9

申请日：2024-10-12

Applicant: 西南林业大学

Inventor： 罗洪斌 ,  欧光龙 ,  岳彩荣 ,  吴勇 ,  张晓丽 ,  陆驰 ,  唐静

IPC: G01S13/88 ,  G01S13/90 ,  G01S7/40 ,  G06N7/01 ,  G06F17/10

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。

公开(公告)号：CN118795471B

公开(公告)日：2024-11-15

申请号：CN202411290584.0

申请日：2024-09-14

Applicant: 西南林业大学

Inventor： 罗洪斌 ,  欧光龙 ,  岳彩荣 ,  朱泊东 ,  陆驰 ,  吴勇 ,  张晓丽

IPC: G01S13/88 ,  G01S13/86 ,  G01S17/86 ,  G06N3/044 ,  G06F18/213

Abstract: 本发明涉及山地森林冠层高度估测技术领域，公开了一种山地森林冠层高度精准估测方法及系统，该方法包括：获取多源遥感数据集；提取多源遥感数据集中不同类型多源遥感数据的数据特征，构建遥感数据特征集；采用循环神经网络捕捉序列数据的长期依赖关系，以马尔可夫计算序列数据状态之间的转移关系，构建深度马尔可夫模型；获取机载雷达的森林冠层高度模型，基于遥感数据特征集和深度马尔可夫模型，预测森林冠层高度。本发明基于Landsat8光学遥感数据、Alos‑2极化SAR数据、星载激光雷达GEDI数据，以地形坡度为哑变量，采用深度学习的马尔可夫回归DMR进行森林冠层高度估计，能有效提高山地条件下森林冠层高度估计精度。

公开(公告)号：CN118795471A

公开(公告)日：2024-10-18

申请号：CN202411290584.0

申请日：2024-09-14

Applicant: 西南林业大学

Inventor： 罗洪斌 ,  欧光龙 ,  岳彩荣 ,  朱泊东 ,  陆驰 ,  吴勇 ,  张晓丽

IPC: G01S13/88 ,  G01S13/86 ,  G01S17/86 ,  G06N3/044 ,  G06F18/213

Abstract: 本发明涉及山地森林冠层高度估测技术领域，公开了一种山地森林冠层高度精准估测方法及系统，该方法包括：获取多源遥感数据集；提取多源遥感数据集中不同类型多源遥感数据的数据特征，构建遥感数据特征集；采用循环神经网络捕捉序列数据的长期依赖关系，以马尔可夫计算序列数据状态之间的转移关系，构建深度马尔可夫模型；获取机载雷达的森林冠层高度模型，基于遥感数据特征集和深度马尔可夫模型，预测森林冠层高度。本发明基于Landsat8光学遥感数据、Alos‑2极化SAR数据、星载激光雷达GEDI数据，以地形坡度为哑变量，采用深度学习的马尔可夫回归DMR进行森林冠层高度估计，能有效提高山地条件下森林冠层高度估计精度。

公开(公告)号：CN118551153A

公开(公告)日：2024-08-27

申请号：CN202410924675.9

申请日：2024-07-11

Applicant: 西南林业大学

Inventor： 欧光龙 ,  陆驰 ,  胥辉 ,  冯子航 ,  周杭 ,  付梦妮 ,  王爱芸 ,  张加龙 ,  罗洪斌 ,  唐静 ,  吴勇 ,  张晓丽 ,  刘志

IPC: G06F17/18 ,  G06Q50/02

Abstract: 本发明涉及森林地上生物量估测技术领域，公开了一种基于多源遥感数据多尺度森林生物量抽样估测方法及系统，该方法包括：将抽样区内的森林进行林场、林分、样地的尺度划分，分别采用对应遥感数据描述各尺度下的森林信息；采用不同抽样方法进行林场尺度和林分尺度的森林生物量抽样估测，确定最佳抽样方案；采用二阶抽样对最佳抽样方案相结合，构成最终的多尺度森林生物量抽样估测方案以执行抽样区的森林生物量估测。本发明通过将抽样区内的森林分成林场、林分、样地三个尺度，然后采用不同抽样方法对各尺度的森林生物量进行抽样估测，优选出最佳抽样方案，最后采用二阶抽样来整合森林生物量，有效提高了森林地上生物量的抽样效率。