-
公开(公告)号：CN111812600B
公开(公告)日：2023-09-08
申请号：CN202010607023.4
申请日：2020-06-29
Applicant: 中南林业科技大学
Abstract: 一种自适应地形相关的SRTM‑DEM校正方法，包括以下步骤：1)构建与地理位置相关的线性模型来对全球趋势误差进行建模，即ftrend(E,N)＝a0+a1sinE+a2cos(90°‑N) (1)；2)基于BIC的局部地形误差校正模型的构建将与地形有关的误差fterrain构造为fterrain(S,A,Z)＝a3H+fTF(S,A) (2)；3)构建自适应地形相关的SRTMDEM校正模型ΔH＝ftrend(E,N)+fterrain(S,A,H)+Δh+δ (4)；4)利用模型参数的稳健估计值。相对于传统的SHM和MLE校正方法，本发明的校正方法的精度更高。
-
公开(公告)号：CN108734150B
公开(公告)日：2021-07-27
申请号：CN201810551158.6
申请日：2018-05-31
Applicant: 中南林业科技大学
Abstract: 本发明涉及一种林火热点判别的AVHRR传感器多时相红外辐射归一方法，包括如下步骤：剔除云体影响像元；计算NDVI值，提取植被面积；将AVHRR传感器红外数据进行辐射定标；选择参考的红外影像数据与待归一的红外影像数据进行曲线拟合，获取红外辐射归一化参数，确定红外辐射归一化模型，形成新的红外辐射归一化影像图。通过本发明的归一化方法，解决AVHRR传感器红外通道不同时相的辐射差异问题，建立辐射标准，构建AVHRR传感器多时相红外辐射归一化模型。本发明建立的红外辐射归一化模型能较好地消除辐射差异影响，弥补卫星传感器的时间差异性，提高AVHRR传感器红外辐射对地物变化监测的准确度。
-
公开(公告)号：CN110233054B
公开(公告)日：2021-05-28
申请号：CN201910428110.0
申请日：2019-05-22
Applicant: 中南林业科技大学
Abstract: 一种非对称超级电容器，包括正极和负极，正极由碳化后的片状杉木片经过活化处理和电化学沉积得到；活化处理在碳化后的片状杉木片内形成有从上到下整齐顺直的管胞结构；电化学沉积在活化后的片状杉木片的管胞结构内生长出二氧化锰纳米片；负极由碳化后的片状杉木片经过活化处理和化学气相沉积得到；经过所述活化处理在碳化后的片状杉木片内形成有从上到下整齐顺直的管胞结构。本发明的超级电容器在在10,000次充电/放电循环后仍可保留93％的电容。本发明的独特结构显著提高了其能量密度和循环稳定性。ACNT能提供有效的高比表面积、低离子扩散阻力和优异的电化学性能。二氧化锰的上载进一步增加了超级电容器的比电容和能量密度。
-
公开(公告)号：CN111812600A
公开(公告)日：2020-10-23
申请号：CN202010607023.4
申请日：2020-06-29
Applicant: 中南林业科技大学
Abstract: 一种自适应地形相关的SRTM-DEM校正方法，包括以下步骤：1)构建与地理位置相关的线性模型来对全球趋势误差进行建模，即ftrend(E,N)＝a0+a1sinE+a2cos(90°-N)(1)；2)基于BIC的局部地形误差校正模型的构建将与地形有关的误差fterrain构造为fterrain(S,A,Z)＝a3H+fTF(S,A)(2)；3)构建自适应地形相关的SRTMDEM校正模型ΔH＝ftrend(E,N)+fterrain(S,A,H)+Δh+δ(4)；4)利用模型参数的稳健估计值。相对于传统的SHM和MLE校正方法，本发明的校正方法的精度更高。
-
公开(公告)号：CN109659161B
公开(公告)日：2020-10-16
申请号：CN201811513580.9
申请日：2018-12-11
Applicant: 中南林业科技大学
Abstract: 基于取向碳纳米管的超级电容器电极材料，包括由杉木碳化后的基体经过活化处理得到，基体内形成有多通道管胞结构，管胞结构内具有排列整齐的孔道结构；所述管胞结构内生长有碳纳米管阵列。本文采用生长碳纳米管森林的天然木材，构建柔性自支撑超级电容器。采用化学气相沉积工艺获得取向碳纳米管/活性木碳。用三电极装置测试了该薄片的优良性能，其高质量比电容为215.3F·g‑1，高体积比电容为76.5F·cm‑3，高能量密度为39.8Wh·kg‑1。以取向碳纳米管/活性木碳薄片为电极，聚乙烯醇‑H3PO4为凝胶电解质，组装成全固态柔性超级电容器。柔性多单元超级电容器具有优异的弯曲性能，可作为便携式储能装置。
-
Patent Agency Ranking
公开(公告)号：CN109659161A
公开(公告)日：2019-04-19
申请号：CN201811513580.9
申请日：2018-12-11
Applicant: 中南林业科技大学
Abstract: 基于取向碳纳米管的超级电容器电极材料，包括由杉木碳化后的基体经过活化处理得到，基体内形成有多通道管胞结构，管胞结构内具有排列整齐的孔道结构；所述管胞结构内生长有碳纳米管阵列。本文采用生长碳纳米管森林的天然木材，构建柔性自支撑超级电容器。采用化学气相沉积工艺获得取向碳纳米管/活性木碳。用三电极装置测试了该薄片的优良性能，其高质量比电容为215.3F·g-1，高体积比电容为76.5F·cm-3，高能量密度为39.8Wh·kg-1。以取向碳纳米管/活性木碳薄片为电极，聚乙烯醇-H3PO4为凝胶电解质，组装成全固态柔性超级电容器。柔性多单元超级电容器具有优异的弯曲性能，可作为便携式储能装置。
-
公开(公告)号：CN114709084B
公开(公告)日：2024-05-14
申请号：CN202210418254.X
申请日：2022-04-21
Applicant: 中南林业科技大学
Abstract: 一种基于在木材管胞中构建多孔碳骨架的电极，包括炭化木片基体，炭化木片基体内部具有管胞结构，炭化木片的管胞结构内通过葡萄糖和氯化钠模板构建有多孔碳骨架；葡萄糖的浓度为3mol/L‑5mol/L，氯化钠的浓度为1mol/L‑3mol/L。本发明中，利用预碳化木材表面丰富的官能团在木材衍生碳管胞内部构建三维多孔碳结构。氢氧化钾刻蚀后，E‑PCS@WC电极的结构和亲水性得到了很大的改善。该电极具有高亲水性，高体积能量密度和优异的循环稳定性。
-
公开(公告)号：CN117710808A
公开(公告)日：2024-03-15
申请号：CN202311566294.X
申请日：2023-11-22
Applicant: 中南林业科技大学
IPC: G06V20/10 , G06V10/44 , G06N20/00 , G06N3/0442 , G06N3/08
Abstract: 一种森林地上生物量的预测方法，包括以下步骤；1)光学数据的获取及预处理；2)对目标地的SAR数据进行预处理；3)光学与SAR影像的特征提取；4)选出两个AGB相关系数最高的两个SAR变量与相关性性绝对值大于0.1的植被指数与生物物理参数相结合，得到COSI；5)利用PIO迭代过程来优化BiLSTM神经网络模型的COSI1参数和COSI2参数；6)将隐藏层节点数链接到BiLSTM层，初始学习率和L2正则化系数的最优参数输入至BiLSTM神经网络模型里面；获得了AGB的预测值。本发明所提出的方法在AGB反演方面更具优势。与其他三个模型相比，RMSE的相对改善率高达43.6％。
-
公开(公告)号：CN116797750A
公开(公告)日：2023-09-22
申请号：CN202310711266.6
申请日：2023-06-15
IPC: G06T17/05 , G06V10/774 , G06V10/82 , G06N3/0985 , G06N5/01 , G06N20/20
Abstract: 本发明中的基于深度学习的DEM误差校正方法，包括以下步骤：S10、获取输入参数；S20、将输入参数依次输入至两个以上的基学习器中，对每个基学习器以交叉验证的方式进行训练，获得每个基学习器中输入参数与输出结果之间的对应组数的初步预测结果，并将所有基学习器的所有初步预测结果组成新特征矩阵；S30、将新特征矩阵输入至元学习器中，通过元学习器训练融合所有的初步预测结果，获得最终预测结果。本发明中通过将具有不同算法结构的多个基学习器和元学习器进行融合，能够充分结合不同基学习器和元学习器的优势，同时最小化它们的劣势，使得在提升表现的同时降低了过拟合的可能性，因而具有更强的非线性拟合能力和泛化能力。
-
公开(公告)号：CN116740296A
公开(公告)日：2023-09-12
申请号：CN202310779189.8
申请日：2023-06-28
Abstract: 一种基于最小二乘配置的TanDEM‑XDEM误差校正方法，包括以下步骤：1)由TanDEM‑X/TerraSAR‑X数据生成TanDEM‑XDEM数据，获取ICESat‑2数据；2)将DEM任意一点的误差分为系统误差和随机误差，并建立基于最小二乘配置的误差校正模型；L＝BX+GY+Δ；(1)3)由原始的TanDEM‑XDEM减去步骤2)得到的误差估计值，便可得到校正后的DEM。本发明的方法，可以同时校正TanDEM‑XDEM的系统误差和随机误差。结果表明，经过本发明方法校正后的TanDEM‑XDEM在该区域的平均误差绝对值由2.019m减少到了0.058m；均方根误差由6.141m降低到了3.851m，精度提高了37.3％。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.032 seconds)
