-
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：CN110322557B
公开(公告)日：2022-11-08
申请号：CN201910528737.3
申请日：2019-06-18
Applicant: 中南林业科技大学
Abstract: 一种结合GPS与SRTM融合的游动平差方法，包括以下步骤：1)在第一个已知GPS点建立已知第一个GPS点与对应SRTM格网九个相邻格网的平差模型；2)求解平差模型计算对应SRTM格网和四个角点的改进高程值；3)把四个角点作为下一轮改进SRTM的已知值，求每一层平差融合后的新值与原格网值的差值，若差值的均值
-
公开(公告)号：CN111753900A
公开(公告)日：2020-10-09
申请号：CN202010583774.7
申请日：2020-06-23
Applicant: 中南林业科技大学
Abstract: 本发明涉及森林防火，具体涉及一种森林火灾的监测方。本发明的一种森林火灾的监测方，方案包括如下步骤：1)数据获取与预处理；2)确立最优波段组合；3)计算光谱指数；4)构建模型；5)利用模型进行火灾识别。本发明采用我国新一代静止气象卫星FY4的遥感数据，使用最小距离模型(Min Dist)、马氏距离模型(MahaDist)、支持向量机(SVM)、决策树模型(Decision Tree)进行森林火灾判别，并利用中国森林防火网森林火灾数据对四个模型进行精度验证，为森林火灾风险预防及风险决策提供了科学依据。
-
公开(公告)号：CN111445023A
公开(公告)日：2020-07-24
申请号：CN202010100141.6
申请日：2020-02-18
Applicant: 中南林业科技大学
Abstract: 一种遗传算法优化的BP神经网络GF-2影像森林分类方法，包括以下步骤，1)将分类区域地表植被分成三级；2)对在分类区域获取的遥感影像进行预处理；3)将进行预处理的遥感影像光谱中加入特征值，以增强特征差异性；4)建立BP神经网络的拓扑结构；5)对权值和阀值进行遗传算法优化；6)将遥感影像中的特征值输入到BP神经网络算法中，完成地物的分类。本发明的遗传算法优化的BP神经网络GF-2影像森林分类方法克服BP神经网络稳定性不高，最终权值与阈值容易陷入局部最优，使得分类效果无法达到最好的缺点的遗传算法优化的BP神经网络GF-2影像森林分类方法，其能够进一步的提高分类精度。
-
公开(公告)号：CN110322557A
公开(公告)日：2019-10-11
申请号：CN201910528737.3
申请日：2019-06-18
Applicant: 中南林业科技大学
Abstract: 一种结合GPS与SRTM融合的游动平差方法，包括以下步骤：1)在第一个已知GPS点建立已知第一个GPS点与对应SRTM格网九个相邻格网的平差模型；2)求解平差模型计算对应SRTM格网和四个角点的改进高程值；3)把四个角点作为下一轮改进SRTM的已知值，求每一层平差融合后的新值与原格网值的差值，若差值的均值
-
Patent Agency Ranking
-
公开(公告)号：CN109034189A
公开(公告)日：2018-12-18
申请号：CN201810621443.0
申请日：2018-06-15
Applicant: 中南林业科技大学
CPC classification number: G06K9/6267 , G06K9/4671 , G06K9/54
Abstract: 本发明涉及一种基于高分遥感影像的森林类型识别方法，包括：对高分遥感影像进行预处理，得到全色光谱影像和多光谱影像；从全色光谱影像中进行灰度提取，从多光谱影像中进行植被指数提取；结合森林资源二类调查数据，分析优势树种，并且得到优势树种的灰度值和植被指数值；根据林地分类标准，将研究区分为林地和非林地，根据灰度值和植被指数值的相关关系，分别建立相关森林类型识别函数模型；对相关函数模型进行检验和评价；将相关函数模型应用于森林类型识别。实现利用高分二号影像纹理特征获取灰度和植被指数就可以对森林类型进行识别，合理地减少了森林资源的外业调查工作，节约了成本和资源。
-
公开(公告)号：CN108898159A
公开(公告)日：2018-11-27
申请号：CN201810549897.1
申请日：2018-05-31
Applicant: 中南林业科技大学
Abstract: 本发明涉及一种基于DBSCAN算法的虚假林火热点过滤方法，包括：确定时空聚类的参数；通过该确定的参数，利用DBSCAN算法对历史林火热点数据进行分析；基于上述分析，提取虚假林火热点。本发明基于时空数据的虚假林火热点判识方法，通过对计算机判读的历史林火热点数据的挖掘而形成的固定热源数据库，能够快速的排除在遥感影像上由固定热源造成的虚假林火热点。
-
公开(公告)号：CN108731817A
公开(公告)日：2018-11-02
申请号：CN201810551989.3
申请日：2018-05-31
Applicant: 中南林业科技大学
IPC: G01J5/00
Abstract: 本发明涉及一种应用于林火热点判别的不同传感器多时相红外辐射归一建模方法，包括对MODIS、AVHRR、VIRR传感器红外辐射特性进行分析；获取传感器MODIS亮度温度值、AVHRR地表温度、VIRR亮温值；进行预处理；通过反射率设置阈值，识别云体、水体，并对识别出的云、水像元进行剔除，计算NDVI值；对MODIS、AVHRR、VIRR传感器红外辐射数据进行标准化处理，设置MODIS传感器为标准传感器，将AVHRR、VIRR传感器红外辐射数据进行归一，选取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、回归分析，确定不同传感器的红外辐射归一化参数，建立不同传感器红外辐射归一化模型，形成红外辐射归一化影像图。通过本发明建立的模型能较好地消除辐射差异影响，平分大气辐射误差，减少了来自同一传感器红外波段不同时相的辐射差异。
-
公开(公告)号：CN108564761A
公开(公告)日：2018-09-21
申请号：CN201810443708.2
申请日：2018-05-10
Applicant: 中南林业科技大学
Abstract: 本发明涉及一种基于风云气象卫星数据的林火识别方法，该方法包括以下步骤：接收并获取原始数据；对原始数据处理进行预处理；确定进行林火识别的阈值，自动进行林火热点识别；其中，所述确定阈值，包括判断热点单元、修正背景温度阈值、修正耀斑区阈值、修正荒漠与植被邻近处阈值，从而确认热点单元。根据本发明的方法，通过气象卫星监测时，不仅可以对早期发生的火灾进行及时发现，尽早扑灭，更可以用来监测林火的走势和扩展情况，对严重的森林火灾进行追踪监测。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.07 seconds)
