-
公开(公告)号：CN107340268B
公开(公告)日：2019-07-09
申请号：CN201710550389.0
申请日：2017-07-07
Applicant: 福州大学
IPC: G01N21/3563
Abstract: 本发明涉及一种基于遥感时序数据的旱地作物识别方法。该方法基于研究区植被指数和短波红外波段的时序数据，获取每个生长周期内的农作物生长盛期，进而推断农作物生长前期和生长后期，依次建立农作物生长前期的SWIR和EVI增量乘积指数、农作物生长后期的SWIR和EVI增量乘积指数，综合形成整个农作物生长期的SWIR和EVI增量乘积指数，最后依据整个农作物生长期的SWIR和EVI增量乘积指数开展旱地作物识别。该方法用于旱地作物识别，具有鲁棒性好、分类精度高、自动化程度与抗干扰能力强等特点。
-
公开(公告)号：CN109918826A
公开(公告)日：2019-06-21
申请号：CN201910206963.X
申请日：2019-03-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于关键物候期多源植被参量的水稻估产方法。该方法首先基于水体与植被指数比值指数提取水稻分布区域，针对水稻种植区域，逐像元获取水稻拔节期、抽穗期、成熟期等关键物候期，进而确定水稻孕穗期和灌浆结实期，综合水稻孕穗期和灌浆结实期两个生长期的多个植被参量累积量，并考虑到抽穗期降水的影响，建立水稻估产模型。本发明方法具有时空连续性好、鲁棒性强、成本低，简单易用，适用于大范围水稻估产等优点。
-
公开(公告)号：CN107340268A
公开(公告)日：2017-11-10
申请号：CN201710550389.0
申请日：2017-07-07
Applicant: 福州大学
IPC: G01N21/3563
CPC classification number: G01N21/3563
Abstract: 本发明涉及一种基于遥感时序数据的旱地作物识别方法。该方法基于研究区植被指数和短波红外波段的时序数据，获取每个生长周期内的农作物生长盛期，进而推断农作物生长前期和生长后期，依次建立农作物生长前期的SWIR和EVI增量乘积指数、农作物生长后期的SWIR和EVI增量乘积指数，综合形成整个农作物生长期的SWIR和EVI增量乘积指数，最后依据整个农作物生长期的SWIR和EVI增量乘积指数开展旱地作物识别。该方法充分利用旱地作物在整个生长期内，SWIR波段变化幅度较大并且与EVI的变化方向相反，而水体作物的SWIR波段变化幅度较小并且与EVI变化方向相对一致的特点，设计整个农作物生长期的SWIR和EVI增量乘积指数，用于旱地作物识别，具有鲁棒性好、分类精度高、自动化程度与抗干扰能力强等特点。
-
公开(公告)号：CN103500421B
公开(公告)日：2017-01-11
申请号：CN201310466137.1
申请日：2013-10-09
Applicant: 福州大学
Abstract: 本发明公开了一种基于频率特征的耕地复种指数提取方法。基于植被指数年内时序原始数据，首先剔除非植被单元，然后通过多尺度小波变换，分别依次获取大致对应于月尺度、季节尺度上的时序信号，进而利用三熟制的月尺度时序信号比季节尺度的变化幅度更强的特征，进行三熟制种植识别，并且基于二熟制的季节尺度时序信号具有峰谷峰谷的变化频率特征，进行二熟制种植识别，从而获得研究区耕地复种指数。本发明方法克服了通过人为设定的参数或阈值方法计算耕地复种指数的局限性，依据月尺度、季节尺度时序信号的变化频率与幅度特征进行熟制识别，具有基本不依赖先验知识、鲁棒性好、分类精度高、抗噪声能力强以及自动化程度高等特点。
-
公开(公告)号：CN106096630A
公开(公告)日：2016-11-09
申请号：CN201610385818.9
申请日：2016-06-03
Applicant: 福州大学
IPC: G06K9/62
CPC classification number: G06K9/6215 , G06K2209/21
Abstract: 本发明涉及一种集成像元与对象的水稻自动变化检测方法，包括以下步骤：建立基于MODIS水体指数时序数据集及MODIS水体指数时序曲线；逐像元计算起始与结束年份MODIS水体指数时序曲线的相似度；基于MODIS水体指数时序曲线的相似性，判断疑似变化区域；综合起始年份多期Landsat影像，通过影像分割获得影像对象；将疑似变化区域与影像对象叠加，获得研究区疑似变化对象；综合结束年份多期Landsat影像，将研究区疑似变化对象进一步细分割；对细分割后的研究区疑似变化对象，利用Landsat遥感影像特征，分别开展起始和结束年份的水稻制图，从而获得研究区起始到结束年份水稻动态变化分布图。本发明具有自动化程度高、简单易用、鲁棒性好以及分类精度高等特点。
-
Patent Agency Ranking
公开(公告)号：CN103500421A
公开(公告)日：2014-01-08
申请号：CN201310466137.1
申请日：2013-10-09
Applicant: 福州大学
Abstract: 本发明公开了一种基于频率特征的耕地复种指数提取方法。基于植被指数年内时序原始数据，首先剔除非植被单元，然后通过多尺度小波变换，分别依次获取大致对应于月尺度、季节尺度上的时序信号，进而利用三熟制的月尺度时序信号比季节尺度的变化幅度更强的特征，进行三熟制种植识别，并且基于二熟制的季节尺度时序信号具有峰谷峰谷的变化频率特征，进行二熟制种植识别，从而获得研究区耕地复种指数。本发明方法克服了通过人为设定的参数或阈值方法计算耕地复种指数的局限性，依据月尺度、季节尺度时序信号的变化频率与幅度特征进行熟制识别，具有基本不依赖先验知识、鲁棒性好、分类精度高、抗噪声能力强以及自动化程度高等特点。
-
公开(公告)号：CN114739943B
公开(公告)日：2025-01-17
申请号：CN202210505133.9
申请日：2022-05-10
Applicant: 福州大学
IPC: G01N21/3563 , G01N21/359
Abstract: 本发明公开了一种基于农作物发育成熟全生命周期的熟制信息精准提取方法，首先建立植被指数、褐变指数时序数据集并对其进行时序差分。然后，确定候选农作物成熟期、生长盛期、苗期以及候选农作物生长期；进而依据候选农作物苗期和成熟期植被褐变量指标，设计农作物发育成熟指数，最后基于该指数建立农作物生长期判别标准，实现熟制信息提取。本发明利用褐变指数时序特征巧妙地揭示农作物成熟收割过程，跳出长期以来主要依赖植被指数时序数据确定生长峰的研究思路，能有效地克服耕地区域内杂草生长以及冬小麦冬季生长峰引起的干扰，同时无需依据不同区域农作物种植模式特点设置约束条件或阈值参数，具有高精度大尺度应用推广能力。
-
公开(公告)号：CN114299393B
公开(公告)日：2024-07-05
申请号：CN202111637590.5
申请日：2021-12-30
Applicant: 福州大学
IPC: G06F18/24 , G06F123/02
Abstract: 本发明涉及一种基于光学和雷达时序数据的烟稻种植模式识别方法，包括以下步骤：步骤S01：建立研究区植被指数、花青素指数时序数据集；步骤S02：建立研究区VV极化信号时序数据集；步骤S03：设计植被‑色素高高重叠度指标；步骤S04：划分前后茬农作物生长期；步骤S05：设计前后茬VV变幅指标；步骤S06：设计VH谷底曲率指标；步骤S07：建立烟稻种植模式识别技术流程；步骤S08：获得研究区烟稻种植模式空间分布图。该方法可解释能力强、简单易行、鲁棒性好，在不依赖训练样本数据情况下，具有大尺度多年份自动应用推广能力。
-
公开(公告)号：CN115901636A
公开(公告)日：2023-04-04
申请号：CN202211438839.4
申请日：2022-11-17
Applicant: 福州大学
Abstract: 本发明提出一种基于多模态知识图谱的冬季作物早期自动识别方法，基于光学和雷达时序数据集，分别设计多模态植被指数以及多极化雷达系数增强变换的时谱特征空间，建立冬季作物类型早期识别多模态知识图谱，以达成冬季农作物类型早期识别的目标。鉴于冬小麦和冬油菜等冬季作物在作物株型和冠层结构方面的差异性，其多极化雷达系数时序曲线呈现出此消彼长的特征，通过选取合适的幂底数实施幂指变换后，冬油菜和冬小麦分别呈现出低值平稳、高值急剧增加的特点，提前在冬油菜现蕾期和冬小麦返青期，就可以获得高精度冬季作物类型分布图。
-
公开(公告)号：CN108875146B
公开(公告)日：2022-06-07
申请号：CN201810519610.0
申请日：2018-05-28
Applicant: 福州大学
IPC: G06F30/20
Abstract: 本发明涉及一种考虑变化过程的地表覆盖连续变化检测方法，首先建立植被指数时序数据，建立表征地表覆盖变化过程的植被峰度时序曲线图，接着利用Logistic模型对植被峰度时序曲线进行模型拟合，依据Logistic模型参数将地表变化过程设置为突变型、渐变型和稳定型，进而针对突变型、渐变型两种地表变化过程，结合植被峰度变化量，建立考虑地表变化过程的地表覆盖连续变化检测技术流程方法。本发明充分考虑地表变化过程，将体现变化过程的模型参数纳入地表覆盖变化区域提取，具有时空连续性好、鲁棒性强以及自动化程度相对较高等优点。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.019 seconds)
