-
公开(公告)号：CN103955860A
公开(公告)日：2014-07-30
申请号：CN201410156214.8
申请日：2014-04-17
Applicant: 中国农业大学
IPC: G06Q50/02
Abstract: 本发明提供一种基于集合卡尔曼滤波同化的区域作物估产方法，融合了遥感数据和作物模型的优势，把植被遥感中普遍使用的EVI作为观测变量，LAI作为同化变量，通过集合卡尔曼滤波算法进行了对模型LAI的最优化调整，并将PROSAIL模型作为观测算子，解决了观测变量和状态变量不一致的问题，实现了遥感信息和模型的同化，避免了用反射率反演LAI带来的误差。同化EVI后获得的作物产量，与未同化相比较，均方根误差RMSE减小而决定系数R2明显上升，同化后使作物模型产量估算的精度有显著提高，产量空间分布趋势与统计产量一致。
-
公开(公告)号：CN102650587A
公开(公告)日：2012-08-29
申请号：CN201210147296.0
申请日：2012-05-11
Applicant: 中国农业大学
IPC: G01N21/00
Abstract: 本发明公开了一种基于SEBAL-HJ模型的农作物生物量反演方法，其特征在于，包括：S1：获取研究区的HJ-1CCD、IRS影像和高程数据DEM，对影像进行几何精校正；S2：反演地表反照率、NDVI、SR、地表比辐射率，并反演地表温度；S3：根据步骤S2的反演结果计算净辐射通量，并在此基础上进一步计算土壤热通量；S4：结合气象数据，通过循环递归求算感热通量；S5：计算蒸发比系数，通过时空尺度扩展得到日蒸散量；S6：基于植被指数NDVI、SR反演fPAR；S7：根据步骤S5的日蒸散量反演结果和步骤S6的fPAR反演结果反演NPP；S8：对时空重构后的NPP累加得到农作物生物量。本发明实现了对农作物生物量的高精度的反演，且计算量相对小。
-
公开(公告)号：CN101832769B
公开(公告)日：2011-12-28
申请号：CN201010137835.3
申请日：2010-03-30
Applicant: 中国农业大学
CPC classification number: G06K9/00664 , G06K9/00697
Abstract: 本发明涉及一种基于近景摄影测量方式估算矿区植被覆盖度的方法，该方法通过对待测矿区进行摄影，提取颜色特征和纹理特征，按照特定的顺序构成特征向量，利用支持向量机分类器实现对植被和非植被的快速分类，然后对植被信息进行统计，从而快速、准确地计算植被覆盖度，为调查矿区植被生长状况提供可靠的依据；该方法同时也可作为定量遥感估测植被覆盖度算法的实际验证。本发明还涉及一种基于近景摄影测量方式估算矿区植被覆盖度的系统，该系统包括特征提取模块、分类器训练模块、植被与非植被分类模块和植被覆盖度计算模块。
-
公开(公告)号：CN117935073A
公开(公告)日：2024-04-26
申请号：CN202311810953.X
申请日：2023-12-26
Applicant: 中国农业大学
Abstract: 本发明提供一种多层次贝叶斯数据同化作物产量估测方法及系统，属于产量预测领域，包括：根据待估产区域的作物遥感LAI时间序列数据和待估产区域预设范围内的实测作物产量数据对作物生长模型进行标定，得到作物生长模型的参数后验样本集合；并通过抽样确定作物生长模型的初始预报集合；利用贝叶斯两步推断算法和LAI遥感观测集合确定优化后的不确定参数、优化作物生长模型和优化后的时间序列数据；利用优化后的时间序列数据驱动优化作物生长模型，得到后验预报集合；根据后验预报集合对待估产区域进行作物产量估测。本发明能够提高区域尺度的作物产量估测精度。
-
公开(公告)号：CN117871550A
公开(公告)日：2024-04-12
申请号：CN202410051684.1
申请日：2024-01-12
Applicant: 中国农业大学
Abstract: 本发明公开一种大面积农田灌溉监测方法、系统及电子设备，涉及农业信息化技术领域，所述方法包括：获取农田的SAR数据、光学数据、气象数据和SMAP卫星数据；基于SAR数据和光学数据，确定农田的土壤水分变化量；基于气象数据确定农田的潜在蒸散量和降雨量；基于SMAP卫星数据确定农田的土壤含水量；基于土壤水分变化量、潜在蒸散量、降雨量和土壤含水量，确定农田的实际灌溉量。本发明实现了大面积农田灌溉的监测。
-
Patent Agency Ranking
公开(公告)号：CN112380497B
公开(公告)日：2024-03-22
申请号：CN202011187729.6
申请日：2020-10-29
Applicant: 中国农业大学
Abstract: 本发明实施例提供一种用于区域玉米的秸秆系数估算方法及系统，该方法包括：获取目标区域的玉米生长季内的遥感数据集和近地面气温数据集，所述遥感数据集包括封垄前遥感数据和封垄后遥感数据；根据所述封垄前遥感数据和所述封垄后遥感数据，对玉米生长季内的冠层叶面积指数进行反演，获取时序玉米冠层叶面积指数；通过集合卡尔曼方法，将所述时序玉米冠层叶面积指数和所述近地面气温数据集同化至WOFOST模型中，并根据同化结果，获取所述目标区域的玉米秸秆系数。本发明实施例通过对玉米生长季内的遥感数据和近地面气温数据进行分析，提高不同区域范围内玉米秸秆系数估算精度和速度，从而将秸秆系数的估算粒度提高的遥感的像素单元尺度。
-
公开(公告)号：CN112183209B
公开(公告)日：2023-12-22
申请号：CN202010881317.6
申请日：2020-08-27
Abstract: 本发明实施例提供一种基于多维特征融合的区域农作物分类方法及系统，该方法包括：获取目标区域农作物的多源多分辨率光学遥感数据和合成孔径雷达数据；首先对低分辨率光学遥感数据的光谱数据和提取得到的物候数据进行特征提取处理，得到光谱‑物候特征；对高分辨率光学遥感数据进行纹理特征提取，得到纹理特征；对合成孔径雷达进行特征提取，得到后向散射特征；将光谱‑物候特征、纹理特征和后向散射特征进行特征融合处理，得到目标区域农作物的多时相多特征数据集；利用多时相多特征对基于深度学习的农作物分类模型进行训练，得到分类结果。本发明实施例通过多源多时相特征融合以及深度学习分类，提高农作物识别精度。
-
公开(公告)号：CN114692971A
公开(公告)日：2022-07-01
申请号：CN202210330408.X
申请日：2022-03-30
Applicant: 中国农业大学
Abstract: 本发明提供一种基于产量差的作物产量预测方法及装置，该方法包括：采用马尔科夫链‑蒙特卡洛方法标定WOFOST作物模型参数；将气象数据输入已标定的WOFOST模型，生成待预测作物的潜在产量；将待预测作物潜在产量与田间观测产量相减，获取待预测作物的实际产量差；以实测样本作物生育期内的卫星数据、气象数据和潜在产量作为输入样本，以待预测作物的实际产量差为标签，搭建基于过程模型的神经网络模型；逐作物格网运行WOFOST模型生成潜在产量，输入神经网络模型生成预测产量差，由潜在产量减去预测产量差生成预测产量空间图。本发明融合过程模型和深度学习的优势，充分利用机理模型和遥感数据的丰富信息，提高作物产量预测精度。
-
公开(公告)号：CN110163303B
公开(公告)日：2022-01-11
申请号：CN201910478461.2
申请日：2019-06-03
Applicant: 中国农业大学
IPC: G06K9/62
Abstract: 本发明实施例提供一种基于格网的遥感影像并行分类方法及系统。该方法包括获取当前遥感影像数据；将所述当前遥感影像数据输入至预先训练好的分类模型，获得基于所述当前遥感影像数据的并行分类结果，并采用测试样本集对所述分类结果进行精度验证；其中所述分类模型，是将历史遥感影像数据和样本导入栅格数据集清洗与重构多级格网系统，再基于10km格网范围，结合数据优选、样本特征总集计算和差异化分类进行训练得到的。本发明实施例通过基于10km格网将研究区无缝划分为规则的组织单元，在每个组织单元内根据实际成像情况并行进行数据优选、特征计算和分类等操作，在短时间内很好的实现了大范围中高分辨率作物的分类制图。
-
公开(公告)号：CN113537604A
公开(公告)日：2021-10-22
申请号：CN202110826944.4
申请日：2021-07-21
Applicant: 中国农业大学
Abstract: 本发明提供一种耦合过程模型和深度学习的农作物产量预测方法及装置，方法包括：将训练集样本和待估产地块的目标农作物产量输入至预设物理指导网络PGNet模型进行训练，以获取目标PGNet模型；将测试集样本输入至目标PGNet模型，以获取目标农作物产量的预测值。具体地，通过目标PGNet模型中两个分支进行产量预测，即遥感分支及土壤水分分支，其中第二分支结合过程模型，通过土壤及水分条件保证光能利用率在合理范围内波动，并利用注意力机制将两个分支进行结合。所述装置用于执行上述方法。本发明提供的农作物产量预测方法，基于获得的目标物理指导网络模型可以实现对农作物产量实时准确的估产，并对指导农业生产具有重大意义。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.072 seconds)
