公开(公告)号：CN119992378A

公开(公告)日：2025-05-13

申请号：CN202510044916.5

申请日：2025-01-13

Applicant: 东北林业大学

Inventor： 王蕾 ,  翟雅琳 ,  贾佳 ,  李若楠 ,  张心语 ,  陈媛媛 ,  徐叶贞 ,  郝思琪

IPC: G06V20/17 ,  G06V20/10 ,  G06V10/764 ,  G06F17/11 ,  G06F17/18

Abstract: 本发明公开了一种城市森林地上生物量异速生长模拟的预测方法，整合了无人机机载激光雷达和无人机机载多光谱数据，通过提取城市森林冠层高度、覆盖度与开放度、异质性、林分密度、三维体积和生理特征六个类别的结构参数，形成预测城市森林地上生物量的结构多样性参数集，以城市森林结构多样性的异速生长关系为依据构建地上生物量估算的幂律模型，进而利用非线性最小二乘法和向前逐步选择法测试最优参数的所有组合，确定估算城市森林地上生物量的最优模型并实现地上生物量预测。本发明用以解决传统线性模型和机器学习模型估算城市森林地上生物量时的过拟合问题，解决空间连续的城市森林地上生物量预测的难题。

公开(公告)号：CN117036995A

公开(公告)日：2023-11-10

申请号：CN202310921962.X

申请日：2023-07-25

Applicant: 东北林业大学

Inventor： 王蕾 ,  姚允龙 ,  王成 ,  陈洋 ,  崔鹏 ,  杨朝斌 ,  翟雅琳 ,  贾佳 ,  李若楠 ,  张心语 ,  陈媛媛 ,  荆忠伟

IPC: G06V20/17 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于神经网络的城市森林三维结构监测方法，本发明涉及基于神经网络的城市森林三维结构监测方法。本发明的目的是为了解决现有方法对城市森林中各类景观植物的分类识别准确率低，需要的人力、物力大，更新速度慢且无法实现大范围的动态监测的问题。过程为：步骤一、采集无人机拍摄城市森林的图像数据集和相对应的类别标签文件数据集，组成样本数据集；步骤二、建立神经网络模型；步骤三、将步骤一的样本数据集输入到建立的神经网络模型中，得到最优网络模型；步骤四、向最优网络模型中输入待测城市森林的图像数据进行分类预测，获得城市森林的图像的类别，类别为植物名称、植物所属城市、植物所属月份。本发明用于城市森林监测领域。