-
公开(公告)号：CN113419046A
公开(公告)日：2021-09-21
申请号：CN202110675058.6
申请日：2021-06-17
Applicant: 北京大学
Abstract: 本发明公开了一种改进的土壤湿度产品双变量融合方法，该方法中输入两套土壤湿度产品数据，针对两套土壤湿度产品设置工具变量的时间偏移量，并选取最优的时间偏移量，据此获得最优的工具变量，通过最优的工具变量解算两套土壤湿度产品的权重，并据此形成融合产品，得到准确的土壤湿度信息。
-
公开(公告)号：CN118657249A
公开(公告)日：2024-09-17
申请号：CN202410777315.0
申请日：2024-06-17
Applicant: 北京大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/02 , G06F18/213 , G06F18/23213 , G06F18/24 , G06F123/02
Abstract: 本发明属于野外观测实验的站点选址领域，涉及一种快速构建作物表型与环境变量监测网络的站点选址方法和装置。该方法包括：获取气候、土壤、植被、地形四种要素的遥感气象数据；将获取的遥感气象数据统一空间分辨率，并进行特征提取；采用K‑means算法对提取的特征进行聚类，并对聚类结果进行空间滤波；根据聚类结果计算像元的代表性评价指标；根据像元的代表性评价指标确定选址区域，根据选址区域确定最优的野外观测台站位置。本发明使得台站选址具有代表性，能够充分反应观测区域整体的真实情况，降低从业人员主观经验的影响，提高监测站网构建效率和效果。
-
公开(公告)号：CN117112995A
公开(公告)日：2023-11-24
申请号：CN202310689943.9
申请日：2023-06-12
IPC: G06F18/10 , G06F18/243 , G06F18/241 , G06F18/214 , G01W1/00
Abstract: 本发明涉及一种基于多源数据与机器学习的地面观测蒸散发完整序列获取方法和系统。该方法的步骤包括：准备高质量蒸散发数据以及时间连续的参考变量；训练机器学习模型，构建蒸散发与参考变量的非线性关系，并评估机器学习模型的表现；使用训练完备的机器学习模型对缺失时刻的蒸散发进行插补，生产时间连续的蒸散发数据。本发明有效解决了如何获取更接近真实的日尺度数据的问题，能够为地面验证提供高质量连续真值；同时解决了如何获取长时间完整序列数据的问题，能够为气候变化分析提供有力的数据支撑。
-
公开(公告)号：CN113419046B
公开(公告)日：2022-02-18
申请号：CN202110675058.6
申请日：2021-06-17
Applicant: 北京大学
Abstract: 本发明公开了一种改进的土壤湿度产品双变量融合方法，该方法中输入两套土壤湿度产品数据，针对两套土壤湿度产品设置工具变量的时间偏移量，并选取最优的时间偏移量，据此获得最优的工具变量，通过最优的工具变量解算两套土壤湿度产品的权重，并据此形成融合产品，得到准确的土壤湿度信息。
-
-
-
Search Results
4
records
(took 0.02 seconds)
