-
公开(公告)号:CN107505289A
公开(公告)日:2017-12-22
申请号:CN201710466801.0
申请日:2017-06-20
Applicant: 北京师范大学
IPC: G01N21/47
CPC classification number: G01N21/4738 , G01N2021/1793
Abstract: 本发明涉及一种基于地形沙盘的山地方向性反射率的测量方法,包括以下步骤:S1:高精度地形沙盘模型的制作及逼真度检查;S2:地形沙盘模型的多角度观测;S3:地形沙盘模型的BRF提取;S4:BRF数据的分析及使用。本发明的有益效果在于,提供一种基于地形沙盘的山地方向性反射率的测量方法,可实现多角度、近同时相、较大尺度下地表方向性反射率的测量。
-
公开(公告)号:CN114996628B
公开(公告)日:2024-12-03
申请号:CN202210483937.3
申请日:2022-05-05
Applicant: 北京师范大学
IPC: G06F17/11
Abstract: 本发明涉及遥感数据处理技术领域,公开了一种叶面积指数反演方法、装置、设备和介质。该方法包括:获取目标区域对应的多个卫星观测数据;其中,卫星观测数据基于静止卫星对目标区域进行数据采集而得到;将多个卫星观测数据输入预设反演模型,构建对应的叶面积指数反演方程;对各叶面积指数反演方程进行优化求解,生成目标区域的叶面积指数数据。通过上述技术方案,提高了生成的目标叶面积指数数据的时间分辨率,并且当目标区域发生改变时,无需重新进行模型的重新训练,不受目标区域和数据源的影响,从而提高了叶面积指数反演方法的普适性和可行性,且具有明确的物理意义。
-
公开(公告)号:CN115082544B
公开(公告)日:2024-10-11
申请号:CN202210483925.0
申请日:2022-05-05
Applicant: 北京师范大学
Abstract: 本发明涉及植被参数测量技术领域,公开了一种叶面积指数确定方法、装置、设备和介质。该方法包括:获取对叶面积指数进行间接测量所得的一维样线数据,并基于一维样线数据和盒子计数法,确定一维样线数据对应的一维分维数;其中,一维分维数用于表征叶片分布特征;将一维分维数、叶片投影函数值、样线长度、一维样线数据对应的样线间隙率和叶片半径,输入目标聚集指数模型,确定一维样线数据对应的样线聚集指数;将样线聚集指数、叶片投影函数值和样线间隙率,输入间隙率模型,确定一维样线数据对应的样线叶面积指数。通过上述技术方案,对LAI间接测量方法中的聚集效应进行了较为充分的纠正,从而提高了叶面积指数的测量精准度。
-
公开(公告)号:CN115082544A
公开(公告)日:2022-09-20
申请号:CN202210483925.0
申请日:2022-05-05
Applicant: 北京师范大学
Abstract: 本发明涉及植被参数测量技术领域,公开了一种叶面积指数确定方法、装置、设备和介质。该方法包括:获取对叶面积指数进行间接测量所得的一维样线数据,并基于一维样线数据和盒子计数法,确定一维样线数据对应的一维分维数;其中,一维分维数用于表征叶片分布特征;将一维分维数、叶片投影函数值、样线长度、一维样线数据对应的样线间隙率和叶片半径,输入目标聚集指数模型,确定一维样线数据对应的样线聚集指数;将样线聚集指数、叶片投影函数值和样线间隙率,输入间隙率模型,确定一维样线数据对应的样线叶面积指数。通过上述技术方案,对LAI间接测量方法中的聚集效应进行了较为充分的纠正,从而提高了叶面积指数的测量精准度。
-
公开(公告)号:CN119149862A
公开(公告)日:2024-12-17
申请号:CN202411097398.5
申请日:2024-08-12
Applicant: 北京师范大学
Abstract: 本发明涉及遥感数据处理技术领域,提供了一种叶倾角分布反演方法、装置、电子设备和存储介质。包括:获取待反演数据的实际相对亮度直方图;其中,待反演数据为叶片的多光谱图像;根据太阳角度和观测角度建立查找表;基于查找表,获取待反演数据的理论相对亮度直方图;基于实际相对亮度直方图和理论相对亮度直方图进行反演,获取待反演数据的叶倾角分布参数。本方法能满足更准确的大范围高频次近地面叶倾角分布数据的获取。
-
公开(公告)号:CN114996628A
公开(公告)日:2022-09-02
申请号:CN202210483937.3
申请日:2022-05-05
Applicant: 北京师范大学
IPC: G06F17/11
Abstract: 本发明涉及遥感数据处理技术领域,公开了一种叶面积指数反演方法、装置、设备和介质。该方法包括:获取目标区域对应的多个卫星观测数据;其中,卫星观测数据基于静止卫星对目标区域进行数据采集而得到;将多个卫星观测数据输入预设反演模型,构建对应的叶面积指数反演方程;对各叶面积指数反演方程进行优化求解,生成目标区域的叶面积指数数据。通过上述技术方案,提高了生成的目标叶面积指数数据的时间分辨率,并且当目标区域发生改变时,无需重新进行模型的重新训练,不受目标区域和数据源的影响,从而提高了叶面积指数反演方法的普适性和可行性,且具有明确的物理意义。
-
-
-
-
-