-
公开(公告)号：CN107782700B
公开(公告)日：2019-07-09
申请号：CN201710800321.3
申请日：2017-09-07
Applicant: 北京师范大学
IPC: G01N21/55
Abstract: 本发明提供一种AVHRR地表反射率重建方法、系统与装置，所述方法包括：对原始地表反射率数据进行去除无效值处理；对处理获取的有效原始地表反射率数据进行指定时间分辨率的合成处理；基于合成处理获取的合成地表反射率数据，计算归一化植被指数NDVI，并基于所述NDVI，利用给定算法重建NDVI上包络线；基于所述NDVI和所述NDVI上包络线，对所述合成地表反射率数据进行云检测，去除受云影响的数据；基于去除受云影响数据所得的剩余数据，以及所述NDVI上包络线，通过函数拟合，获取指定时间内任意时刻的计算反射率数据，重建时间连续的地表反射率。本发明能够在不影响通用性的基础上有效去除地表反射率重建中的云干扰并进行缺失值填充。
-
公开(公告)号：CN107782700A
公开(公告)日：2018-03-09
申请号：CN201710800321.3
申请日：2017-09-07
Applicant: 北京师范大学
IPC: G01N21/55
CPC classification number: G01N21/55
Abstract: 本发明提供一种AVHRR地表反射率重建方法、系统与装置，所述方法包括：对原始地表反射率数据进行去除无效值处理；对处理获取的有效原始地表反射率数据进行指定时间分辨率的合成处理；基于合成处理获取的合成地表反射率数据，计算归一化植被指数NDVI，并基于所述NDVI，利用给定算法重建NDVI上包络线；基于所述NDVI和所述NDVI上包络线，对所述合成地表反射率数据进行云检测，去除受云影响的数据；基于去除受云影响数据所得的剩余数据，以及所述NDVI上包络线，通过函数拟合，获取指定时间内任意时刻的计算反射率数据，重建时间连续的地表反射率。本发明能够在不影响通用性的基础上有效去除地表反射率重建中的云干扰并进行缺失值填充。
-
公开(公告)号：CN119091308A
公开(公告)日：2024-12-06
申请号：CN202310663062.X
申请日：2023-06-06
Applicant: 北京师范大学
Abstract: 一种地表异常即时遥感探测方法、探测系统及预警系统，包括：获取第一长时序地表遥感特征信息，构成第一长时序地表遥感特征数据集合；构建地表遥感特征先验知识库；获取星上实时遥感数据，计算地表遥感特征信息，识别地表异常潜在区域；根据地表遥感特征先验知识库，在地表异常潜在区域内识别地表异常区域；计算地表异常区域的地表异常强度。本发明通过构建地表遥感特征先验知识库，实现正常地表状态的有效捕捉；根据地表遥感特征先验知识库对实时获取遥感数据进行地表异常识别，识别的精度高，运算效率快，能够作为地表异常星上在轨即时遥感探测技术体系；最后计算地表异常区域的强度便于根据强度采取相应的应急处理，适应性强，利于推广。
-
公开(公告)号：CN104142142A
公开(公告)日：2014-11-12
申请号：CN201410310530.6
申请日：2014-07-01
Applicant: 北京师范大学
CPC classification number: G01S7/4802
Abstract: 本发明提供了一种全球植被覆盖度估算方法，包括：先根据全球植被类型分布情况选取若干个全球陆表空间采样点；在采样点处获取卫星遥感数据中空间分辨率较高的第一地表反射率数据和空间分辨率较低的第二地表反射率数据，再以第一地表反射率数据通过像元二分模型得到植被覆盖度训练样本。然后在采样点处提取第二地表反射率数据及其空间上对应的根据第一地表反射率数据计算的植被覆盖度，分别作为训练样本的输入和输出对广义回归神经网络模型进行训练，最后使用训练好的模型根据第二地表反射率数据估算全球陆表植被覆盖度。其充分利用了地面实测资料、高空间分辨率遥感观测数据和人工智能学习算法，具有稳定性好、适应性强、精度高、易于操作等优点。
-
公开(公告)号：CN118447409A
公开(公告)日：2024-08-06
申请号：CN202410475390.1
申请日：2024-04-19
Applicant: 北京师范大学
IPC: G06V20/13 , G06V10/764 , G06V20/10
Abstract: 本发明实施例提供一种高分一号卫星大视场角遥感数据的观测角度效应校正方法，包括：获取高分一号四个宽视场传感器(WFV)在一定时期内累积的多个观测角度反射率遥感数据；先根据土地覆盖类型(农田、草地和森林)、NDVI和观测角度对遥感数据像元进行分组，确定多组BRDF参数；鉴于在相同NDVI值下，三种不同植被地表覆盖类型的BRDF参数差异较小，进一步合并三种土地覆盖类型像元，确定基于NDVI分级的多组BRDF参数；最后根据NDVI分级的BRDF参数，对待处理的遥感数据的观测角度效应进行校正。本发明能够较好地校正农田和草地等植被覆盖区域由大角度观测导致的角度效应，提升高分一号遥感数据植被参数反演精度。
-
Patent Agency Ranking
公开(公告)号：CN105004320B
公开(公告)日：2017-11-14
申请号：CN201510313809.4
申请日：2015-06-09
Applicant: 北京师范大学
IPC: G01C11/00
Abstract: 本发明公开一种高分卫星数据陆表植被覆盖度反演方法及系统，所述方法包括：获取高分一号卫星宽视场成像仪WFV采集的影像数据，并对所述影像数据进行预处理，得到每个像元的地表反射率；根据所述每个像元的地表反射率，得到每个像元的归一化植被指数NDVI；分别判断每个像元的NDVI是否大于预设阈值，若是，则根据陆表植被覆盖度神经网络反演模型对该像元进行植被覆盖度反演；若否，则将该像元的植被覆盖度设置为零。本发明的高分卫星数据陆表植被覆盖度反演方法及系统解决了现有的高分卫星数据植被覆盖度反演方法对不同的区域需要建立不同的反演模型的问题。
-
公开(公告)号：CN104142142B
公开(公告)日：2016-08-24
申请号：CN201410310530.6
申请日：2014-07-01
Applicant: 北京师范大学
Abstract: 本发明提供了一种全球植被覆盖度估算方法，包括：先根据全球植被类型分布情况选取若干个全球陆表空间采样点；在采样点处获取卫星遥感数据中空间分辨率较高的第一地表反射率数据和空间分辨率较低的第二地表反射率数据，再以第一地表反射率数据通过像元二分模型得到植被覆盖度训练样本。然后在采样点处提取第二地表反射率数据及其空间上对应的根据第一地表反射率数据计算的植被覆盖度，分别作为训练样本的输入和输出对广义回归神经网络模型进行训练，最后使用训练好的模型根据第二地表反射率数据估算全球陆表植被覆盖度。其充分利用了地面实测资料、高空间分辨率遥感观测数据和人工智能学习算法，具有稳定性好、适应性强、精度高、易于操作等优点。
-
公开(公告)号：CN118244308A
公开(公告)日：2024-06-25
申请号：CN202410482251.1
申请日：2024-04-22
Applicant: 北京师范大学
Abstract: 本发明实施例提供一种适用于高分一号卫星大角度观测数据的地形校正方法，该方法包括：根据遥感影像的成像时间、观测几何信息以及数字高程模型，计算影像中各个像元的太阳入射方向角度、观测方向角度、坡度和坡向信息；基于各个像元的太阳入射方向角度、观测方向角度、坡度和坡向信息，计算每个像元的校正系数，并对地形效应进行校正，最终得到地形校正后的遥感影像反射率数据。本发明实施例的方法在传统SCS+C方法的基础上进行了改进，综合考虑太阳入射角度和传感器观测角度对地形效应的影响，确定地形校正的校正系数，实现了高分一号大角度观测遥感影像地形效应的高精度校正。
-
公开(公告)号：CN109033543B
公开(公告)日：2020-06-30
申请号：CN201810715794.8
申请日：2018-06-29
Applicant: 北京师范大学
IPC: G06F30/20 , G06F111/08
Abstract: 本发明实施例提供一种地表异质区植被覆盖度估算方法及装置。所述方法包括：基于预设时间序列的每个时刻对应的低空间分辨率植被覆盖度产品和高空间分辨率遥感数据，获取预测时刻的植被覆盖度先验概率和植被覆盖度似然概率；基于所述植被覆盖度先验概率和植被覆盖度似然概率，利用动态贝叶斯网络获取所述预测时刻的高空间分辨率植被覆盖度估算结果。本发明实施例克服了真实地表情况复杂异质性较强时估算结果精度低的问题，可以获得精准的估算结果，能够反映植被覆盖程度的动态变化情况，并且区域植被覆盖度估算结果图纹理清晰，能够反映异质性较强地表的植被覆盖情况。
-
公开(公告)号：CN109033543A
公开(公告)日：2018-12-18
申请号：CN201810715794.8
申请日：2018-06-29
Applicant: 北京师范大学
IPC: G06F17/50
Abstract: 本发明实施例提供一种地表异质区植被覆盖度估算方法及装置。所述方法包括：基于预设时间序列的每个时刻对应的低空间分辨率植被覆盖度产品和高空间分辨率遥感数据，获取预测时刻的植被覆盖度先验概率和植被覆盖度似然概率；基于所述植被覆盖度先验概率和植被覆盖度似然概率，利用动态贝叶斯网络获取所述预测时刻的高空间分辨率植被覆盖度估算结果。本发明实施例克服了真实地表情况复杂异质性较强时估算结果精度低的问题，可以获得精准的估算结果，能够反映植被覆盖程度的动态变化情况，并且区域植被覆盖度估算结果图纹理清晰，能够反映异质性较强地表的植被覆盖情况。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
