公开(公告)号：CN112465204A

公开(公告)日：2021-03-09

申请号：CN202011308994.5

申请日：2020-11-20

Applicant: 北京林业大学

Inventor： 黄季夏 ,  阮琳琳 ,  方国飞 ,  周艳涛

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F17/18

Abstract: 本发明涉及空间数据分析处理和农学技术领域，公开了一种基于空间异质特征的县域尺度森林病虫害预测方法。本发明将县域尺度病虫害灾情数据、社会经济要素以及气候环境要素数据结合GWR模型综合运用于病虫害预测，从而克服传统病虫害预测模型忽略病虫害分布的区域差异与环境因子空间异质性的缺陷，为病虫害预测提供更精细准确的信息输出。

公开(公告)号：CN113191177A

公开(公告)日：2021-07-30

申请号：CN202011308014.1

申请日：2020-11-20

Applicant: 北京林业大学

Inventor： 黄季夏 ,  卢晓 ,  陈力原 ,  方国飞 ,  周艳涛

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及遥感数据分析处理和深度学习领域，公开了一种用于深度学习的松材线虫病遥感影像样本标注方法，包括下述步骤：获取高分辨率遥感影像，对遥感影像进行预处理，目视解译，影像裁剪，人工标注，J‑M距离可分优化，LabelShuffle算法平衡扩增，数量扩增。本发明提供的构建松材线虫病遥感影像样本数据集的方法流程简单，便于实际操作，可以为运用深度学习技术识别松材线虫病发生区提供可靠的样本学习数据，提高识别的准确率，也为其它样本数据集的构建提供了一种很好的思路和想法。