-
公开(公告)号:CN117830847A
公开(公告)日:2024-04-05
申请号:CN202410005652.8
申请日:2024-01-02
Applicant: 北京林业大学
Abstract: 一种林地分类技术方法,其特征在于,具体包括以下几个步骤:选取需要分类的林地区域,获得所需数据;进行遥感图像预处理;进行遥感影像增强处理;影像进行特征提取;完成林地分类;增强效果分析;人工目视解译修正;野外实地调研,确定真实分类。本发明结合Retinex增强和引导滤波两种方法,增强林地植被树木遥感影像视觉效果、影像颜色及影像边缘细节后,提取增强后影像中林地的线性地形、植被指数和纹理特征,组成特征集输入旋转森林算法中,获取待分类样本的最大可信度值,由此得出林地分类结果。本发明所提方法具有良好的应用性能,能显著增强林地植被树种遥感影像质量,提升其视觉效果,并能详细提取影像中的特征,可靠完成林地分类。
-
公开(公告)号:CN117973694A
公开(公告)日:2024-05-03
申请号:CN202410209082.4
申请日:2024-02-26
Applicant: 北京林业大学
IPC: G06Q10/063 , G06Q30/0201 , G06Q50/26
Abstract: 一种林地分类荒漠生态系统防风固沙效益和生态保护补偿研究方法,其特征在于,具体包括以下几个步骤:选取需要研究的的荒漠生态系统服务区域,获得所需数据;进行图像数据预处理步骤,提高其准确性;本方法结沙地植被时空分析、防风固沙效益时空变化分析、生态保护补偿标准及分摊金额分析,确定生态保护补偿标准与生态保护补偿模式,计算荒漠生态系统防风固沙服务效益价值,明确生态系统服务衰减规律。本方法具有良好的应用结果,显著增加类荒漠生态系统防风固沙效益,保护补偿生态系统功能。
-
公开(公告)号:CN117765399A
公开(公告)日:2024-03-26
申请号:CN202410011548.X
申请日:2024-01-04
Applicant: 北京林业大学
IPC: G06V20/10 , G06V20/13 , G06V20/17 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06V10/94 , G06F21/62 , G06F11/14
Abstract: 本发明提出了一种结合光谱数据和LiDAR数据的深度学习方法,用于森林树种识别。这种方法应用于计算机技术和遥感科学技术领域,通过利用光谱和LiDAR技术的优势,提高信息提取的准确性和效率。具体过程包括:使用卫星和无人机的光谱传感器与LiDAR设备采集数据;使用云存储服务和数据库管理系统存储管理数据;运用Python中的Pandas和NumPy库对数据进行标准化处理;通过深度学习框架如TensorFlow或PyTorch构建卷积神经网络(CNN)模型进行学习;最后,使用统计分析工具如R语言或Python的SciPy库评估模型,包括准确率和召回率等关键指标,并对模型进行调优。这种方法为森林树种的识别和分析提供了一种高效、准确的新工具。
-
-