-
公开(公告)号：CN114565859A
公开(公告)日：2022-05-31
申请号：CN202210194358.7
申请日：2022-03-01
Applicant: 南京林业大学
IPC: G06V20/13 , G06V10/25 , G06V10/764 , G06K9/62 , G06N20/00
Abstract: 本发明公开一种考虑谐波模型系数和物候参数的森林树种组分类方法，包括如下步骤：S1、影像获取及预处理；S2、建立基于多源遥感数据的MCCDC模型；S3、基于逻辑回归方程的森林年物候提取以及MCCDC系数提取；S4、考虑物候参数以及MCCDC参数的树种组识别。本发明将基于遥感提取的森林物候参数和所构建的谐波模型MCCDC系数作为树种分类建模的输入变量，提供了区别于传统光谱和纹理特征方法的独特分类数据特征，在一定程度上补偿了仅仅依赖光谱、纹理特征输入时存在“同物异谱”、“异物同谱”现象对分类精度的影响，从而提高了森林树种(组)分类精度。
-
公开(公告)号：CN117372710A
公开(公告)日：2024-01-09
申请号：CN202311492197.0
申请日：2023-11-10
Applicant: 南京林业大学
IPC: G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于Sentinel‑2MSI遥感影像的林窗提取方法，包括如下步骤：步骤一、获取多源遥感数据；步骤二、确定林窗面积的上、下限和林窗下植被高度的上限；步骤三、计算CHM，并进行多源遥感数据特征提取得到特征变量，进行随机森林特征重要性排序；步骤四、建立随机森林冠层高度反演模型，预测获得冠层高度反演数据HI并进行精度评价；步骤五、分别基于步骤三中计算的CHM数据和步骤四中获得的HI数据划分林冠、林窗和其他类三类样本，计算HI样本和CHM样本间的空间一致性并分别制作CHM样本集、HI样本训练集和HI样本验证集；步骤六、以CHM样本集为因变量，对除纹理特征外的其余所有特征变量进行随机森林特征重要性排序；步骤七、使用CNN算法建立CNN‑HI林窗分类模型。
-
公开(公告)号：CN115631416B
公开(公告)日：2024-07-23
申请号：CN202211345390.7
申请日：2022-10-31
Applicant: 南京林业大学
IPC: G06V20/10 , G06V10/764 , G06V10/762 , G06V10/10
Abstract: 本发明公开了一种基于MODIS燃烧数据产品的火灾足迹提取方法，属于遥感技术领域，包括如下步骤：获取MODIS遥感产品中的燃烧数据MCD64A1、土地覆盖类型数据MCD12Q1，并对其进行预处理；采用Jenks自然间断点分类法将每年燃烧像元的日期信息划分为三个频率的火灾期；利用DBSCAN算法，根据每个火灾期像元点的空间位置对燃烧像元进行聚类，提取火灾足迹，获取Jenks‑DBSCAN聚类模型；利用土地覆盖类型数据MCD12Q1，对提取的火灾足迹进行掩膜，去除非可燃像元后，与实地调查得到的火灾事件信息比较，检验模型的准确性，对火灾足迹进行空间分布制图。本发明提供了一种基于MODIS遥感影像燃烧像元的火灾足迹提取方法，结果精度更高，提高了火灾风险的评估、森林火灾管理的准确性和有效性。
-
公开(公告)号：CN115631416A
公开(公告)日：2023-01-20
申请号：CN202211345390.7
申请日：2022-10-31
Applicant: 南京林业大学
IPC: G06V20/10 , G06V10/764 , G06V10/762 , G06V10/10
Abstract: 本发明公开了一种基于MODIS燃烧数据产品的火灾足迹提取方法，属于遥感技术领域，包括如下步骤：获取MODIS遥感产品中的燃烧数据MCD64A1、土地覆盖类型数据MCD12Q1，并对其进行预处理；采用Jenks自然间断点分类法将每年燃烧像元的日期信息划分为三个频率的火灾期；利用DBSCAN算法，根据每个火灾期像元点的空间位置对燃烧像元进行聚类，提取火灾足迹，获取Jenks‑DBSCAN聚类模型；利用土地覆盖类型数据MCD12Q1，对提取的火灾足迹进行掩膜，去除非可燃像元后，与实地调查得到的火灾事件信息比较，检验模型的准确性，对火灾足迹进行空间分布制图。本发明提供了一种基于MODIS遥感影像燃烧像元的火灾足迹提取方法，结果精度更高，提高了火灾风险的评估、森林火灾管理的准确性和有效性。
-
-
-
Search Results
4
records
(took 0.029 seconds)
