公开(公告)号：CN112287294B

公开(公告)日：2024-02-27

申请号：CN202010950190.9

申请日：2020-09-10

Applicant: 河海大学

Inventor： 郑丽虹 ,  刘懿 ,  任立良 ,  江善虎 ,  袁飞 ,  胡若轩 ,  张林齐 ,  卫林勇

IPC: G06F17/18 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于深度学习的时空双向土壤含水量插值方法，包括：构建长短期记忆LSMT、全卷积神经网络FCNN两种深度学习模型；以遥感土壤水产品、气象要素、植被土壤等下垫面参数为输入数据，分别从时间维度逐网格构建LSTM模型，从空间维度逐日构建FCNN模型，重建土壤含水量数据；结合贝叶斯网络权重自学习模型，将时间和空间两套不同插值途径获得的土壤水数据进行优化融合。本发明充分考虑数据的时空三维特征，综合了土壤水在时程上的季节变化规律以及在空间上的地理学特性，利用深度学习模型有效建立气象、下垫面要素与土壤含水量间的内在联系，显著提高了土壤含水量的插值精度。

公开(公告)号：CN119886587A

公开(公告)日：2025-04-25

申请号：CN202510377839.5

申请日：2025-03-28

Applicant: 河海大学 ,  水利部交通运输部国家能源局南京水利科学研究院

Inventor： 张林齐 ,  刘懿 ,  张海滨 ,  袁山水 ,  江善虎 ,  任立良 ,  尹鑫 ,  颜冰 ,  卫林勇 ,  张欣雨

IPC: G06Q10/063 ,  G06Q10/04 ,  G06F18/214 ,  G06F18/213 ,  G06N20/20

Abstract: 本发明公开了一种干旱事件影响下植被恢复时长的量化预测方法，包括如下步骤：提取研究区各格点周尺度植被状态指数和土壤含水量的时间序列；根据植被状态指数时间序列得到逐格点的植被异常状况；基于土壤水分位数方法识别研究区的土壤干旱事件，提取逐格点的干旱典型特征；结合干旱事件以及对应的植被异常状况，绘制植被累积距平曲线，通过识别植被恢复的起止时刻之间的间隔来量化植被恢复时长；引入极端梯度提升树模型，训练并预测未来时刻旱情发生后植被的恢复时长。本发明为量化植被恢复时长提供了新的途径，基于机器学习算法建立了干旱影响下植被恢复时长的预测方法，为评估生态系统对干旱的响应提供技术支撑。

公开(公告)号：CN116257817A

公开(公告)日：2023-06-13

申请号：CN202310113509.6

申请日：2023-02-14

Applicant: 河海大学

Inventor： 江善虎 ,  卫林勇 ,  任立良 ,  刘懿 ,  袁山水 ,  张林齐 ,  王孟浩

IPC: G06F18/25 ,  G06F17/18

Abstract: 本发明公开了一种近实时降水融合方法、装置及系统，所述方法包括获取互相独立的近实时降水产品；对各近实时降水产品进行预处理，使得各近实时降水产品具备统一的时空分辨率；采用Triple Collocation方法估计各近实时降水产品的误差，并以最小化融合降水数据与真实降水数据的误差为目的，用所述误差计算得到各近实时降水产品的权重；对各近实时降水产品进行加权求和，获得初始融合降水数据；使用累积概率密度函数匹配方法校正所述初始融合降水数据，获得近实时融合降水数据集。本发明能够得到更高精度的近实时融合降水数据集。

公开(公告)号：CN119577641A

公开(公告)日：2025-03-07

申请号：CN202411632232.9

申请日：2024-11-15

Applicant: 河海大学

Inventor： 刘懿 ,  张林齐 ,  杨子锐 ,  任立良 ,  李一平 ,  卫林勇 ,  史锐光 ,  张欣雨

IPC: G06F18/2433 ,  G06F17/18 ,  G06N20/20 ,  G06Q50/26

Abstract: 本发明公开了一种基于水热异常特征的干旱影响预测方法及系统，该方法包括：提取计算研究区域气象数据的时间序列，并对降水量和蒸散发量进行标准化处理；计算土壤含水量分位数识别干旱，完成干旱时段划分，获得水热异常特征值与干旱形成速率；构建土壤水恢复力指数；使用随机森林模拟干旱速率；对干旱影响进行评估。本发明能够提高对骤发干旱事件的发生与影响预估的精确度。

公开(公告)号：CN119783027A

公开(公告)日：2025-04-08

申请号：CN202411838079.5

申请日：2024-12-13

Applicant: 河海大学

Inventor： 卫林勇 ,  江善虎 ,  任立良 ,  张林齐

IPC: G06F18/25 ,  G06F18/15 ,  G06Q50/06

Abstract: 本发明公开了考虑误差变异的多源降水信息时变融合方法、装置及系统，包括：生成具有相同时空分辨率的第一卫星反演降水产品、第二卫星反演降水产品和再分析模拟降水产品；在各雨量站的每个时间点，以最小化融合降水产品与雨量站观测数据之间的误差为目标，确定出所述第一卫星反演降水产品、第二卫星反演降水产品和再分析模拟降水产品的时变最优权重；使用反距离加权方法对所述时变最优权重进行插值处理，生成时变融合权重；基于所述第一卫星反演降水产品、第二卫星反演降水产品和再分析模拟降水产品，以及所述时变融合权重，生成融合降水产品。本发明能有效地时变融合多源降水信息，为无资料流域水资源管理和水灾害监测预警提供数据支撑。

公开(公告)号：CN112287294A

公开(公告)日：2021-01-29

申请号：CN202010950190.9

申请日：2020-09-10

Applicant: 河海大学

Inventor： 郑丽虹 ,  刘懿 ,  任立良 ,  江善虎 ,  袁飞 ,  胡若轩 ,  张林齐 ,  卫林勇

IPC: G06F17/18 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的时空双向土壤含水量插值方法，包括：构建长短期记忆LSMT、全卷积神经网络FCNN两种深度学习模型；以遥感土壤水产品、气象要素、植被土壤等下垫面参数为输入数据，分别从时间维度逐网格构建LSTM模型，从空间维度逐日构建FCNN模型，重建土壤含水量数据；结合贝叶斯网络权重自学习模型，将时间和空间两套不同插值途径获得的土壤水数据进行优化融合。本发明充分考虑数据的时空三维特征，综合了土壤水在时程上的季节变化规律以及在空间上的地理学特性，利用深度学习模型有效建立气象、下垫面要素与土壤含水量间的内在联系，显著提高了土壤含水量的插值精度。