公开(公告)号：CN118411622B

公开(公告)日：2024-10-18

申请号：CN202410532383.0

申请日：2024-04-30

Applicant: 西南交通大学

Inventor： 张国东 ,  梁顺林 ,  马晗 ,  何涛

IPC: G06V20/13 ,  G06V10/52 ,  G06V10/40 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/084 ,  G06N7/01

Abstract: 本发明涉及定量遥感卫星产品生成技术领域，提供一种30米分辨率全天空地表温度估算方法，包括：S1：建立第一随机森林模型，估算Landsat 30米晴空像元下的LST；S2：建立LSTM时序回归模型，重建得到假设晴空的LST；S3：建立第二随机森林模型，估算Landsat 30米阴天像元下的LST；S4：利用Fmask云检测结果，进一步区分晴空、云遮挡和云像元，在晴空像元保留第一随机森林模型估算的LST值，在云遮挡像元保留重建的假设晴空LST值，在云像元保留第二随机森林模型估算的LST值，最终得到30米分辨率全天空LST估算结果。本发明能有效估算30米全天空地表温度。

公开(公告)号：CN119785226A

公开(公告)日：2025-04-08

申请号：CN202411694964.0

申请日：2024-11-25

Applicant: 西南交通大学

Inventor： 张国东 ,  尹高飞 ,  张翼 ,  王昶景

IPC: G06V20/13 ,  G06V20/10 ,  G06V10/762 ,  G06V10/764 ,  G06V10/766 ,  G06V10/77 ,  G06V10/774 ,  G06V10/82 ,  G06F18/243 ,  G06F18/27 ,  G06F18/213 ,  G06F18/214 ,  G06F18/23213 ,  G06N5/01 ,  G06N20/20 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/084 ,  G06N3/0985 ,  G06F123/02

Abstract: 本发明公开了一种基于模态分解和深度学习的高时空分辨率归一化植被差异指数生成方法，包括：建立以Landsat地表反射率和太阳天顶角为输入，以GLASS 250米NDVI为输出的XGBoost回归模型，估算Landsat 30米晴空像元下的NDVI；对受云污染的Landsat像元，通过构建季节性曲线在时空窗口内寻找相似像元，加权相似像元与GLASS NDVI值进行填充，生成时间连续的Landsat NDVI曲线；采用EEMD方法对Landsat NDVI曲线进行时序分解，得到本征模态函数和残差曲线；构建Bi TCN模型对本征模态函数和残差曲线进行时序预测，组合预测结果得到高时空分辨率NDVI反演结果；可以准确估算30米分辨率的NDVI时间序列，为植被长势监测、农作物估产、生态系统变化评估等应用提供重要的数据支持。

公开(公告)号：CN119785199A

公开(公告)日：2025-04-08

申请号：CN202411695850.8

申请日：2024-11-25

Applicant: 成都市公园城市建设发展研究院(成都市风景园林规划设计院、成都市林业勘察规划设计院、成都市公园城市信息宣传中心) ,  西南交通大学

Inventor： 陈明坤 ,  张国东 ,  尹高飞 ,  李荷 ,  孙钢

IPC: G06V20/10 ,  G06V20/13 ,  G06V10/74 ,  G06V10/766 ,  G06F18/23213 ,  G06F18/2337 ,  G06F123/02

Abstract: 本发明公开了一种适用于大区域尺度的30米8天时空无缝归一化植被差异指数高效生成方法，包括：选取代表性样点，优选均质性代表性样点；聚合代表性样点无云30米Landsat地表反射率数据与角度数据至250米作为模型输入，提取GLASS 250米NDVI数据作为模型输出，构建GPR回归模型估算30米分辨率晴空NDVI值；对于目标日期云遮蔽Landsat像元，通过评价时间序列GLASS NDVI的相似度寻找相似像元，以其所在日期为中心构建时间窗口，寻找基准影像；建立基准影像上相似像元GLASS NDVI值与目标影像上相似像元GLASS NDVI之间的回归模型，应用回归模型重建目标影像上缺失的NDVI值，加权多个重建结果得到时空无缝30米8天Landsat NDVI；本发明可以为区域尺度植被动态监测和生态环境评估提供重要的数据支持。

公开(公告)号：CN118626863A

公开(公告)日：2024-09-10

申请号：CN202410852195.6

申请日：2024-06-28

Applicant: 西南交通大学

Inventor： 张国东 ,  尹高飞 ,  胡江川 ,  张翼

IPC: G06F18/214 ,  G06F18/27 ,  G06F18/21 ,  G06N20/00

Abstract: 本发明提出了一种顾及时间约束的时空无缝高分辨率叶面积指数反演方法。属于定量遥感卫星产品生成技术领域，通过训练样本集的构建，采用XGBoost模型反演晴空叶面积指数。并通过构建某样点某时刻前后三年的Landsat叶面积指数时间序列，利用SSA‑BiTCN‑Attention模型对此进行学习和预测，提高反演精度。最后，在全球任意区域应用该模型，反演受云遮挡像元下的Landsat叶面积指数值。该方法有效改善了因云层遮挡而造成的叶面积指数数据缺失问题，提高了叶面积指数反演的准确度和时空连续性，为更准确的全球植被监测和气候预测提供了重要的数据支持。

公开(公告)号：CN118411622A

公开(公告)日：2024-07-30

申请号：CN202410532383.0

申请日：2024-04-30

Applicant: 西南交通大学

Inventor： 张国东 ,  梁顺林 ,  马晗 ,  何涛

IPC: G06V20/13 ,  G06V10/52 ,  G06V10/40 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/084 ,  G06N7/01

Abstract: 本发明涉及定量遥感卫星产品生成技术领域，提供一种30米分辨率全天空地表温度估算方法，包括：S1：建立第一随机森林模型，估算Landsat 30米晴空像元下的LST；S2：建立LSTM时序回归模型，重建得到假设晴空的LST；S3：建立第二随机森林模型，估算Landsat 30米阴天像元下的LST；S4：利用Fmask云检测结果，进一步区分晴空、云遮挡和云像元，在晴空像元保留第一随机森林模型估算的LST值，在云遮挡像元保留重建的假设晴空LST值，在云像元保留第二随机森林模型估算的LST值，最终得到30米分辨率全天空LST估算结果。本发明能有效估算30米全天空地表温度。

公开(公告)号：CN119785200A

公开(公告)日：2025-04-08

申请号：CN202411695972.7

申请日：2024-11-25

Applicant: 西南交通大学 ,  成都市公园城市建设发展研究院(成都市风景园林规划设计院、成都市林业勘察规划设计院、成都市公园城市信息宣传中心)

Inventor： 张国东 ,  李荷 ,  尹高飞 ,  陈明坤 ,  倪逸旻

IPC: G06V20/10 ,  G06V20/13 ,  G06V10/60 ,  G06V10/766 ,  G06V10/762 ,  G06V10/764 ,  G06V10/774 ,  G06F18/27 ,  G06F18/243 ,  G06F18/214 ,  G06F18/23213 ,  G06F18/28 ,  G06N5/01 ,  G06N20/20 ,  G06F123/02

Abstract: 本发明公开了一种机理模型与机器学习耦合的高时空分辨率光合有效辐射吸收比反演方法，包括：模拟FY3B MERSI大气层顶反射率，从FY3B MERSI大气层顶反射率反演晴空FAPAR及Landsat对应波段地表反射率；建立第一LightGBM回归模型，从真实Landsat地表反射率反演30米晴空FAPAR值；建立第二LightGBM回归模型，重构云下缺失Landsat 30米FAPAR值；在区域尺度先后应用第一LightGBM回归模型、第二LightGBM回归模型，估算高时空分辨率光合有效辐射吸收比；本发明能够准确估算30米分辨率的FAPAR时间序列。

公开(公告)号：CN117893919A

公开(公告)日：2024-04-16

申请号：CN202410057473.9

申请日：2024-01-12

Applicant: 西南交通大学

Inventor： 张国东 ,  尹高飞 ,  张翼 ,  李宗岩 ,  王昶景 ,  马杜娟 ,  谢江流

IPC: G06V20/13 ,  G06V20/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0442 ,  G01B11/28

Abstract: 本发明涉及定量遥感卫星产品生成技术领域,具体地说是一种多云多雾地区高时空分辨率叶面积指数产品生成方法，本发明集成时空融合、数据同化与深度学习技术，其中时空融合技术为深度学习技术提供更多的学习信息，数据同化技术为深度学习技术提供高精度的学习目标，而深度学习技术有效解决多云多雾地区数据缺失问题，这三种技术相辅相成，填补了多云多雾地区高时空分辨率LAI产品的空白。

公开(公告)号：CN117893919B

公开(公告)日：2024-06-18

申请号：CN202410057473.9

申请日：2024-01-12

Applicant: 西南交通大学

Inventor： 张国东 ,  尹高飞 ,  张翼 ,  李宗岩 ,  王昶景 ,  马杜娟 ,  谢江流

IPC: G06V20/13 ,  G06V20/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0442 ,  G01B11/28

Abstract: 本发明涉及定量遥感卫星产品生成技术领域,具体地说是一种多云多雾地区高时空分辨率叶面积指数产品生成方法，本发明集成时空融合、数据同化与深度学习技术，其中时空融合技术为深度学习技术提供更多的学习信息，数据同化技术为深度学习技术提供高精度的学习目标，而深度学习技术有效解决多云多雾地区数据缺失问题，这三种技术相辅相成，填补了多云多雾地区高时空分辨率LAI产品的空白。