-
公开(公告)号:CN106123812A
公开(公告)日:2016-11-16
申请号:CN201610664410.5
申请日:2016-08-14
Applicant: 覃泽林 , 广西壮族自治区农业科学院农业科技信息研究所
IPC: G01B11/28
CPC classification number: G01B11/285
Abstract: 本发明公开了一种基于遥感影像获取起伏地表甘蔗种植面积的方法及装置,方法包括:获取甘蔗地块的图斑矢量图及DME栅格数据;根据DME栅格数据获取图斑矢量图的坡度均值;根据坡度均值与坡度阈值将甘蔗地块的图斑矢量图分为平地地块和坡度地块;获取平地地块的面积;将坡度地块进行微面元分解成多个相互邻接的平面小面元,获取平面小面元的面积,将多个平面小面元的面积相加获取坡度地块的面积;将两个地块的面积相加获取甘蔗地块的面积。本发明根据遥感获取的平面范围矢量,结合高精度数字高程模型进行甘蔗地块的地形判断,通过重要地形和边界特征的提取,实现甘蔗真实种植面积的快速拟合计算,为政策制订和生产管理决策提供准确的数据支持。
-
公开(公告)号:CN109840539A
公开(公告)日:2019-06-04
申请号:CN201711493848.2
申请日:2017-12-31
Applicant: 苏州中科天启遥感科技有限公司 , 广西壮族自治区农业科学院农业科技信息研究所 , 中国科学院遥感与数字地球研究所 , 中科坤元地理信息技术(苏州)有限公司
IPC: G06K9/62
Abstract: 本发明公布了一种基于地块图斑的遥感时空数据融合方法,在获取地表真实地块图斑基础上,以图斑为约束条件,利用研究区的一期高分影像以及多期中分辨率影像,通过对高分影像进行无监督分类获取地表覆盖类型并且计算每个图斑的反射率;以图斑为约束条件对中分辨率数据进行最优解混;在对中分辨率影像进行解混的基础上,推测中分辨率数据对应的每期高分辨数据。本发明可以提高传统的基于像元级别的时空数据融合方法,与采用学习模型融合方法相比,可以降低难度,提高稳定性。
-
公开(公告)号:CN108830312B
公开(公告)日:2022-09-09
申请号:CN201810556049.3
申请日:2018-06-01
Applicant: 苏州中科天启遥感科技有限公司 , 广西壮族自治区农业科学院农业科技信息研究所 , 中国科学院遥感与数字地球研究所
IPC: G06K9/62
Abstract: 本发明公开了一种基于样本自适应扩充的集成学习方法,一方面通过采用bootstrap特征抽样与动态加权投票的方式对多个弱分类器进行集成,继承了集成学习方法分类精度高、重复性好的优点;另一方面,该方法能够在少量地面调查样本的基础上,通过迭代分类与基于空间离散度和属性相似度的样本筛选,实现样本的自适应扩充,解决了分类中小样本导致的模型欠学习问题。本案所涉及的集成学习方法采用样本自适应扩充的方式,可以有效解决遥感分类过程中样本不足的问题,同时减少了研究人员获取样本所耗费的人力及时间。
-
公开(公告)号:CN108830312A
公开(公告)日:2018-11-16
申请号:CN201810556049.3
申请日:2018-06-01
Applicant: 苏州中科天启遥感科技有限公司 , 广西壮族自治区农业科学院农业科技信息研究所 , 中国科学院遥感与数字地球研究所
IPC: G06K9/62
Abstract: 本发明公开了一种基于样本自适应扩充的集成学习方法,一方面通过采用bootstrap特征抽样与动态加权投票的方式对多个弱分类器进行集成,继承了集成学习方法分类精度高、重复性好的优点;另一方面,该方法能够在少量地面调查样本的基础上,通过迭代分类与基于空间离散度和属性相似度的样本筛选,实现样本的自适应扩充,解决了分类中小样本导致的模型欠学习问题。本案所涉及的集成学习方法采用样本自适应扩充的方式,可以有效解决遥感分类过程中样本不足的问题,同时减少了研究人员获取样本所耗费的人力及时间。
-
公开(公告)号:CN109840539B
公开(公告)日:2023-09-08
申请号:CN201711493848.2
申请日:2017-12-31
Applicant: 苏州中科天启遥感科技有限公司 , 广西壮族自治区农业科学院农业科技信息研究所 , 中国科学院遥感与数字地球研究所 , 中科坤元地理信息技术(苏州)有限公司
IPC: G06V10/80 , G06V10/764
Abstract: 本发明公布了一种基于地块图斑的遥感时空数据融合方法,在获取地表真实地块图斑基础上,以图斑为约束条件,利用研究区的一期高分影像以及多期中分辨率影像,通过对高分影像进行无监督分类获取地表覆盖类型并且计算每个图斑的反射率;以图斑为约束条件对中分辨率数据进行最优解混;在对中分辨率影像进行解混的基础上,推测中分辨率数据对应的每期高分辨数据。本发明可以提高传统的基于像元级别的时空数据融合方法,与采用学习模型融合方法相比,可以降低难度,提高稳定性。
-
-
-
-