-
公开(公告)号:CN109523143A
公开(公告)日:2019-03-26
申请号:CN201811293373.7
申请日:2018-11-01
Applicant: 苏州中科天启遥感科技有限公司 , 长安大学 , 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: G06Q10/06 , G06Q50/02 , G06F16/2458
Abstract: 本发明公布了一种基于多粒度计算的土地评价方法,在获取地块矢量单元基础上,利用自然资源和社会经济的多源时空数据进行地块属性的扩展、结构化表示、约简以及规则提取等步骤,实现从地块“多维属性值”到“专题决策值”的映射转化,进而绘制形成地块级专题推测图,为政府、企业等部门提供更为精细和精准的土地种植评价信息。本方法主要的关键技术为“属性扩展”、“规则提取”以及“专题推测制图”等。本发明可实现较高精度的地块级土地适宜性评价专题制图。
-
公开(公告)号:CN112381332A
公开(公告)日:2021-02-19
申请号:CN202011401637.3
申请日:2020-12-02
Applicant: 中国科学院空天信息创新研究院 , 长安大学
Abstract: 本发明提供一种基于聚落对象的人口空间分布预测方法,包括以下步骤:选取聚落对象,采集聚落对象对应的地理空间数据,并进行数据预处理,得到聚落对象的变量因子及人口密度对数;根据预处理后的变量因子及人口密度对数构建预测模型,根据回归模型得到人口密度预测值,并通过计算分解权重,得到最终的人口预测值;对最终的人口数量预测值进行精度评估,评价预测模型的预测性能,根据预测结果进行预测模型优化。本发明通过对人口普查数据进行空间化处理,通过采用改进的随机森林模型,能够得到准确、真实、地理上一致的空间分布结果。
-
公开(公告)号:CN116310778A
公开(公告)日:2023-06-23
申请号:CN202211101688.3
申请日:2022-09-09
Applicant: 长安大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06N20/00
Abstract: 本发明涉及遥感技术领域,具体涉及一种微波遥感土壤水分数据图像降尺度方法。本发明利用机器学习算法对土壤水分数据图像与降尺度因子之间的关系进行非线性拟合,建立非线性关系模型;模型训练速度快、泛化能力强,不易受到模型参数等不确定性因素的影响,考虑的自变量较多,对复杂区域更适应;从而避免了复杂物理机理的降尺度方法,同时运用了微波遥感数据的优势,提高了微波遥感土壤水分数据图像的空间分辨率。
-
公开(公告)号:CN108876760A
公开(公告)日:2018-11-23
申请号:CN201711493854.8
申请日:2017-12-31
Applicant: 苏州中科天启遥感科技有限公司 , 长安大学 , 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
Abstract: 本发明公布了一种基于历史解译知识的遥感影像变化检测方法,本发明方法的前提是获取研究区的历史解译专题图,将其地物空间分布信息作为先验知识指导后续的对象级变化检测。本发明在各期遥感数据上提取空间前后期一致的对象对,同时利用历史解译知识作为辅助,通过DS证据融合手段,最终实现不同时期遥感数据间的变化检测。相比于已有的变化检测方法,本方法具有更高的识别精度和稳健性。
-
公开(公告)号:CN109523143B
公开(公告)日:2023-04-18
申请号:CN201811293373.7
申请日:2018-11-01
Applicant: 苏州中科天启遥感科技有限公司 , 长安大学 , 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: G06Q10/0639 , G06Q50/02 , G06F16/2458
Abstract: 本发明公布了一种基于多粒度计算的土地评价方法,在获取地块矢量单元基础上,利用自然资源和社会经济的多源时空数据进行地块属性的扩展、结构化表示、约简以及规则提取等步骤,实现从地块“多维属性值”到“专题决策值”的映射转化,进而绘制形成地块级专题推测图,为政府、企业等部门提供更为精细和精准的土地种植评价信息。本方法主要的关键技术为“属性扩展”、“规则提取”以及“专题推测制图”等。本发明可实现较高精度的地块级土地适宜性评价专题制图。
-
公开(公告)号:CN108921025A
公开(公告)日:2018-11-30
申请号:CN201810556010.1
申请日:2018-06-01
Applicant: 苏州中科天启遥感科技有限公司 , 长安大学 , 中国科学院遥感与数字地球研究所
Abstract: 本发明公开了一种协同变化检测的遥感影像对象级分类样本自动选择方法,在获取同一区域两期遥感影像的前提下,对新时相的影像利用均匀漂移的方式进行多尺度分割,获取地物的对象边界信息,同时对两期影像进行变化检测,获取不变像元;进一步在“不变”像元位置基础上建立两期影像间的“不变”信息映射关系,从而进行原始样本信息在对应“不变”位置上的迁移;然后,以新时相影像分割获取的矢量边界为约束,提取“不变”对象及其样本类标签信息;最后,利用对象相关属性进行样本纯化,剔除部分具有错误类标签信息的对象,最终建立新影像的对象级样本库,用于新时相遥感影像的分类。
-
-
-
-
-