-
公开(公告)号：CN109145779A
公开(公告)日：2019-01-04
申请号：CN201810870274.4
申请日：2018-08-01
Applicant: 南京林业大学
CPC classification number: G06K9/00657 , G06K9/4604 , G06K9/6215 , G06K9/6247 , G06T5/006 , G06T2207/10032
Abstract: 本发明公开了一种固定森林小班边界的有林地地类变化信息提取方法，包括：1)入样有林地小班的选取、2)相似度指数统计量计算和3)多测度综合相似度指数的计算。本发明的方法通过试验区分析结果表明：在不区分小班类型时正确率、漏检率分别为86.79％、13.21％，区分小班不同的坡度和坡向类型时，其正确率都达到90％以上。该方法应用于同一地区2014‑2015年小班变化信息的提取得到较好的效果，其正确率都达到85％以上。该方法为小班地类变化信息提取提供了一种改进的方法，为森林资源年度变更调查、森林资源二类调查的复查、小班空间数据获取提供支撑，具有较好的应用价值。
-
公开(公告)号：CN109164460A
公开(公告)日：2019-01-08
申请号：CN201811050310.9
申请日：2018-09-10
Applicant: 南京林业大学
IPC: G01S17/88
Abstract: 本发明公开了一种基于机载激光雷达数据的森林蓄积量分布估测方法，属于森林资源监测、森林可持续经营管理和生态因子调查领域。本发明首先将激光雷达点云数据进行归一化处理，从归一化点云数据中提取特征变量；然后采用最大似然法解算Weibull尺度参数和形状参数，对激光雷达特征变量进行优选并反演Weibull尺度参数和形状参数；最后利用两参数Weibull分布模型预测森林蓄积量分布。本发明对森林蓄积量分布的估测方法与其他相近估测方法相比，其总体精度提升了5％以上，该方法不仅利于特征变量的机理解释，也可用于天然林和次生林。
-
公开(公告)号：CN105354534B
公开(公告)日：2018-11-20
申请号：CN201510631482.5
申请日：2015-09-29
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于多源同期高分辨率遥感数据的树种分类方法，利用集成传感器同期获取的高分辨率和高光谱数据，首先基于高分辨率数据和面向对象分割方法进行冠幅识别，然后基于高光谱数据提取的空间细节和光谱特征并结合BP神经网络分类器进行树种分类，最后通过混淆矩阵验证精度。本发明基于边缘检测的多尺度分割算法，从多层次、多格局，建立不同尺度的分割等级，逐层进行分割与信息提取，提升亚热带天然次生林树种及森林类型的分类精度。
-
Patent Agency Ranking
公开(公告)号：CN105354534A
公开(公告)日：2016-02-24
申请号：CN201510631482.5
申请日：2015-09-29
Applicant: 南京林业大学
CPC classification number: G06K9/00657 , G06K9/6281
Abstract: 本发明公开了一种基于多源同期高分辨率遥感数据的树种分类方法，利用集成传感器同期获取的高分辨率和高光谱数据，首先基于高分辨率数据和面向对象分割方法进行冠幅识别，然后基于高光谱数据提取的空间细节和光谱特征并结合BP神经网络分类器进行树种分类，最后通过混淆矩阵验证精度。本发明基于边缘检测的多尺度分割算法，从多层次、多格局，建立不同尺度的分割等级，逐层进行分割与信息提取，提升亚热带天然次生林树种及森林类型的分类精度。
-
公开(公告)号：CN108986131A
公开(公告)日：2018-12-11
申请号：CN201810825588.2
申请日：2018-07-24
Applicant: 南京林业大学
CPC classification number: G06T7/155 , G06T7/11 , G06T7/12 , G06T7/136 , G06T7/187 , G06T2207/10032 , G06T2207/20152 , G06T2207/30188
Abstract: 本发明公开了一种迭代h-minima改进分水岭的无人机高分影像单木树冠提取方法，首先对图像进行预处理，接着通过不同h值之间相互合作探测单木树冠位置，并利用虚假标记检测方法过滤无效标记，最后引入圆弧对称原则限制分水岭淹没过程，避免树冠标记过生长与无标记树冠合并。该方法可以有效抑制过分割、减少欠分割，在郁闭度较高的阔叶林中，提取不同树种、不同形状、不同大小以及边界不明显的树冠，是一种有效的无人机高分影像单木树冠提取方法，具有很好的实用性。
-
公开(公告)号：CN105913017A
公开(公告)日：2016-08-31
申请号：CN201610219260.7
申请日：2016-04-08
Applicant: 南京林业大学
IPC: G06K9/00
CPC classification number: G06K9/00657 , G06K2009/00644
Abstract: 本发明公开了一种基于同期双高分辨率遥感影像的森林生物量估算方法，以江苏南部丘陵地区的亚热带天然次生林为方法实施对象，基于同期获得的机载双高分辨率遥感影像数据，首先通过面向对象分割方法进行单木冠幅提取，然后提取5组高光谱特征变量和7个单木冠幅结构统计变量，通过构建多元回归模型估算生物量，最后通过交叉验证法评价模型的精度。该方法是在模型参数已经确定的情况下，随机选取所有样地中的一个样地作为验证样地，而其余样地进行建模，利用拟合得到的模型对随机选取的样地进行验证，循环往复，直至所有样地都验证完毕。充分挖掘同期双高分辨率遥感影像特征从而更加精确地估算森林生物量。
-
公开(公告)号：CN105913016A
公开(公告)日：2016-08-31
申请号：CN201610219051.2
申请日：2016-04-08
Applicant: 南京林业大学
IPC: G06K9/00
CPC classification number: G06K9/00657 , G06K2009/00644
Abstract: 本发明公开了一种通过条带LiDAR数据升尺度估算森林生物量的方法，以江苏南部丘陵地区的亚热带天然次生林为方法实施对象，首先从LiDAR条带数据中提取9个特征变量并与地面估算的生物量结合反演条带内的生物量连续分布信息；然后，在条带反演结果区域内采样并与覆盖整个研究区域的Landsat OLI影像特征变量结合，从而升尺度估算整个研究区域的生物量。从而在充分挖掘遥感数据特征信息的基础上，通过一个条带的LiDAR数据在降低林场级生物量估算成本的同时，也提升了遥感方法在该尺度上的生物量估算精度。
-
公开(公告)号：CN102354401A
公开(公告)日：2012-02-15
申请号：CN201110282172.9
申请日：2011-09-22
Applicant: 南京林业大学
IPC: G06T9/00
Abstract: 本发明是一种对地表影像进行分幅编码的方法，把经过墨卡托(Mercator)投影后的整幅地球影像(不含南北大约85度以上高纬度区域)进行分幅，以该幅影像中心为顶点，分别与影像四角的顶点构成4幅影像，再分别对分幅后的4幅图像进行同样方式的分幅，直至分幅后得到的地表影像达到所需的要求；并对分幅后的每幅影像进行编码，每幅影像具有特定的地域范围和编码。这种用一维变量来描述二维区域信息的编码方式，大大提高了图幅的检索效率；通过卫星遥感技术获得的原始地表影像资料须进行投影变换和分幅编码后才能用于构建影像数据库。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.025 seconds)
