-
公开(公告)号：CN117389992A
公开(公告)日：2024-01-12
申请号：CN202311365081.0
申请日：2023-10-20
Applicant: 南京林业大学
Abstract: 本发明公开了一种非卫星时代的林火风险等级数据重建方法，包括获取地面气候资料日值数据集和ASTER GDEM数据，计算气象站点的改进森林火险指数；基于长短时记忆网络，回溯各个气象站点非卫星时代历史MFFDI；使用基于薄盘样条理论的Anusplin插值方法，将非卫星时代的MFFDI值插值至整个区域范围内，将插值结果与其他人类活动要素，生成林火风险等级图，并利用从历史资料中获取的历史火灾事件验证生成的林火风险等级图的可靠性与科学性。使森林火险指数在刻画森林火险时更具有科学性；对于检验过去的森林火灾管理方法的适当性，应急服务和消防管理部门评估森林防火和灭火的有效性，消防领域方面的时空合理性和更好地了解未来森林火灾的发生规律和演变趋势至关重要。
-
公开(公告)号：CN114565859A
公开(公告)日：2022-05-31
申请号：CN202210194358.7
申请日：2022-03-01
Applicant: 南京林业大学
IPC: G06V20/13 , G06V10/25 , G06V10/764 , G06K9/62 , G06N20/00
Abstract: 本发明公开一种考虑谐波模型系数和物候参数的森林树种组分类方法，包括如下步骤：S1、影像获取及预处理；S2、建立基于多源遥感数据的MCCDC模型；S3、基于逻辑回归方程的森林年物候提取以及MCCDC系数提取；S4、考虑物候参数以及MCCDC参数的树种组识别。本发明将基于遥感提取的森林物候参数和所构建的谐波模型MCCDC系数作为树种分类建模的输入变量，提供了区别于传统光谱和纹理特征方法的独特分类数据特征，在一定程度上补偿了仅仅依赖光谱、纹理特征输入时存在“同物异谱”、“异物同谱”现象对分类精度的影响，从而提高了森林树种(组)分类精度。
-
公开(公告)号：CN110751727B
公开(公告)日：2020-12-18
申请号：CN201911048616.5
申请日：2019-10-30
Applicant: 南京林业大学
IPC: G06T17/05 , G06F16/58 , G06F16/587
Abstract: 本发明提出的是一种基于Landsat长时间序列的合成图像构建方法，首先收集Landsat系列所有可用的云量低于80%的图像，然后去除云、云影、雪等Landsat影像中的噪声观测点，接着对每个清晰观测值按照一定的规则进行拟合，建立各波段各像元的地表反射率变化曲线，最终能够生成每日的Landsat地表反射率的合成图像。本发明有效提高了图像构建的时间分辨率，能有效排除地表出现的偶然情况，且不受云检测算法未能识别的噪声影响，反映由地表的季节性变化和太阳高度角变化引起的地表反射率周期变化状况，得到反射率的年际变化趋势。
-
公开(公告)号：CN117372710A
公开(公告)日：2024-01-09
申请号：CN202311492197.0
申请日：2023-11-10
Applicant: 南京林业大学
IPC: G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于Sentinel‑2MSI遥感影像的林窗提取方法，包括如下步骤：步骤一、获取多源遥感数据；步骤二、确定林窗面积的上、下限和林窗下植被高度的上限；步骤三、计算CHM，并进行多源遥感数据特征提取得到特征变量，进行随机森林特征重要性排序；步骤四、建立随机森林冠层高度反演模型，预测获得冠层高度反演数据HI并进行精度评价；步骤五、分别基于步骤三中计算的CHM数据和步骤四中获得的HI数据划分林冠、林窗和其他类三类样本，计算HI样本和CHM样本间的空间一致性并分别制作CHM样本集、HI样本训练集和HI样本验证集；步骤六、以CHM样本集为因变量，对除纹理特征外的其余所有特征变量进行随机森林特征重要性排序；步骤七、使用CNN算法建立CNN‑HI林窗分类模型。
-
公开(公告)号：CN113850139B
公开(公告)日：2022-04-08
申请号：CN202110986333.6
申请日：2021-08-25
Applicant: 南京林业大学
IPC: G06V20/13 , G06V10/60 , G06V10/764 , G06K9/62
Abstract: 本发明公开一种基于多源遥感的森林年际物候监测方法，首先，收集所有可用的云量低于80％的卫星遥感影像，然后对不同卫星遥感影像的整合方法进行修正，提高不同传感器的空间和光谱匹配度；接着运用改进的连续变化检测与分类模型，生成每日植被指数曲线；最后，基于每日合成影像采用逻辑回归模型检验增强型植被指数、归一化植被指数和地表水体指数提取最优森林年际SOS。本发明改进不同卫星数据的整合方法，增加观测频率；提出MCCDC模型，将辐射差异纳入考虑范围并优化模型算法，在保证精度的同时缩短计算时间，最终生成每日清晰无云遥感影像；引入3种植被指数估测森林年际SOS，评估不同指数在评估森林SOS的差异。
-
Patent Agency Ranking
公开(公告)号：CN109522859B
公开(公告)日：2020-11-27
申请号：CN201811422008.1
申请日：2018-11-27
Applicant: 南京林业大学
IPC: G06K9/00
Abstract: 本发明属于数据识别技术领域，公开了一种基于高光谱遥感影像多特征输入的城市不透水层提取方法，包括基于改进t‑SNE算法的高光谱遥感数据降维和光谱特征提取，基于深度压缩权值的CDBNs算法的空间特征提取和边界信息监测以及多特征联合的地物分类提取算子。本发明改进了分类精度，减少了对标记样本数据的依赖，减少了权值冗余，提高了算法运行效率，改善了空间特征和边界信息检测的空间和时间复杂度；通过逻辑回归分类器，构建光谱特征、空间特征和边界信息联合的UIS提取模型，有效利用光谱特征、空间特征和边界信息等综合特征提取，有效降低了地物分类结果图像中“椒盐”噪声现象。
-
公开(公告)号：CN110751727A
公开(公告)日：2020-02-04
申请号：CN201911048616.5
申请日：2019-10-30
Applicant: 南京林业大学
IPC: G06T17/05 , G06F16/58 , G06F16/587
Abstract: 本发明提出的是一种基于Landsat长时间序列的合成图像构建方法，首先收集Landsat系列所有可用的云量低于80%的图像，然后去除云、云影、雪等Landsat影像中的噪声观测点，接着对每个清晰观测值按照一定的规则进行拟合，建立各波段各像元的地表反射率变化曲线，最终能够生成每日的Landsat地表反射率的合成图像。本发明有效提高了图像构建的时间分辨率，能有效排除地表出现的偶然情况，且不受云检测算法未能识别的噪声影响，反映由地表的季节性变化和太阳高度角变化引起的地表反射率周期变化状况，得到反射率的年际变化趋势。
-
公开(公告)号：CN109522859A
公开(公告)日：2019-03-26
申请号：CN201811422008.1
申请日：2018-11-27
Applicant: 南京林业大学
IPC: G06K9/00
CPC classification number: G06K9/0063 , G06K2009/00644
Abstract: 本发明属于数据识别技术领域，公开了一种基于高光谱遥感影像多特征输入的城市不透水层提取方法，包括基于改进t-SNE算法的高光谱遥感数据降维和光谱特征提取，基于深度压缩权值的CDBNs算法的空间特征提取和边界信息监测以及多特征联合的地物分类提取算子。本发明改进了分类精度，减少了对标记样本数据的依赖，减少了权值冗余，提高了算法运行效率，改善了空间特征和边界信息检测的空间和时间复杂度；通过逻辑回归分类器，构建光谱特征、空间特征和边界信息联合的UIS提取模型，有效利用光谱特征、空间特征和边界信息等综合特征提取，有效降低了地物分类结果图像中“椒盐”噪声现象。
-
公开(公告)号：CN116091939A
公开(公告)日：2023-05-09
申请号：CN202310002639.2
申请日：2023-01-03
Applicant: 南京林业大学
IPC: G06V20/13 , G01N21/25 , G06V10/44 , G06V10/80 , G06V10/766
Abstract: 本发明公开了基于多尺度地理加权回归的森林地上生物量降尺度方法，包括收集研究区资料，对预测变量进行提取；将全色波段与对应的多光谱波段进行融合，生成融合多光谱图像；确定与AGB值有更密切关系的特征变量，同时将多余的变量从建模过程中剔除；通过MGWR来捕捉各种预测变量的空间异质性水平的差异；利用粗分辨率数据集构建的MGWR统计回归模型直接应用于预测变量集，以完成降尺度的任务；并通过克里金法插值，将MGWRD得出的AGB残差的结构成分分离出来，并将分离出来的成分叠加到空间上对应的MGWRD预测AGB值上，形成AGB的最终分布模式。由较低成本获得的低空间分辨率遥感影像通过统计回归降尺度方法获得更高分辨率AGB分布图，并利用克里金法提高了预测精度。
-
公开(公告)号：CN115965863A
公开(公告)日：2023-04-14
申请号：CN202211601413.6
申请日：2022-12-13
Applicant: 南京林业大学
IPC: G06V20/10 , G06V10/764 , G06F17/16 , G06N5/01
Abstract: 本发明公开了基于GEE平台和VCT算法的森林火灾斑块及发生时间提取方法，包括利用VCT算法结果以及所有可获取Landsat影像，根据标准化后的植被指数NBRr、NDMIr、NDVIr以及计算得到的植被指数差值dNBRr、dNDMIr、dNDVIr，使用得到的决策树规则在理想状态下能够快速地将森林干扰发生具体时间确定到两幅影像获取日期之间，在Landsat8和Landsat9数据同时存在的情况下还可以进一步地缩短，在此基础上，使用决策树规则进一步根据干扰发生时间前后的最靠近影像的植被指数值区分出了火灾干扰和非火灾干扰，在这些过程中，不需要对不同区域分别选择大量训练数据，对不同区域和不同时间获取的影像可以使用同一套决策树规则进行判断，相较于现有许多方法具有更好的泛用性，且保持了较高的精度。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.029 seconds)
