申请/专利权人：三峡大学

申请日：2022-11-19

公开（公告）日：2023-04-07

公开（公告）号：CN115937714A

主分类号：G06V20/17

分类号：G06V20/17;G06V20/10;G06V10/82;G06N3/048;G06N3/0499;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.04.25#实质审查的生效;2023.04.07#公开

摘要：本申请提出了一种基于神经网络和CASA模型的净初级生产力估算方法，使用具有近红外光波段NIR与红光波段R的无人机对研究区域进行航拍获得R、NIR与全色影像；对影像进行处理获得正射影像（DOM）与数字地表模型（DSM）；对研究区域进行实地采样获得生物量，从而计算出估算区域的影响因子；对气象数据进行处理获得温度、降雨与辐射参数；对数据进行训练获得区域的影响因子模型；利用影响因子模型与CASA模型对每个像元的高程、归一化植被指数NDVI、温度、降雨、辐射进行处理获得净初级生产力NPP。本申请能实现无人机影像的净初级生产力的高精度估算。

主权项：1.一种基于神经网络和CASA模型的净初级生产力估算方法，其特征在于包括以下步骤：步骤1：使用Pix4Dmapper软件对无人机多光谱数据进行拼接，生成数字地表模型以及正射影像，再使用实测高程值，通过ArcGIS对DSM进行校正；步骤2：野外实地采用，通过对估算地点进行实际采样获得研究时间段的植物生物量AGB以及对应样点的高程数据；步骤3：通过NOAA网站、中国气象数据网、地理遥感生态网获取辐射、降雨、气温数据；步骤4：使用具有近红外光波段NIR与红光波段R的无人机影像计算得出归一化植被指数NDVI；步骤5：通过公式1获得实测NPPt数据；NPPt＝AGB×0.451再通过公式2获得影响因子系数λλ＝NPPtNPPa2式中，NPPa为CASA模型的模拟值；步骤6：使用高程数据、NDVI以及λ进行神经网络训练，神经网络采用的是径向基神经网络RBF，获得预测模型；步骤7：将研究区域的高程、NDVI数据带入预测模型得到研究区域的影响因子系数λ；步骤8：使用CASA模型的模拟值与预测值进行计算得到NPP值；步骤9：根据预测模型常用的评价指标，评估本方法的预测性能。

全文数据：

权利要求：

百度查询： 三峡大学 基于神经网络和CASA模型的净初级生产力估算方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD