申请/专利权人:中国科学院空天信息创新研究院
申请日:2023-12-18
公开(公告)日:2024-02-23
公开(公告)号:CN117592619A
主分类号:G06Q10/04
分类号:G06Q10/04;G06Q50/02;G06N3/0442;G06N3/042;G06N3/045
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.12#实质审查的生效;2024.02.23#公开
摘要:本发明提出一种基于GNN‑LSTM的县域冬小麦估产分析方法和系统。其中,方法包括:在研究区内计各个县的冬小麦单产数据,然后将其制作带有标签的量产文件,并转化为县域邻接矩阵文件;获取遥感影像和气象数据;在所述遥感影像和气象数据中选择估产分析模型的输入特征;应用所述输入特征、带有标签的量产文件和县域邻接矩阵文件制作训练集和测试集;应用训练集对估产分析模型进行训练和模型调参;应用测试集对训练好的估产分析模型预测县域的冬小麦产量,并对估产分析模型的训练结果进行评价。本发明提出的方案能够看到,预测和真实产量值的空间分布趋势也大致相同,高值和低值的空间展布是温和的,在空间上的预测效果也很好。
主权项:1.一种基于GNN-LSTM的县域冬小麦估产分析方法,其特征在于,所述方法包括:步骤S1、在研究区内计各个县的冬小麦单产数据,然后将其制作带有标签的量产shp文件,并转化为县域邻接矩阵matrix文件;步骤S2、获取Sentinel-2没有经过大气校正处理的原始反射率数据,即Sentinel-2遥感影像和包括降水、气温和气压的气象数据;步骤S3、在所述Sentinel-2遥感影像和气象数据中选择基于GNN和LSTM的估产分析模型的输入特征;步骤S4、应用所述输入特征、带有标签的量产shp文件和县域邻接矩阵matrix文件制作训练集和测试集;步骤S5、应用训练集对所述基于GNN和LSTM的估产分析模型进行训练和模型调参;步骤S6、应用测试集对训练好的估产分析模型预测县域的冬小麦产量,并对估产分析模型的训练结果进行评价。
全文数据:
权利要求:
百度查询: 中国科学院空天信息创新研究院 一种基于GNN-LSTM的县域冬小麦估产分析方法和系统
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。