申请/专利权人：宁波渔遥科技有限公司

申请日：2023-11-21

公开（公告）日：2024-03-12

公开（公告）号：CN117688299A

主分类号：G06F18/10

分类号：G06F18/10;G01N21/55;G06F18/214

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本发明提供一种基于多层堆栈集成学习的水体大气校正方法及系统，涉及大气校正技术领域；本方法包括：通过构建水体的模拟离水反射率数据集和构建模拟气溶胶反射率数据集，并合成瑞利校正数据集；采集实测离水反射率数据集，并与模拟离水反射率数据集进行匹配，得到匹配实测离水反射率数据集；通过训练模型的多个子模型对瑞利校正数据集进行训练，得到多层堆栈大气校正模型，并对瑞利校正数据集进行预测，得到预测离水反射率；通过评估指标模型评估多层堆栈大气校正模型的性能。本发明通过多层堆栈集成多个学习器，可充分发挥各学习器的优势，提高校正模型的稳定性和泛化性能，可得到精度高的载有水体信息的离水辐射率，且不存在波长依赖性。

主权项：1.一种基于多层堆栈集成学习的水体大气校正方法，其特征在于，包括如下步骤：构建模拟离水反射率数据集和模拟气溶胶反射率数据集，并将所述模拟离水反射率数据集和所述模拟气溶胶反射率数据集合成瑞利校正数据集，其中，所述模拟离水反射率数据集通过准分析组件QAA对预先下载的水体目标波段卫星遥感影像进行扩展计算得到的，所述模拟气溶胶反射率数据集通过6S辐射传输模型对不同类型预设参数进行计算得到的；通过现场观测组件获取水体目标波段的实测离水反射率数据集，并将所述实测离水反射率数据集与所述模拟离水反射率数据集进行匹配，得到匹配实测离水反射率数据集；分别构建训练模型和评估指标模型，将所述瑞利校正数据集导入所述训练模型，并通过所述训练模型对所述瑞利校正数据集进行训练，得到训练结果，通过所述评估指标模型对所述训练结果进行评估，根据评估结果对所述训练模型的贡献度进行加权，并根据得到的贡献度权值将所述训练模型集成多层堆栈大气校正模型；通过所述多层堆栈大气校正模型对所述瑞利校正数据集进行预测，得到预测离水反射率；通过所述评估指标模型将所述预测离水反射率分别与所述模拟离水反射率数据集和所述匹配实测离水反射率数据集进行对比，并分别根据对比结果评估所述多层堆栈大气校正模型的性能。

全文数据：

权利要求：

百度查询： 宁波渔遥科技有限公司 一种基于多层堆栈集成学习的水体大气校正方法及系统

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。

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