申请/专利权人:华中师范大学
申请日:2023-10-08
公开(公告)日:2024-03-19
公开(公告)号:CN117725139A
主分类号:G06F16/29
分类号:G06F16/29;G06T5/70;G06T5/20;G06F17/18;G06F18/24;G06Q50/26;G06Q50/02;G06N3/0464;G06N3/045;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明公开了一种基于深度学习改进T因子的CSLE模型优化算法,其利用DEM数据生成坡度分级图,并利用中值滤波去除影像融合中邻域图斑的“椒盐噪声”,在此基础上利用处理好的坡度分级图为经过验证T因子值中的水土保持措施耕地图斑进行坡度分级,结合坡度分级结果进行赋值,得到符合研究区实际水土保持措施配置情况且精度更高的T因子值。本发明能够改进和提高利用CSLE模型计算土壤侵蚀量和土壤侵蚀空间分布的精确度,降低人工目视解译可能带来的较大误差和错误,细化T因子的计算方法,具有较高的模拟精度,且利用模拟土壤侵蚀模数与现实径流小区长时间序列的土壤侵蚀模数实测值进行线性拟合,得到R2值并进一步验证该模型的模拟精度。
主权项:1.一种基于深度学习改进T因子的CSLE模型优化算法,其特征在于:利用DEM数据生成坡度分级图,并利用中值滤波去除影像融合中邻域图斑的“椒盐噪声”,在此基础上利用处理好的坡度分级图为经过验证T因子值中的水土保持措施耕地图斑进行坡度分级,结合坡度分级结果进行赋值,得到符合研究区实际水土保持措施配置情况且精度更高的T因子值。
全文数据:
权利要求:
百度查询: 华中师范大学 基于深度学习改进T因子的CSLE模型优化算法
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。