申请/专利权人:重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)
申请日:2024-02-22
公开(公告)日:2024-04-26
公开(公告)号:CN117932547A
主分类号:G06F18/25
分类号:G06F18/25;G06N3/0442;G06N3/08;G06N3/047
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明提供了一种基于深度学习的植被叶面积指数动态估算方法,通过采用基于深度学习算法LSTM模型,利用多个LAI遥感产品和地表反射率数据,反演了不同时间的LAI数据,得到完整的LAI时间序列。该方法不仅可以准确的估算LAI值,而且能够提高LAI的时空连续性,实现了时间和空间连续的LAI的反演。在运用LSTM模型前,先利用双重logistic函数对所选择的LAI遥感观测数据进行融合,双重logistic函数融合技术能够进一步提高原始LAI遥感数据的质量,保证了输入数据的准确性,较大程度上提高了利用LSTM模型估算的可靠性和稳定性。引入了贝叶斯模型平均法以融合基于LSTM模型的多种LAI估算数据,生成最终的LAI数据,进一步保证了LAI数据的时空连续性和一致性,提高了LAI估算数据的准确性。
主权项:1.一种基于深度学习的植被叶面积指数动态估算方法,其特征在于,包括:S1、至少选取三种LAI卫星遥感产品分别获取至少三种LAI产品和地表反射率数据;S2、采用双重logistic函数对三种LAI产品进行融合以重构LAI的时间序列,得到融合后的LAIDFL产品;S3、将三种LAI产品和所述LAIDFL产品分别结合地表反射率数据输入LSTM模型中,分别输出LAILSTM-G数据、LAILSTM-M数据、LAILSTM-V数据和LAILSTM-D数据;S4、将所述LAILSTM-G数据、LAILSTM-M数据、LAILSTM-V数据和LAILSTM-D数据作为训练集输入贝叶斯模型,生成构建贝叶斯模型平均法的权重参数,并构建贝叶斯模型融合模型;S5、将LAILSTM-G数据、LAILSTM-M数据、LAILSTM-V数据和LAILSTM-D数据输入贝叶斯模型融合模型,得到最终LAI数据。
全文数据:
权利要求:
百度查询: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) 一种基于深度学习的植被叶面积指数动态估算方法
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。