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。

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