龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：国智恒北斗好年景农业科技有限公司
摘要：本发明公开了一种基于植被指数融合的LAI定量模型建立的方法，属于机器学习和农业定量遥感领域，S1：研究区域影像预处理；S2：样区选取；S3：地面实测数据获取；S4：提取波段和多个植被指数；S5：显著性分析；S6：逐步多元线性回归建模并评定精度；S7：利机器学习回归建模并评定精度；S8：比较模型精度，筛选较优LAI定量模型，对研究区遥感影像进行LAI可视化填图。通过对极显著相关的多个植被指数采用逐步式多元线性回归以及通过对粒子群优化，寻找最优的惩罚系数C和gamma，实现对机器学习模型算法的改进优化，使得其在LAI定量模型反演中具有较高精度，更适于卫星影像反演作物LAI领域。
主权项：1.一种基于植被指数融合的LAI定量模型建立的方法，其特征在于：包括以下步骤：S1：研究区域影像预处理：获取研究区域的哨兵2号数据和研究区域的矢量文件，进行预处理，得到研究区域的精校正的影像数据；S2：样区选取：依据步骤S1得到的研究区域影像数据，选取一定数量的作物样区作为样本点，样本划分为23样本集的训练样本和13样本集的测试样本；S3：地面实测数据获取：使用手持LAI叶面积仪采集步骤S2中选取的每个作物样区的平均LAI值，作为实验的实测LAI值，并按2:1的比例进行数据划分；S4：提取波段和多个植被指数：提取研究区域卫星影像的各个波段及植被指数；S5：显著性分析：分析步骤S4中的波段和植被指数与步骤S3中的实测LAI值的显著性关系，筛选0.01极显著水平的波段和植被指数；S6：利用步骤S5中的0.01极显著的波段和植被指数和步骤S3中的实测LAI值进行逐步多元线性回归建模并评定精度；S7：利用步骤S5中的0.01极显著的波段和植被指数和步骤S3中的实测LAI值进行机器学习回归建模并评定精度；S8：比较步骤S6和步骤S7中的模型精度，筛选较优LAI定量模型，并对研究区遥感影像进行LAI可视化填图。
全文数据：
权利要求：
百度查询： 国智恒北斗好年景农业科技有限公司 一种基于植被指数融合的LAI定量模型建立的方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号