[发明专利]检测蝗灾的方法在审
申请号: | 201410852062.5 | 申请日: | 2014-12-31 |
公开(公告)号: | CN104504279A | 公开(公告)日: | 2015-04-08 |
发明(设计)人: | 韩宇;陈劲松;陈华安;陈工 | 申请(专利权)人: | 中国科学院深圳先进技术研究院 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 深圳市铭粤知识产权代理有限公司44304 | 代理人: | 孙伟峰 |
地址: | 518055广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 检测 蝗灾 方法 | ||
1.一种检测蝗灾的方法,包括:
(A)获取被检测区域的多源遥感数据,其中,所述多源遥感数据包括:全极化合成孔径雷达数据、中分辨率成像光谱仪温度和专题制图仪植被指数;
(B)通过全极化合成孔径雷达数据获得平均极化散射角和极化散射熵;
(C)通过平均极化散射角、极化散射熵、中分辨率成像光谱仪温度和专题制图仪植被指数获得差值蝗灾指数;
(D)根据差值蝗灾指数来确定被检测区域是否发生蝗灾。
2.如权利要求1所述的方法,其中,获取的全极化合成孔径雷达数据为极化散射矩阵,
其中,步骤(B)包括:
(B1)将所述极化散射矩阵转化为极化相干矩阵;
(B2)获得所述极化相干矩阵的特征向量和特征值;
(B3)将所述极化相干矩阵转化为旋转矩阵、单位矩阵和旋转矩阵的共轭矩阵的乘积,通过所述旋转矩阵和所述特征向量获得极化散射角,并通过获得的极化散射角计算平均极化散射角;
(B4)通过所述特征值获得极化散射熵。
3.如权利要求1所述的方法,其中,步骤(C)包括:
(C1)分别将平均极化散射角、极化散射熵、中分辨率成像光谱仪温度和专题制图仪植被指数归一化,获得归一化的平均极化散射角、归一化的极化散射熵、归一化的中分辨率成像光谱仪温度和归一化的专题制图仪植被指数;
(C2)通过归一化的平均极化散射角、归一化的极化散射熵、归一化的中分辨率成像光谱仪温度和归一化的专题制图仪植被指数获得差值蝗灾指数。
4.如权利要求3所述的方法,其中,在步骤(A)中,获取的多源遥感数据包括:第一时刻获取的多源遥感数据和第二时刻获取的多源遥感数据,其中,第一时刻早于第二时刻,
其中,在步骤(C)中,通过分别与第一时刻和第二时刻相对应的平均极化散射角、极化散射熵、中分辨率成像光谱仪温度和专题制图仪植被指数获得差值蝗灾指数,
在步骤(D)中,根据差值蝗灾指数来确定被检测区域在第二时刻是否发生蝗灾。
5.如权利要求1所述的方法,其中,在步骤(D)中,当差值蝗灾指数大于第一预定阈值时,确定被检测区域发生蝗灾,当差值蝗灾指数不大于所述第一预定阈值时,确定被检测区域未发生蝗灾。
6.如权利要求4所述的方法,其中,步骤(D)包括:根据差值蝗灾指数和归一化的专题制图仪植被指数来确定被检测区域是否发生蝗灾。
7.如权利要求6所述的方法,其中,在步骤(D)中,当差值蝗灾指数大于第一预定阈值且分别与第一时刻和第二时刻相应的归一化的专题制图仪植被指数均大于第二预定阈值时,确定被检测区域在第二时刻发生蝗灾,否则,确定被检测区域在第二时刻未发生蝗灾。
8.如权利要求4所述的方法,其中,所述差值蝗灾指数DPLI用下面的公式来表示:
其中,NLIafter为与第二时刻相应的归一化的中分辨率成像光谱仪温度,NDVIafter为与第二时刻相应的归一化的专题制图仪植被指数,NHafter为与第二时刻相应的归一化的极化散射熵,Nαafter为与第二时刻相应的归一化的平均极化散射角,NLIpre为与第一时刻相应的归一化的中分辨率成像光谱仪温度,NDVIpre为与第一时刻相应的归一化的专题制图仪植被指数,NHpre为与第一时刻相应的归一化的极化散射熵,Nαpre为与第一时刻相应的归一化的平均极化散射角。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院深圳先进技术研究院;,未经中国科学院深圳先进技术研究院;许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201410852062.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种平方根单形容积卡尔曼滤波方法
- 下一篇:一种管道指标确定方法及装置
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用