摘要
本发明属于遥感信息处理技术领域,具体涉及一种面向水体叶绿素a浓度反演的遥感时‑空‑谱融合方法,本发明通过融合不同传感器在时‑空‑谱分辨率上的互补信息,实现叶绿素a浓度反演敏感波段的空间分辨率的提升,以及反演时有限地面站点数据的利用,进而提升叶绿素a浓度反演的精度与适用性,实现对水体富营养化状态的高效监测,同时构建面向水体叶绿素a浓度反演的MSI和OLCI时空谱融合深度学习网络,嵌入时间序列动态调整模块,使网络能够更智能地结合时间和空间特征,生成更准确的预测影像,基于时‑空‑谱融合数据和对应的有限地面站点数据,构建Adaboost机器学习联合反演模型,实现所叶绿素a浓度高精度遥感反演。
技术关键词
水体叶绿素a浓度
遥感时空谱融合
反射率数据
反演模型
影像
日期
低空间分辨率
遥感信息处理技术
机器学习算法
深度学习模型
特征提取模块
监测站点数据
融合深度学习
时序
交叉注意力机制
地表水
系统为您推荐了相关专利信息
太阳能光伏设备
监控管理方法
故障预测模型
设备健康评估
多光谱
三维点云模型
坐标系
影像
手术导航装置
骨科手术导航系统
注意力模型
地理位置坐标信息
实时视频图像
计算机可执行指令
生成方法