摘要
本发明提供一种多源时序遥感土壤水含量预测技术辅助的地灾隐患排查方法及系统,其中方法包括:对所获取的与土壤水含量关联的多源时序遥感数据进行预处理,获得模型基础数据构建模型样本数据库;采用样本数据库对预构建的土壤水含量预测深度学习模型进行优化训练,得到权重最优的模型参数初始化模型;利用权重最优的模型参数初始化模型,对多源时序遥感数据的下一个时间步的土壤水含量进行的预测,得到土壤水含量的预测结果,然后利用该预测结果辅助进行地灾隐患排查。利用本发明,能够克服传统的土壤水分含量监测方案所存在的测量成本高、效率低的缺陷,还可以结合其他相关信息进行综合分析,提高相对单一遥感数据进行地灾隐患排查的精度。
技术关键词
土壤水
隐患排查方法
时序遥感数据
深度学习模型
归一化植被指数
样本
光学遥感数据
标签
遥感时序数据
多源融合
隐患排查系统
雷达遥感数据
光学遥感影像
速率
优化网络参数
数据处理方式
合成孔径雷达
系统为您推荐了相关专利信息
特征提取方法
深度学习模型
指静脉特征
模型预测值
数值优化方法
欺诈检测
数据收集模块
模型训练模块
深度学习模型训练
数据保护单元
运动追踪方法
高斯混合模型
计算机视觉
实时视频流
运动追踪系统
线生成方法
路口场景
数据
自动驾驶系统
语义地图