摘要
一种基于历史位片信息的林草火灾迹地恢复预测方法,其特征在于,包括步骤1:构建林草火灾迹地恢复预测系统;2:图像获取模块获取目标林地区域的卫星遥感图像;3:图像校正模块对卫星遥感图像进行图像校正操作,得到标准图像;4:多模态遥感数据融合计算模块计算得到标准图像的EVI、T和MVHI;5:预处理模块对EVI、T和MVHI进行归一化处理和数据增强;6:动态时间分析模块中的机器学习模型通过机器学习算法预测得到第一恢复时间;动态时间分析模块中的ARIMA时间序列模型根据MVHI预测得到第二恢复时间;7:动态时间分析模块对第一恢复时间和第二恢复时间进行加权平均融合,输出最终恢复时间。效果:能够准确评估和预测火灾后林草植被的恢复时间。
技术关键词
卫星遥感图像
时间序列模型
图像校正
分析模块
机器学习模型
火灾
植被
图像获取模块
表达式
多模态
预测系统
动态
机器学习算法
损失函数优化
反射率
时间序列特征
数据
指标
系统为您推荐了相关专利信息
防雷装置
在线监测方法
参数
远程自动化监测
校正
存储服务器
管理服务器
冗余备份模块
播放控制模块
负载均衡模块
图像校正方法
伪影
锥形束计算机断层扫描
电子设备
处理器通信
智慧管理平台
储能智能
调度系统
调度优化模型
充放电功率
招投标监督
周期性
时间序列特征
定义
概率分布函数