摘要
本发明提供了一种岛礁植被指数预测方法,可应用于地理信息及深度学习技术领域。该方法包括:获取目标岛礁的逐月归一化植被指数数据及对应的海洋环境数据与气象数据,构建植被生长数据集;计算海洋环境数据与气象数据与归一化植被指数变化的偏相关性,以确定影响归一化植被指数变化的关键环境数据;确定归一化植被指数对各关键海洋环境数据的滞后响应期;基于所述滞后响应期结合注意力机制和双时间尺度信息挖掘,构建考虑岛礁气候时滞效应的双时相卷积长短期记忆神经网络模型,其中,该神经网络模型细胞结构中包括卷积操作;利用植被生长数据集训练模型,得到训练完成的模型;以及利用训练完成的模型,预测未来短期岛礁植被归一化植被指数变化。
技术关键词
归一化植被指数
卷积长短期记忆
海洋环境数据
神经网络模型
植被指数预测方法
卫星遥感影像数据
岛礁
注意力机制
相关性分析方法
时滞效应
气象
皮尔逊相关系数
深度学习技术
模型训练模块
训练集数据
序列
气候
预测装置
系统为您推荐了相关专利信息
预警方法
特征选择方法
数据处理平台
集成策略
可信计算技术
遥感识别方法
高分遥感数据
地质灾害风险评价
遥感识别技术
分析地质灾害