一种基于卫星遥感和人工智能的碳排排放源快速识别方法技术

本申请公开了一种基于卫星遥感和人工智能的碳排排放源快速识别方法，所述方法包括：获取碳排放源的卫星遥感图像；利用K‑means算法对所述卫星遥感图像进行分割，获得分割图像；构建卷积神经网络模型，利用所述分割图像对所述卷积神经网络模型进行训练；建立碳排放源的智能化识别库。如此，能够准确、快速地识别出地面上目标位置的碳排放源，提高碳排放管理效率。

【技术实现步骤摘要】

本专利技术涉及碳排放源识别，尤其涉及一种基于卫星遥感和人工智能的碳排排放源快速识别方法。

技术介绍

1、随着全球气候变化问题的日益严重，减少碳排放已成为国际社会的共同责任。准确识别碳排放源是制定减排政策和采取减排措施的前提。传统的碳排放源识别方法主要依赖于地面监测和统计数据，这些方法存在监测范围有限、数据更新不及时等问题，难以满足对碳排放源进行快速、准确识别的需求。卫星遥感技术具有覆盖范围广、监测频率高、数据获取快等优点，已被广泛应用于环境监测、资源调查等领域。人工智能技术在图像识别、语音识别、自然语言处理等方面取得了显著的成果。将卫星遥感技术与人工智能技术相结合，用于碳排放源的快速识别，具有重要的现实意义。

技术实现思路

1、本申请的目的在于提供一种基于卫星遥感和人工智能的碳排排放源快速识别方法，能够快速、准确地识别出目标范围内的碳排放源。

2、为达到上述目的：

3、第一方面，本申请实施例提供了一种基于卫星遥感和人工智能的碳排排放源快速识别方法，所述方法包括：p>

4、获取碳本文档来自技高网...

【技术保护点】

1.一种基于卫星遥感和人工智能的碳排排放源快速识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述利用K-means算法对所述遥感图像进行分割，获得分割图像之前，包括：

3.根据权利要求1所述的方法，其特征在于，所述利用K-means算法对所述卫星遥感图像进行分割，获得分割图像，包括：

4.根据权利要求3所述的方法，其特征在于，还包括：

5.根据权利要求1所述的方法，其特征在于，所述利用所述分割图像对所述卷积神经网络模型进行训练，包括：

6.根据权利要求5所述的方法，其特征在于，所述建立碳排放源的智能化识...

【技术特征摘要】

1.一种基于卫星遥感和人工智能的碳排排放源快速识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述利用k-means算法对所述遥感图像进行分割，获得分割图像之前，包括：

3.根据权利要求1所述的方法，其特征在于，所述利用k-means算法对所述卫星遥感图像进行分割，获得分割图像，包括：

4.根据权利要求3所述的方法，其特征在于，还包括：

5.根据权利要求1所述的方法，其特征在于，所述利用所述分割图像对所述卷积神经网络模型...

【专利技术属性】
技术研发人员：王俊，孙铭悦，
申请(专利权)人：四川瑞吉绿能科技有限公司，
类型：发明
国别省市：