元の名称記録: 广西壮族自治区自然资源遥感院

本发明公开一种基于深度学习的建筑三维模型的区域简化方法，涉及计算机图形处理技术领域。该方法先对原始建筑三维网格模型预处理，再通过图卷积神经网络提取顶点语义特征，生成0‑1间的区域重要性评分；将评分融入面塌陷算法误差度量，结合法线变化惩罚项构建动态塌陷优先级队列；基于队列迭代塌陷，更新相邻顶点误差与队列位置；满足双终止阈值时停止，输出简化模型。本发明可精准保留门窗、屋顶边缘等关键区域，平衡模型轻量化与视觉保真度，适配多源输入模型且保持流形拓扑，提升简化智能化与通用性。

一种基于多源数据时间序列的红树林提取方法，包括：步骤1获取研究区的遥感影像，进行预处理；步骤2影像预处理后，通过波段计算，获取影像的指数特征；步骤3人工选取红树林和非红树林像元点，作为时间序列样本点位，同时提取样本点的指数时间序列曲线；步骤4将样本点时间序列曲线输入卷积长短期记忆网络，训练红树林提取模型；步骤5提取红树林提取区域全部像元的指数时间序列，输入红树林提取模型，提取红树林分布范围。本发明结合了多种数据源的优势，兼顾红树林生长背景与时序动态特征，通过多遥感指标时间序列提取红树林种植范围，提升模型在复杂环境下的鲁棒性，解决了提取红树林范围边界不稳定，易受环境干扰等问题。