申请/专利权人：青海民族大学;青海友元空间信息技术有限公司

申请日：2023-12-19

公开（公告）日：2024-06-07

公开（公告）号：CN118155084A

主分类号：G06V20/13

分类号：G06V20/13;G06V20/10;G06V10/34;G06V10/40;G06V10/764;G06V10/774;G06N5/01

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.25#实质审查的生效;2024.06.07#公开

摘要：本发明涉及一种用于农牧交错地带撂荒耕地的遥感识别方法，其步骤包括使用GEE平台分别从sentinel‑1、sentinel‑2中提取用于耕地提取的特征变量；采用随机森林机器学习算法训练样本以生成训练集；基于三调数据中耕种样本和未耕种样本，对两类样本点的年内春夏NDVI差值进行分析统计并确定最佳分割点，将所确定的参数阈值与所获取植被类型相似区域内的阈值相对比，从而判断该区域是否为抛荒地，进而提取抛荒地的空间分布信息。本发明基于农作物的生长周期以季度变化构建NDVI时间序列数据，通过时间序列NDVI数据表现地表植被的生命周期特征，明晰撂荒的发展过程，从而实现撂荒地的识别。

主权项：1.一种用于农牧交错地带撂荒耕地的遥感识别方法，其特征在于，包括以下步骤：S1、进行数据获取及预处理：获取遥感数据、地形数据、矢量数据和三调数据；其中：所述遥感数据为Sentinel系列的遥感影像，由GEE平台从sentinel-1、sentinel-2所获取；所述地形数据为DEM数字高程数据，由地理空间数据云所获取；所述矢量数据为研究区的边界矢量数据，由国家基础地理信息中心所获取；所述三调数据由当地省份自然资源官网获取；S2、对遥感影像进行特征提取：提取遥感影像中用于耕地的特征变量，所述特征变量包括光谱特征、光谱指数、纹理特征和雷达特征；其中：所述光谱特征变量选取Sentinel-2中的可见光波段、近红外波段和短波红外波段；所述光谱指数选取植被指数、水体指数、建筑指数和裸土指数；所述纹理特征通过灰度共生矩阵简称GLCM提取sentinel-2影像的纹理信息作为分类的特征；所述雷达特征为所述sentinel-1干涉模式下的VV、VH通道作为耕地提取的雷达数据，其像元分辨率为10m；S3、采用随机森林机器学习算法，通过训练样本随机选取、有放回的生成训练集；根据每个训练集的遥感变量特征构建对应的决策树，结合所有决策树的分类结果，决定最终的耕地类型的分类图像的分类结果；S4、形态学处理：对耕地类型的分类图像进行形态学处理，以得到更好的显示图像效果；S5、构建NDVI时间序列数据及其变化监测：基于三调数据中耕种样本和未耕种样本，对两类样本点的年内春夏NDVI差值进行分析统计并确定最佳分割点，将所确定的参数阈值与所获取植被类型相似区域内的阈值相对比，从而判断该区域是否为抛荒地，进而提取抛荒地的空间分布信息；S6、进行精度评价：精度评价包括土地利用分类精度评价和撂荒地精度评价；其中：所述土地利用分类精度评价包括总体分类精度OA和Kappa系数两个指标；所述撂荒地精度评价采取目视判读的方法，将提取的撂荒地图斑与GoogleEarthPro软件中的历史影像叠加，判断撂荒地图斑是否与实际情况一致，继而得出撂荒地提取准确度。

全文数据：

权利要求：

百度查询： 青海民族大学;青海友元空间信息技术有限公司 一种用于农牧交错地带撂荒耕地的遥感识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD