买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：河海大学

摘要：本发明公开了一种结合遥感影像和生境信息的农作物种植区提取方法，该方法基于Sentinel‑2卫星影像、DEM和实调数据构建MFPUNet模型，并将MFPUNet模型的预测结果和基于Worldclim数据的MaxEnt模型的预测结果进行决策融合。本发明结合了生态位模型与深度学习，综合考虑了光谱、地形、生长环境信息，这些信息能够提供更全面、多角度的地物特征，帮助提高分类的准确性。本发明方法有望为农作物产业的管理与发展、土地规划提供参考，有助于决策者和农业从业者更有效地进行种植规划和资源分配。

主权项：1.一种结合遥感影像和生境信息的农作物种植区提取方法，其特征在于，包括如下步骤：步骤1，获取目标区域的Sentinel-2多光谱影像数据、ASTERGDEM数据和WorldClim气候数据，将目标区域划分为训练区域和测试区域；步骤2，对目标区域的Sentinel-2多光谱影像数据进行预处理，得到预处理后的多光谱影像数据，在训练区域随机选取农作物、森林、裸地和草地4类样本点并打标签，计算各样本点的植被指数；步骤3，根据Relief-F特征筛选算法和Pearson相关系数，从各样本点的所有植被指数中选择重要性最高的3个植被指数；步骤4，剔除Sentinel-2中与地物分类无关的波段，将剩余波段与重要性最高的3个植被指数一起作为光谱特征；步骤5，基于ASTERGDEM数据计算坡度和坡向，并重采样至10m，将重采样后的海拔、坡度和坡向作为地形特征；步骤6，根据光谱特征和地形特征构建整个目标区域的数据集，并将训练区域的数据集划分为训练集和验证集，构建MFPUNet模型，MFPUNet模型包括光谱编码器、地形编码器和解码器，利用训练集和验证集对MFPUNet模型进行训练和验证；利用训练好的MFPUNet模型对测试区域进行预测；步骤7，从所有农作物样本点中选取相互之间距离大于1.5km的农作物样本点作为农作物存在点，利用农作物存在点和WorldClim气候数据训练MaxEnt模型，采用十折交叉验证，选择AUC值最大的一次运算结果模拟，预测测试区域农作物适生区概率分布并重采样至10m；步骤8，利用融合目标函数对MFPUNet模型和MaxEnt模型的预测结果作决策融合处理，根据决策融合结果预测测试区域的农作物分布。

全文数据：

权利要求：

百度查询： 河海大学 一种结合遥感影像和生境信息的农作物种植区提取方法