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：中国水利水电科学研究院

摘要：本发明公开了一种基于遥感影像与机器学习的梯田识别方法，所述方法包括以下步骤：步骤1、筛选潜在梯田区；步骤2、从潜在梯田区中扣除建筑物与水体区域；步骤3、从剩余潜在梯田区中扣除天然植被区域；步骤4、训练随机森林机器学习模型；步骤5、对研究区进行梯田识别；步骤6、对模型识别精度进行验证。本发明所述方法结合遥感影像数据与机器学习模型对梯田进行识别，能够在大范围研究区内快速有效的提取梯田分布信息，提高了梯田提取效率与识别精度，解决了现有方法中梯田提取精度差、范围小、限制多的问题，为水土保持监测和土地利用调查提供了数据和决策支持。

主权项：1.一种基于遥感影像与机器学习的梯田识别方法，其特征在于，所述方法包括以下步骤：步骤1、筛选潜在梯田区：从研究区中根据典型区选取标准选取典型区，基于典型区的数字地形高程数据，在云平台中计算山体坡度，根据计算得到的山体坡度，筛选出山体坡度小于25°的区域，为潜在梯田区；步骤2、从潜在梯田区中扣除建筑物与水体区域：首先对典型区的遥感影像数据进行预处理，然后基于预处理后的遥感影像数据，计算归一化建筑指数与归一化水体指数；根据各类指数的设定阈值从潜在梯田区中扣除建筑物与水体区域，得到剩余潜在梯田区；步骤3、从剩余潜在梯田区中扣除天然植被区域：根据天然植被和梯田植被的物候期差异特征，基于预处理后的遥感影像数据计算非物候期的增强型植被指数，将增强型植被指数结果算数平均，并根据设定阈值判断是否为天然植被区域，从剩余潜在梯田区中扣除天然植被区域，得到梯田区域；步骤4、训练随机森林机器学习模型：将提取的典型区中的梯田区域数据作为训练样本对随机森林机器学习模型进行训练，直至模型训练完成；步骤5、对研究区进行梯田识别：将训练完成的模型应用于研究区，输入为研究区遥感影像数据的光谱信息，输出为梯田区域分布，然后根据土地利用分类数据，在梯田区域叠加，将梯田区域分类；步骤6、对模型识别精度进行验证：从研究区中选取一定数量的随机分布的梯田区域作为验证样本，利用混淆矩阵对训练完成的随机森林机器学习模型的梯田识别精度进行验证，使用二维矩阵来表示：矩阵中的列表示验证样本中真实地表类型，行表示模型识别结果类型，矩阵中的值Nij表示真实地表类型中本应该分为j类而模型识别结果中却被分为i类的像元数或百分比；设样本总分类数为k，样本总像元数为N，进行如下计算：列总计，真实地表中第j类像元总数为N+j；行总计，模型识别结果中被分为第i类的像元总数为Ni+： 计算模型识别精度评价系数为： 式中，Kappa为模型识别精度评价系数，Kappa值越接近于1表示模型精度越高；步骤1中所述典型区选取标准为：典型区选取要求在山区，典型区选取面积不小于研究区面积的20％；典型区内有连片梯田存在，连片梯田面积占典型区面积不低于10％；梯田上覆盖人工耕作植被，其中人工耕作植被面积占梯田面积不低于80％；步骤3中所述物候期为4-9月份，所述非物候期为1-3月份、10-12月份；所述增强型植被指数的计算公式为： 式中，EVI为增强型植被指数；Red为遥感影像中红色波段像元值；Blue为遥感影像中蓝色波段像元值；所述EVI的设定阈值为0.5，当EVI大于等于0.5时表示为天然植被区域，EVI小于0.5时表示为非天然植被区域；步骤5中所述土地利用分类数据为GlobeLand30土地利用分类数据；所述将梯田区域分类具体为：将梯田区域分为耕地、林地以及灌木三种类型。

全文数据：

权利要求：

百度查询： 中国水利水电科学研究院 一种基于遥感影像与机器学习的梯田识别方法