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！

龙图腾网恭喜天津大学;水利部海河水利委员会水文局申请的专利灌溉面积遥感识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119313965B 。

龙图腾网通过国家知识产权局官网在2025-03-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411445889.4，技术领域涉及：G06V10/764；该发明授权灌溉面积遥感识别方法是由田鑫;朱静思;王哲;董建志设计研发完成，并于2024-10-16向国家知识产权局提交的专利申请。

本灌溉面积遥感识别方法在说明书摘要公布了：本发明公开了一种灌溉面积遥感识别方法，包括：S1，数据预处理：收集待识别区域的三套灌溉面积数据集和与模型的输入特征相关的数据集，统一各数据集的投影坐标系和空间分辨率；S2，基于数理不确定性分析构建灌溉可能性数据；S3，基于统计年鉴和时间过滤构建训练样本；S4，机器学习输入特征数据集处理；S5，训练机器学习；S6.灌溉面积识别。该方法增强了时间变化捕捉能力，通过引入连续和非连续训练样本显著提升了机器学习在捕捉灌溉面积时间变化方面的能力，在灌溉面积突变的情况下，也能进行准确识别；该方法解决了训练样本获取难题；该方法适用于任意年份，提高了灌溉面积数据集的时间连续性和灌溉面积识别的适用性。

本发明授权灌溉面积遥感识别方法在权利要求书中公布了：1.一种灌溉面积遥感识别方法，其特征在于包括以下步骤：S1，数据预处理：收集待识别区域的三套灌溉面积数据集和与模型的输入特征相关的数据集，统一各数据集的投影坐标系和空间分辨率；S2，基于数理不确定性分析构建灌溉可能性数据，包括以下分步骤：S21，计算灌溉面积数据集中的像素灌溉与否，有：xi＝I+ei1式中：xi表示灌溉面积数据集i中的像素是否灌溉，i＝1～3；I表示灌溉面积数据集中的像素是否灌溉的真值，其中像素灌溉与否用-1和+1表示，-1代表非灌溉像素，+1代表灌溉像素；ei是分类的误差；S22，计算平衡精度πi：πi＝0.5Ai+Di2式中，Ai表示灌溉面积数据集中的像素是灌溉的概率；Di表示灌溉面积数据集中的像素是非灌溉的概率；不同灌溉面积数据集之间的分类误差ei是相互独立的，则平衡精度π和任意两组灌溉面积数据集间的协方差Q呈正相关，有：Q12＝Covx1，x2＝fI2π1-12π2-13Q13＝Covx1，x3＝fI2π1-12π3-14Q23＝Covx2，x3＝fI2π2-12π3-15其中：fI是灌溉面积数据集中的像素是否灌溉情况的函数，是未知的；πi与vi线性相关，vi通过S1预处理后的三套灌溉面积数据集间的协方差Q计算得到： S23，获取不同灌溉面积数据集中像素是真值概率的权重wi： 结合所述xi，得到灌溉面积数据集中像素灌溉的可能性Xp：Xp＝w1x1+w2x2+w3x310式中，Xp的范围是-1到1；S3，基于统计年鉴和时间过滤构建训练样本：在S2的基础上，结合统计年鉴中的区域灌溉面积数据，从高到底逐步排查，确定区域样本阈值XT下得到的灌溉面积小于等于年鉴数据，基于区域样本阈值XT得到潜在训练样本；再通过时间过滤，筛选出连续多年灌溉的像素作为通用型连续训练样本，将仅在指定年份灌溉的像素作为指定年份的不连续型训练样本；S4，机器学习输入特征数据集处理：在S1预处理后的与各输入特征相关的数据集中筛选与灌溉面积密切相关的变量作为机器学习的输入特征，利用土地遥感数据集进行耕地掩膜处理，将非耕地地物筛除，得到用于机器学习的输入数据；S5，训练机器学习：将S3得到的通用型连续训练样本和非连续训练样本以及S4得到的输入特征输入监督学习模型中进行训练，生成能够识别灌溉面积的监督学习模型；S6.灌溉面积识别：利用S5得到的监督学习模型，通过待识别区域的输入特征得到时空连续的灌溉面积数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人天津大学;水利部海河水利委员会水文局，其通讯地址为：300072 天津市南开区卫津路92号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。