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！

龙图腾网获悉沈阳农业大学;建平盛德日新矿业有限公司申请的专利一种非耕作生境植被特征提取方法和系统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：CN116310783B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202211575290.3，技术领域涉及：G06V20/10；该发明授权一种非耕作生境植被特征提取方法和系统是由边振兴;张宇飞;周俊;果晓玉;王帅;毕建平;刘明华;王志彪设计研发完成，并于2022-12-08向国家知识产权局提交的专利申请。

本一种非耕作生境植被特征提取方法和系统在说明书摘要公布了：本发明提供一种非耕作生境植被特征提取方法和系统，提取方法中，首先，使用机器学习分类方法对待提取区域内的耕地系统景观进行分类；然后，根据耕地系统景观分类的结果，选取非耕作生境中植被长势特征提取分析，对研究区域的植被覆盖度进行估算，并评价植被长势情况；最后，确定遥感数据监测植物多样性的最佳空间尺度并分析纹理特征，将纹理特征等作为自变量建立植物多样性预测模型，预测研究区域植物多样性特征情况。提升了非耕作生境植被特征提取的精度与效率，利用非耕作生境的植被特征模型预测结果能够为改善现有非耕作生境质量，推进农田生态系统修复提供科学依据，是开展山水林田湖草综合治理效果评估的有效手段。

本发明授权一种非耕作生境植被特征提取方法和系统在权利要求书中公布了：1.一种非耕作生境植被特征提取方法，其特征在于，包括如下步骤： 获取样区的高分辨率遥感影像，基于高分辨率影像进行特征提取，得到植被特征数据和高分辨率影像数据；所述植被特征数据包括：光谱特征、几何特征、植被纹理特征和植被遥感特征；其中，基于高分辨率影像进行特征提取，包括：影像分割尺度选择和特征提取与选择；所述影像分割尺度选择，包括：利用多尺度分割算法，设定尺度参数和异质性参数；利用多层尺度参数选择工具，自动识别加入工程中的数据层次，通过不断增加尺度参数对数据集进行迭代分割，计算所有层中分割对象的平均同质性局部方差，得到分割结果；对比分割结果，确定最优分割尺度；所述特征提取与选择，包括：对样区的高分辨率影像的光谱特征、几何特征、纹理特征和遥感特征进行提取；通过目视解译选择训练样本，并在随机森林模型进行筛选，降低特征冗余，得到筛选后的特征变量；其中，得到筛选后的特征变量，包括：将每个样区的分类特征值作为变量输入随机森林模型，根据随机森林模型中的重要性函数计算各个变量的重要性，根据节点不纯度平均减小值的大小对变量的重要性进行排序；对重要值小于预设值的特征变量进行迭代消除，根据消除后剩余变量的建模精度变化选择特征； 根据每个非耕作生境样区的植被特征数据和高分辨率影像数据建立非耕作生境植被特征预测模型；所述预测模型包括：植被覆盖预测模型和植被多样性预测模型；所述植被覆盖预测模型为利用像元二分法模型原理建立的以植被覆盖度为被解释变量，以植被遥感特征为解释变量的模型；所述植被多样性预测模型为利用线性回归原理建立的以植被多样性为被解释变量，以植被纹理特征为解释变量的模型； 结合无人机低空实测遥感影像数据和野外调研数据评价所述植被覆盖预测模型和所述植被多样性预测模型的模型精度，输出模型精度最高的模型； 将植被遥感特征数据和植被纹理特征数据变量分别输入模型精度最高的植被覆盖预测模型和植被多样性预测模型，预测待预测区植被覆盖度和植被多样性空间分布特征。

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沈阳农业大学;建平盛德日新矿业有限公司，其通讯地址为：110866 辽宁省沈阳市沈河区东陵路120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”。

以上内容由龙图腾AI智能生成。