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：中国科学院地理科学与资源研究所

摘要：本发明涉及遥感测绘技术，具体是一种基于遥感云计算平台和集成机器学习技术的耕地提取方法，包括以下步骤：步骤S1、数据预处理；步骤S2、特征集构建；步骤S3、训练样本点选取；步骤S4、机器学习模型集成；步骤S5、形态学后处理；步骤S6、结果精度验证。本发明提供的方法通过提高分类精度、增强分类结果的稳定性和鲁棒性，通过灵活调整特征集构建和模型参数设置，可以适应不同地理环境和季节变化，实现不同区域耕地的精准提取；能够应用于不同区域和不同时相的遥感数据，适用于大尺度长时序的遥感耕地提取与监测。

主权项：1.一种基于遥感云计算平台和集成机器学习技术的耕地提取方法，其特征是：包括以下步骤：步骤S1、数据预处理；获取目标区域的多时相遥感影像和数字高程模型数据；逐栅格取多时相遥感影像波段信息中值，将多时相遥感影像合成为一幅无云覆盖的综合影像，对合成的综合影像进行镶嵌裁剪，确保综合影像覆盖目标区域；对数字高程模型数据进行填补与平滑操作，去除数据中的异常值和噪声，获得平滑的高程数据，对平滑的高程数据进行拼接裁剪，确保高程数据覆盖目标区域；步骤S2、特征集构建；利用步骤S1处理后的综合影像及高程数据，构建包含光谱指数、地形因子和纹理特征的综合特征集；其中，纹理特征通过以下方法获得：对步骤S1处理后的综合影像进行波段计算得到灰度影像，采用空间灰度共生矩阵方法，计算灰度共生矩阵的特定纹理特征参数，选取特定纹理特征参数作为纹理特征；步骤S3、训练样本点选取；对步骤S1处理后的综合影像进行可视化，通过人工目视解译的方法，识别并标注耕地样本点和非耕地样本点；步骤S4、机器学习模型集成；将S2得到的综合特征集与S3得到的样本点结合，形成输入模型训练的高维矩阵；采用两个不同的分类算法分别训练模型，得到两个不同的模型结果，采用加权投票法将两个模型的结果进行集成，通过对两个模型的结果进行加权平均，融合为集成学习模型，由集成学习模型输出耕地提取结果；步骤S5、形态学后处理；对耕地提取结果进行空间滤波操作和面积阈值筛选，去除耕地提取结果中的细小和破碎图斑；步骤S6、结果精度验证；采用混淆矩阵对步骤S5处理后的耕地提取结果进行评价，计算分类的总体精度和Kappa系数；通过计算总体精度和Kappa系数量化耕地提取结果的准确性。

全文数据：

权利要求：

百度查询： 中国科学院地理科学与资源研究所 一种基于遥感云计算平台和集成机器学习技术的耕地提取方法