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：宁夏大学;南京信息工程大学

摘要：本发明涉及一种基于小波变换的融合光谱数据的干旱区耕地土壤有机质反演方法，该方法包括：步骤1，获取土壤样本、高光谱数据、Sentinel2影像以及环境数据；步骤2，对高光谱数据进行重采样，使其与Sentinel2影像波段范围一致；步骤3，基于小波变换对重采样高光谱数据和Sentinel2影像进行融合；步骤4，分别基于高光谱数据、Sentinel2影像数据以及高光谱数据与Sentinel2影像的融合数据，波段和波段+环境变量为自变量，土壤有机质为因变量，基于集成学习模型建立土壤有机质反演模型；步骤5，对模型进行精度验证。本发明减少了单一数据源带来的不确定性和误差，能显著提高干旱区耕地土壤有机质反演的稳定性和可靠性。

主权项：1.一种基于小波变换融合光谱数据的干旱区耕地土壤有机质反演方法，其特征在于，该方法具体包括以下步骤：步骤1，获取干旱区耕地土壤样本、高光谱数据和多光谱数据，其中多光谱数据是Sentinel2影像数据；步骤2，预处理高光谱数据，先对高光谱数据进行平滑去噪处理，然后对高光谱数据进行重采样，获得与Sentinel2影像数据波段范围相一致的重采样高光谱数据；步骤3，对重采样高光谱数据和对应的多光谱数据基于小波变换进行融合，获得融合后的光谱数据，具体步骤包括：从excel文件中读取重采样高光谱数据和Sentinel2影像数据，对读取的数据进行标准化处理；对标准化处理后的高光谱数据和Sentinel2影像数据分别进行小波分解，得到各自的低频系数和高频系数；对低频系数和高频系数分别进行融合，得到融合后的小波系数；对融合后的小波系数进行逆小波变换，得到融合后的光谱数据，并对其进行反标准化处理；将反标准化后的数据保存在excel文件中；步骤4，分别基于重采样高光谱数据、Sentinel2影像数据以及两者融合光谱数据，以波段和波段+环境变量为自变量，土壤有机质为因变量，使用集成学习算法EnsembleLearning建立土壤有机质预测模型，用于预测干旱地区土壤有机质；步骤5，对步骤4所建立的土壤有机质预测模型进行评价。

全文数据：

权利要求：

百度查询： 宁夏大学 南京信息工程大学 一种基于小波变换融合光谱数据的干旱区耕地土壤有机质反演方法