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！

龙图腾网获悉华中农业大学;湖北省水利水电科学研究院申请的专利一种基于多时相Sentinel-2快速识别水土流失人为扰动地块的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：CN115527108B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202211019987.2，技术领域涉及：G06V20/10；该发明授权一种基于多时相Sentinel-2快速识别水土流失人为扰动地块的方法是由华丽;张紫荆;李璐设计研发完成，并于2022-08-24向国家知识产权局提交的专利申请。

本一种基于多时相Sentinel-2快速识别水土流失人为扰动地块的方法在说明书摘要公布了：本发明提供了一种基于多时相Sentinel‑2快速识别水土流失人为扰动地块的方法，本发明基于中高空间分辨率影像和时间序列Sentinel‑2数据，大大提高了人为扰动区域时空分布监测的效率和提取结果的精度，经过特征优选和最优参数选择后的模型逼近不仅能确保数据不会过度拟合，而且可以得到性能更佳的预测模型；同时结合鲁棒性好，泛化能力强的随机森林算法，解决了人为扰动区域监测所面临的高时空数据不足、提取精度较低以及高效、准确提取人为扰动区域的有效方法较少等瓶颈问题。以上方法在保证精度的情况下，实现人为扰动区域时空分布精细化提取识别。

本发明授权一种基于多时相Sentinel-2快速识别水土流失人为扰动地块的方法在权利要求书中公布了：1.一种基于多时相Sentinel-2快速识别水土流失人为扰动地块的方法，其特征在于，包括如下步骤： S1、获取单时相中高空间分辨率Sentinel-2遥感影像并进行正射校正、辐射校正以及几何配准数据预处理，得到包含研究区域的单时相中高空间分辨率Sentinel-2遥感影像； S2、多张所述包含研究区域的单时相中高空间分辨率Sentinel-2遥感影像形成L2A级别的多时相时间序列Sentinel-2影像，将L2A级别的多时相时间序列Sentinel-2影像通过欧空局SNAP平台进行格式转换输出与批量裁剪处理，得到研究区域的中高空间分辨率时序数据； S3、对于步骤S2中得到的研究区域的中高空间分辨率时序数据，计算归一化植被指数、归一化水体指数、归一化建筑指数、比值居民地指数、植被稀疏与旺盛期的NDVI差值、对比度、方差和熵，从而生成中高空间分辨率指数时间序列数据集，并结合时序数据中红边波段R、绿边波段G、蓝边波段B、近红外波段Nir，生成中高空间分辨率待选特征数据集； S4、根据步骤S3得到的中高空间分辨率待选特征数据集，结合野外采样各地物的样本点，构建分类样本库并进行分层抽样，从而形成训练集和验证集； S5、基于所述训练集形成训练数据和测试数据，采用所述训练数据先利用随机森林算法进行模型训练，然后通过测试数据的表现确定最优模型参数和最优特征组合； S6、将所述最优模型参数和最优特征组合应用至研究区域，实现研究区域域植被、水体、耕地、不透水层和人为扰动地块的识别，完成研究区域土地利用类型的提取工作； S7、利用所述验证集对步骤S6的提取结果进行精度评价，若是精度评价结果不满足预设的期望精度，则返回步骤S5，精度评价结果满足预设的期望精度，完成土地利用类型识别，提取其中的人为扰动区域，最终完成人为扰动区域时空分布提取工作； 所述步骤S5中随机森林具体包括： 对中高空间分辨率待选特征数据集中的12个特征进行优选，采用所述训练数据利用基于CART的随机森林方法计算出待选特征的相对重要性得分，并对12个待选特征依据相对重要性进行排序；依据重要性从高到低选取排名位于前13的特征作为基础特征，并进行组合，得到待验证的特征基础组合；分别依据重要性从大到小，以此在前一组合的基础上增加一个重要性较高的特征，最终得到9组待验证特征组合；再利用随机森林算法产生的袋外数据，对每组待验证特征组合进行OOB误差评估，并进行内部的交叉验证；得到各特征组合的OOB误差，其中误差最小的组合即为对应模型参数下的初步最优特征组合；利用测试数据对不同模型参数下训练后的随机森林模型进行准确率的验证，得到最优模型参数，最优模型参数对应的的初步最优特征组合即为最终的优特征组合。

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华中农业大学;湖北省水利水电科学研究院，其通讯地址为：430000 湖北省武汉市洪山区狮子山街1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。