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！

龙图腾网获悉中国科学院东北地理与农业生态研究所申请的专利基于光谱-过程-地形协同的农田低洼内涝快速提取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：CN120953835B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511492038.X，技术领域涉及：G06V20/13；该发明授权基于光谱-过程-地形协同的农田低洼内涝快速提取方法是由孟令华;陈娅;刘焕军;王一昊;郭跃东设计研发完成，并于2025-10-20向国家知识产权局提交的专利申请。

本基于光谱-过程-地形协同的农田低洼内涝快速提取方法在说明书摘要公布了：本发明公开了一种基于光谱‑过程‑地形协同的农田低洼内涝快速提取方法，包括以下步骤：步骤一，卫星遥感影像获取与预处理；步骤二，内涝区域分级标注；步骤三，过程量提取；步骤四，红边面积指数计算；步骤五，地形因子处理与特征组合；步骤六，模型训练与最优特征子集筛选；本发明通过构建裸土期土壤水分变化过程量与生长期作物生长变化过程量，精准刻画内涝随生育阶段的演化轨迹，突破单一时相无法反映过程差异的局限；通过构建红边面积指数，增强内涝光谱差异，区分裸土期易混淆地类、规避生长期植被冠层遮挡干扰；通过地形因子反映地形对积水深度、持水时长的影响，提升内涝空间异质性识别精度；通过采用随机森林算法提升内涝分级的准确性。

本发明授权基于光谱-过程-地形协同的农田低洼内涝快速提取方法在权利要求书中公布了：1.基于光谱-过程-地形协同的农田低洼内涝快速提取方法，包括以下步骤：步骤一，卫星遥感影像获取与预处理；步骤二，内涝区域分级标注；步骤三，过程量提取；步骤四，红边面积指数计算；步骤五，地形因子处理与特征组合；步骤六，模型训练与最优特征子集筛选；其特征在于： 其中在上述步骤一中，选取目标区域内裸土期和作物生长期的无云Sentinel-2A卫星遥感影像，对影像进行预处理后，计算每期影像的NDWI和NDVI； 其中在上述步骤二中，将预处理后的遥感影像按目标区农田地块矢量范围裁剪，筛选作物生长期降雨后的影像，采用双视窗联动模式目视解译，对农田低洼内涝区进行五级标签标注并生成地块级标签矢量库； 其中在上述步骤三中，绘制裸土期NDWI和作物生长期NDVI的时间序列曲线，并基于时间序列曲线获取裸土期土壤水分变化过程量ΔNDWI和生长期作物植被变化过程量ΔNDVI； 其中在上述步骤四中，基于Sentinel-2A卫星遥感影像的红边波段B5、B6和B7，采用梯形积分原理计算红边面积指数； 其中在上述步骤五中，以DEM为地形源提取地形因子，将地形因子重采样至与Sentinel-2A卫星遥感影像光谱特征一致的分辨率后，与影像波段、NDWI、NDVI及步骤三所得ΔNDWI、ΔNDVI、步骤四所得红边面积指数按像元级串联形成多维特征向量； 其中在上述步骤六中，将步骤五获取的多维特征向量划分为训练集与独立验证集，构建多组特征组合方案驱动随机森林模型训练与袋外误差评估，同步输出OA、Kappa系数及特征重要性序列，通过比对不同组合下的识别效能，筛选袋外误差最小且Kappa提升显著的最优特征子集，完成内涝分级模型的优化与验证； 所述步骤二中，五级标签具体为：0级无内涝、1级轻度内涝、2级中度内涝、3级重度内涝、4级极重内涝，标注依据为农田水体色度明暗和空间连续性差异； 所述步骤三中，ΔNDWI与ΔNDVI的计算公式分别为： ， ， 其中，是裸土期4月上旬的影像日期，是裸土期4月中旬的影像日期，是裸土期日期的NDWI值，是裸土期日期的NDWI值，是裸土期土壤水分变化过程量，生长期6月上旬的影像日期，生长期6月下旬的影像日期，是作物生长期日期的NDVI值，是作物生长期日期的NDVI值，是作物生长期植被变化过程量； 所述步骤四中，Sentinel-2A卫星遥感影像的红边波段B5的中心波长为705nm、波段B6的中心波长为740nm、波段B7的中心波长为783nm；红边面积指数的计算公式为： ， 其中，是红边面积指数，是波段B5地表反射率，是波段B6地表反射率，是波段B7地表反射率，是波段B5与B6中心波长差，是波段B6与B7中心波长差。

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中国科学院东北地理与农业生态研究所，其通讯地址为：130000 吉林省长春市宽城区高新技术产业开发区长东北核心区盛北大街4888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。