申请/专利权人：中国科学院空天信息创新研究院

申请日：2023-12-19

公开（公告）日：2024-03-19

公开（公告）号：CN117726902A

主分类号：G06V10/774

分类号：G06V10/774;G06V10/40;G06V10/34;G06V10/764;G06V20/10;G06T7/62;G06Q50/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明提出一种基于Sentinel2时序曲线分布的大豆样本生成方法和系统。其中，方法包括：从大豆作物的理化性质出发，利用Sentinel2特征参量时间序列的特征分布生成大豆样本点，能够以准确、简易的方式实现大豆样本点获取，解决大豆种植区分布制图中缺乏样本的问题，使大范围的大豆制图成本更低。经与现有作物分类产品对比，本方法在黑龙江省能够达到90％左右的精度。该方法能够实现市级或省级尺度的大豆样本点准确生成，进而应用在大豆种植区精确识别中，为大豆作物的种植管理、产量估算和市场调动提供重要科学指导依据。

主权项：1.一种基于Sentinel2时序曲线分布的大豆样本生成方法，其特征在于，所述方法包括：步骤S1、实地采集目标区域内的大豆样本点，得到大豆实测点数据，分析目标区域内大豆的物候期，确定大豆的开花期、结荚期和成熟期的时间跨度；步骤S2、获取ESA10m地表覆盖数据集，从中提取出耕地像素并生成目标区域的随机农田样本；步骤S3、获取大豆开花期到成熟期内所有的Sentinel2影像，选择Sentinel2影像的两个预定义波段和四个植被指数，构建六个特征参量的Sentinel2影像时间序列；将六个特征参量从时序影像中提取到大豆实测点和随机农田点中；步骤S4、对提取到大豆实测点和随机农田点中的六个特征参量的Sentinel2影像时间序列进行平滑处理；计算平滑处理后的大豆实测点和随机农田点中的六个曲线下面积作为大豆样本生成的特征，得到实测点特征和随机点特征；将实测点特征和随机点特征中的各六个特征划分为高值组和低值组；步骤S5、计算实测点特征的高值组与随机点特征的高值组的特征分布的马氏距离；计算实测点特征的低值组与随机点特征的低值组的特征分布的马氏距离；根据高值组的特征分布的马氏距离和低值组的特征分布的马氏距离设置高值组和低值组的面积的阈值；若某个随机点的高值组的特征分布的马氏距离和低值组的特征分布的马氏距离均小于对应阈值，则将所述随机点认定为大豆样本点。

全文数据：

权利要求：

百度查询： 中国科学院空天信息创新研究院 一种基于Sentinel2时序曲线分布的大豆样本生成方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD