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！

龙图腾网获悉黄河水利委员会黄河水利科学研究院申请的专利基于多尺度遥感的林草植被覆盖度精细化反演方法和系统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：CN119229279B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411211542.3，技术领域涉及：G06V20/10；该发明授权基于多尺度遥感的林草植被覆盖度精细化反演方法和系统是由王志慧;程春晓;吕锡芝;张攀;申震洲;孙彭成;刘杨;王靖淑;郭凯;靳凤营设计研发完成，并于2024-08-30向国家知识产权局提交的专利申请。

本基于多尺度遥感的林草植被覆盖度精细化反演方法和系统在说明书摘要公布了：本发明公开一种基于多尺度遥感的林草植被覆盖度精细化反演方法和系统，利用无人机实地观测数据首先提供端元类型和端元丰度信息，然后将这些先验知识输入线性混合像元分解模型反算得到对应端元类型的端元光谱信息，借助无人机超过分辨率观测数据作为先验知识，提高了端元光谱提取精度，为提高林草植被总覆盖度反演精度提供技术支撑；充分利用高分辨率卫星观测数据的纹理特征，将中分辨率的光谱特征和高分辨率的纹理特征结合，利用随机森林模型构建不同遥感特征组合与木本植被覆盖度实测数据之间的最佳响应关系，从而实现大区域范围木本植被覆盖度的高精度反演，为进一步估算草本植被覆盖度提供数据支撑。

本发明授权基于多尺度遥感的林草植被覆盖度精细化反演方法和系统在权利要求书中公布了：1.一种基于多尺度遥感的林草植被覆盖度精细化反演方法，其特征在于，包括： 步骤1：获取地面样方无人机影像，并将获取的无人机影像分类为绿色植被、干枯植被和土壤； 步骤2：将地面样方范围坐标所对应的Landsat像元的地表反射率平均值作为该样方Landsat的混合像元观测信号值；将绿色植被、干枯植被和土壤作为像元内的端元类型；基于每个样方无人机影像的分类结果，得到各端元类型的覆盖度值，并将所述覆盖度值作为端元类型的丰度先验知识； 步骤3：基于端元类型的丰度先验知识，利用线性混合像元分解模型对端元光谱进行反向计算，得到端元光谱库； 步骤4：基于获取的端元光谱库数据，利用多端元混合像元分解模型对绿色植被、干枯植被和土壤的丰度进行正向反演，得到区域尺度的绿色植被、干枯植被和土壤的丰度，进而得到干枯植被覆盖度，并计算绿色植被和干枯植被的丰度之和得到林草植被覆盖度； 步骤5：采用人机交互式解译方式获取每个样方无人机影像中的木本植被，并计算木本植被覆盖度，从而构建木本植被覆盖度样本数据集； 步骤6：提取Landsat和高分辨率卫星影像数据的光谱特征和纹理特征； 步骤7：将木本植被覆盖度样本数据集作为目标变量，将提取的光谱特征、纹理特征和步骤4得到的林草植被覆盖度作为特征变量，利用随机森林机器学习模型构建木本植被覆盖度与光谱特征、纹理特征和林草植被覆盖度之间的非线性关系，预测得到木本植被覆盖度； 步骤8：根据林草植被覆盖度和木本植被覆盖度、草本植被覆盖度之间的物理遮挡关系，反算得到草本植被覆盖度； 所述多端元混合像元分解模型的计算公式为： 式中，X为影像像元实际观测值；N为端元类别数；di为第i类端元类型的端元光谱个数；eij为第i类端元的第j条端元光谱；pij为第i类端元的第j条光谱在像元中所占的比例；q为0或1，代表端元光谱是否参与解混的标签；n为误差分量；0≤pij≤1且 所述步骤4中，计算过程中选取像元光谱模拟值的均方根误差最小的多端元混合像元分解模型作为光谱解混最优模型，光谱解混最优模型计算得到的pij即为该像元内各端元类型的丰度值，利用光谱解混最优模型计算得到区域尺度的绿色植被、干枯植被和土壤的丰度，其中绿色植被和干枯植被的丰度之和为林草植被覆盖度； 所述步骤6中，采用基于统计分析的灰度共生矩阵计算所有波段地表反射率的纹理特征。

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黄河水利委员会黄河水利科学研究院，其通讯地址为：450003 河南省郑州市金水区顺河路45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。