技術(shù)特征：

1.本發(fā)明提供一種基于光學(xué)和雷達(dá)影像的山蘭稻產(chǎn)區(qū)空間分布信息提取方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求所述的基于光學(xué)和雷達(dá)影像的山蘭稻產(chǎn)區(qū)空間分布信息提取方法，特征在于，步驟s12中，所述利用單個(gè)像素8維空間向量信息形成一種多邊形像素集合體包括以下步驟：

3.根據(jù)權(quán)利要求1所述的基于光學(xué)和雷達(dá)影像的山蘭稻產(chǎn)區(qū)空間分布信息提取方法，特征在于，步驟s12中，所述基于多邊形像素集合體對(duì)山蘭稻的影像數(shù)據(jù)進(jìn)行去噪，包括以下步驟：

4.根據(jù)權(quán)利要求1所述的基于光學(xué)和雷達(dá)影像的山蘭稻產(chǎn)區(qū)空間分布信息提取方法，特征在于，步驟s14中，所述分離閾值法進(jìn)行篩選獲得優(yōu)選特征集的方法為：

5.根據(jù)權(quán)利要求1所述的基于光學(xué)和雷達(dá)影像的山蘭稻產(chǎn)區(qū)空間分布信息提取方法，特征在于，步驟s15中，所述對(duì)山蘭稻種植集中區(qū)數(shù)據(jù)集進(jìn)行分析步驟為：

6.根據(jù)權(quán)利要求1所述的基于光學(xué)和雷達(dá)影像的山蘭稻產(chǎn)區(qū)空間分布信息提取方法，特征在于，步驟s16中，隨機(jī)森林模型構(gòu)建步驟為：

7.根據(jù)權(quán)利要求6所述的基于光學(xué)和雷達(dá)影像的山蘭稻產(chǎn)區(qū)空間分布信息提取方法，特征在于，s43步驟中，所述采用平均不純度減少的方法評(píng)估訓(xùn)練特征集重要性的步驟為：

8.根據(jù)權(quán)利要求7所述的基于光學(xué)和雷達(dá)影像的山蘭稻產(chǎn)區(qū)空間分布信息提取方法，特征在于，步驟s16中，所述提取山蘭稻空間分布信息方法為：

技術(shù)總結(jié)
本發(fā)明提供一種基于光學(xué)和雷達(dá)影像的山蘭稻產(chǎn)區(qū)空間分布信息提取方法，包括以下步驟：S11、獲取山蘭稻光學(xué)和雷達(dá)影像數(shù)據(jù)；S12、將山蘭稻的影像數(shù)據(jù)中RGB圖像轉(zhuǎn)換到HSV色彩空間進(jìn)行去噪；S13、對(duì)山蘭稻種植集中區(qū)的地表溫度進(jìn)行反演，提高山蘭稻識(shí)別精度；S14、利用分離閾值法從山蘭稻種植集中區(qū)的特征類別中，篩選出對(duì)特征類別分離度較大的優(yōu)選特征集；S15、利用混合像元分解方法對(duì)優(yōu)選特征集進(jìn)行分析獲得訓(xùn)練特征集；S16、利用隨機(jī)森林模型對(duì)訓(xùn)練特征集進(jìn)行分類獲得山蘭稻空間分布信息。本發(fā)明基于光學(xué)和雷達(dá)影像，對(duì)圖像去噪以及進(jìn)行地表溫度反演提高了山蘭稻識(shí)別精度，進(jìn)而利用混合像元分解方法和隨機(jī)森林模型高效地獲取山蘭稻空間分布信息。

技術(shù)研發(fā)人員：曹啟民,王桂周,程博,陳健曉,張文,符傳良,張治軍
受保護(hù)的技術(shù)使用者：海南省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)環(huán)境與土壤研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6