本发明专利技术公开了一种基于GF-1/WFV NDVI时间序列的冬小麦自动识别方法，采用覆盖冬小麦完成生长周期NDVI时间序列，充分利用冬小麦在生长周期内NDVI曲线具有两个峰值的物候特征，基于矢量分析方法和阈值自动获取技术，有效扑捉冬小麦NDVI时间序列特有的矢量特性，实现了冬小麦的高精度自动识别，为冬小麦遥感自动识别提供了一种新途径。
【技术实现步骤摘要】
本专利技术是一项冬小麦遥感识别技术，提出了一种基于GF-1/WFV NDVI时间序列的冬小麦自动识别方法，充分利用覆盖冬小麦完整生长周期的NDVI时间序列，提取冬小麦特有的物候特征，实现了冬小麦的高精度识别。
技术介绍
小麦是中国最重要的口粮之一，小麦产业发展直接关系到国家粮食安全和社会稳定。按照种植方式，小麦分为冬小麦和春小麦，我国以冬小麦为主，主要分布于河南、河北、山东、陕西、山西诸省区。及时准确地掌握冬小麦种植分布是获取冬小麦种植面积和进行产量预测的基础。随着遥感平台的不断发展及影像分辨率不断提高，遥感技术在小麦监测领域中得到了广泛的应用，如小麦种植面积监测、长势监测和产量估算等。我国农作物类型复杂多样，如何利用遥感技术手段从众多的作物中将冬小麦识别出来，研究人员已经开展了大量的研究工作。由于许多作物的光谱特征极为相似，利用单一时相遥感影像数据进行冬小麦的识别经常会出现错判、漏判的现象。近年来，归一化植被指数( Normalized Difference Vegetation Index, NDVI )时间序列数据已成为研究的热点，能够精确地反映植被物候信息，有效削弱“同物异谱，同谱异物”现象，逐渐应用于冬小麦的识别。目前较为流行的方法是基于MODIS、NOAA/AVHRR的NDVI时间序列数据，但由于影像空间分辨率较低加之我国农作物种植类别复杂多样、地块较为破碎，仅有极少的像元是由单一地物所组成，冬小麦识别精度有限。随着我国高分专项首颗卫星GF-1的发射，为高分辨率NDVI时间序列的构建提供了可能。该卫星搭载的宽覆盖相机(Wide Field of View, WFV)具备16米空间分辨率及4天重访周期的影像获取能力，只需利用单一数据源就能构建高空间分辨率NDVI时间序列。本专利提出了一种基于GF-1/WFV NDVI时间序列的冬小麦自动识别方法，提升了冬小麦识别精度。
技术实现思路
本专利提出了一种基于GF-1/WFV NDVI时间序列的冬小麦自动识别方法，充分利用冬小麦特有的物候特征，基于覆盖冬小麦完整生长周期的NDVI时间序列，有效提升了冬小麦的识别精度。该算法包括如下步骤：步骤1）获取覆盖冬小麦完整生长周期的GF-1 WFV数据，并构建NDVI时间序列；步骤2）通过历史数据或实地调查，获取冬小麦样本数据；步骤3）基于冬小麦样本，获取相应的像元的NDVI时间序列，将每个像元的NDVI时间序列视为一个多维矢量，对所有样本像元的矢量进行算术平均，形成冬小麦NDVI时间序列参考矢量；步骤4）将所有样本像元的NDVI时间序列矢量与参考矢量进行比较分析，分别计算目标矢量与参考矢量的夹角与欧式距离，然后通过统计分析获取最大的夹角和最大的欧式距离作为小麦识别的阈值，实现阈值的自动确定；步骤5）将试验区内各个像元的NDVI时间序列矢量与参考矢量进行比较分析，分别计算目标矢量与参考矢量的夹角与欧式距离，并与夹角阈值、欧式距离阈值进行比较，当两个参数均在阈值范围内时，则判定该像元为冬小麦，遍历整个试验区，最后形成冬小麦分布图。进一步：步骤1）中冬小麦的完整生长周期为11月上旬至次年6月下旬，确保每个月有一期GF-1 WFV数据，并对数据经过辐射定标、大气校正、几何校正等处理后，利用红光波段与近红外波段计算得到NDVI，最后形成NDVI时间序列。进一步：步骤5）中，采用矢量夹角与欧式距离两个量来确定矢量的相似性，因为矢量是既有大小又有方向的量，为了确保方向的相近，采用夹角进行控制，为了确保大小的相近，采用欧氏距离进行控制。本专利技术的优点：本专利技术采用单一数据源构建了高空间分辨率NDVI时间序列，NDVI时间序列覆盖冬小麦整个生长周期，充分利用了冬小麦在生长周期内NDVI曲线具有两个峰值的物候特征；采用了矢量分析方法，利用矢量夹角、欧式距离两个参数，有效扑捉冬小麦NDVI时间序列矢量的特性，达到了较高的识别精度；同时利用样本数据完成了阈值的自动获取，从而实现了冬小麦的自动识别。附图说明图1为2013年11月末到2014年6月末试验区冬小麦的NDVI时间序列曲线。图2为试验区冬小麦识别结果图。具体实施方式下面结合实例对本专利技术作进一步说明。步骤1）获取覆盖冬小麦完整生长周期的GF-1 WFV数据，并构建NDVI时间序列；本专利技术以河北省唐山市南部为试验区，获取了从2013年11月至2014年6月覆盖冬小麦完整生长周期的GF-1 WFV数据共9景（见表1），经过辐射定标、大气校正、几何校正等处理后，提取NDVI并构建NDVI时间序列，以实现对作物生长发育关键时期的连续观测。其中NDVI是利用GF-1 WFV数据的红光波段与近红外波段，通过公式（1）计算得到。 （1）式中：为近红外波段反射率，为红光波段反射率。表1 GF-1 WFV影像从覆盖冬小麦完整生长周期的NDVI曲线图（图1）可以看出，冬小麦在11月下旬出苗后NDVI 呈现逐渐上升趋势，12月份冬小麦分蘖旺盛，NDVI曲线出现第一个波峰，1月上旬越冬期开始，持续到次年的3月中上旬，在这个时段内冬小麦属于冬眠状态，叶绿素含量降低，光合作用减弱，植株基本停止生长，NDVI有下降趋势，经历越冬期的冬小麦NDVI一直处于较低水平，第二年3月下旬开始返青，NDVI随之上升，4月冬小麦进入拔节期并快速生长，是NDVI曲线斜率最大的时期，4月中下旬到5月上旬开始抽穗，达到第二个NDVI峰值，5月底成熟收获，NDVI迅速下降。本专利充分利用了在生长周期内NDVI呈现两个峰值的特征，实现了冬小麦的高精度识别。步骤2）通过实地调查在试验区获取了112个冬小麦样本数据，样本数据在试验区尽可能均匀分布。步骤3）基于样本数据构建参考矢量。本专利技术采用矢量分析法进行冬小麦识别，即将每个像元的NDVI时间序列视为一个多维矢量，本专利技术案例中NDVI时间序列含9个时相，则每个像元的NDVI时间序列矢量可表示为 。不同位置的小麦由于播种时间、水肥条件等方面的影响，其NDVI时间序列矢量会有所差异，因此，对所有样本像元的矢量进行算术平均（见式（2）），形成冬小麦NDVI时间序列参考矢量。 (2)步骤4）冬小麦识别阈值的确定。假设冬小麦样本数据具有代表性，即样本像元的NDVI时间序列矢量的方向和大小的动态范围能够代表整个试验区冬小麦NDVI时间序列矢量的动态范围；冬小麦识别的阈值包括目标矢量与参考矢量的夹角和欧式距离，将所有样本像元的NDVI时间序列矢量与参考矢量进行比较，按照公式（3）计算目标矢量与参考矢量的夹角，按照公式（4）计算目标矢量与参考矢量的欧式距离，然后通过统计分析得到最大的夹角和最大的欧式距离，作为冬小麦识别的阈值。 (3)式中：为目标矢量的模，为参考矢量的模。 (4)步骤5）冬小麦的识别。本专利技术采用了矢量分析法，而要确定一本文档来自技高网...
【技术保护点】
一种基于GF‑1/WFV NDVI时间序列的冬小麦自动识别方法，其特征在于，该方法包括以下步骤：步骤1）获取覆盖冬小麦完整生长周期的GF‑1 WFV数据，并构建NDVI时间序列；步骤2）通过历史数据或实地调查，获取冬小麦样本数据；步骤3）基于冬小麦样本，获取相应的像元的NDVI时间序列，将每个像元的NDVI时间序列视为一个多维矢量，对所有样本像元的矢量进行算术平均，形成冬小麦NDVI时间序列参考矢量；步骤4）将所有样本像元的NDVI时间序列矢量与参考矢量进行比较分析，分别计算目标矢量与参考矢量的夹角与欧式距离，然后通过统计分析获取最大的夹角和最大的欧式距离作为小麦识别的阈值，实现阈值的自动确定；步骤5）将试验区内各个像元的NDVI时间序列矢量与参考矢量进行比较分析，分别计算目标矢量与参考矢量的夹角与欧式距离，并与夹角阈值、欧式距离阈值进行比较，当两个参数均在阈值范围内时，则判定该像元为冬小麦，遍历整个试验区，最后形成冬小麦分布图。
【技术特征摘要】
1.一种基于GF-1/WFV NDVI时间序列的冬小麦自动识别方法，其特征在于，该方法包括以下步骤：
步骤1）获取覆盖冬小麦完整生长周期的GF-1 WFV数据，并构建NDVI时间序列；步骤2）通过历史数据或实地调查，获取冬小麦样本数据；步骤3）基于冬小麦样本，获取相应的像元的NDVI时间序列，将每个像元的NDVI时间序列视为一个多维矢量，对所有样本像元的矢量进行算术平均，形成冬小麦NDVI时间序列参考矢量；步骤4）将所有样本像元的NDVI时间序列矢量与参考矢量进行比较分析，分别计算目标矢量与参考矢量的夹角与欧式距离，然后通过统计分析获取最大的夹角和最大的欧式距离作为小麦识别的阈值，实现阈值的自动确定；步骤5）将试验区内各个像元的NDVI时间序列矢量与...
【专利技术属性】
技术研发人员：占玉林，顾行发，王春梅，余涛，孟庆岩，牛铮，王力，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。