基于光谱特征的地膜覆盖农田遥感监测方法技术

一种基于光谱特征的地膜覆盖农田遥感监测方法，包括：步骤S1，对遥感影像进行预处理，包括：S1，辐射校正、大气校正和对影像进行镶嵌、裁剪处理以获取研究区影像；S2，建立地膜覆盖农田遥感监测分类体系，以区分地膜覆盖农田和其他地物；S3，通过目视解译与所述研究区影像相同时相的GoogleEarth影像，采集所述分类体系中不同地物类型的不规则多边形样本，然后再通过目视解译在不规则多边形内重新勾画预定尺寸像元的有规则多边形样本；S4，对不同地物在所述研究区影像的可分离性进行分析，以选择可分离的波段；S5，利用有规则多边形样本，用分类器对所述研究区影像进行分类。本发明专利技术提出了一种对地膜覆盖农田进行监测的新方法。

【技术实现步骤摘要】

本专利技术涉及遥感监测技术，更具体地，涉及基于光谱特征的地膜覆盖农田遥感监测方法。
技术介绍
地膜覆盖栽培能够明显改善农田温、光、水、气、肥等生境条件，提高土壤墒情，促进作物生长发育，缩短生育期、避免后期病虫害和干、热、风等自然灾害，大幅提高作物产量，并能够提前上市，提高经济收入，是干旱半干旱地区，低温缺水地区、气温和降水变化幅度和区域差异较大地区的关键栽培技术之一。但是，农作物收割后，农田内残留的地膜会造成如下不良影响：造成环境污染(田间白色污染)；土壤通透性、水分和养分输导、土壤肥力降低；隔肥隔水、影响肥效；作物根系发育、产量下降；改变地气间能量平衡：温室气体排放；区域蒸散发。这些不良影响有待于减少或消除，则依赖于对地膜数据的采集、分析。但是，当前我国地膜覆盖农田的空间分布格局、分布面积及其变化特征尚不清楚。因此，就无法为地膜生产、使用以及残膜回收治理等的科学规划管理提供依据，也不能为减轻地膜覆盖技术带来的负面影响以及寻找解决问题的有效途径等提供参考依据。更无法为其他研究(作物物候变迁、地表温湿度、蒸散发等)提供基础数据。因此，当前需要方法来对地膜覆盖农田进行监测。
技术实现思路
针对
技术介绍
中的问题，本专利技术提出一种基于光谱特征的地膜覆盖农田遥感监测方法，包括：步骤S1，对遥感影像进行预处理，包括：1)辐射校正；2)大气校正；和3)对影像进行镶嵌、裁剪处理以获取研究区影像；步骤S2，建立地膜覆盖农田遥感监测分类体系，以区分地膜覆盖农田和其他地物；步骤S3，通过目视解译与所述研究区影像相同时相的GoogleEarth影像，采集所述分类体系中不同地物类型的多边形样本，然后再通过目视解译所述研究区影像，在多边形内重新勾画预定尺寸像元的有规则多边形样本；步骤S4，利用所述有规则多边形样本，对不同地物在所述研究区影像的可分离性进行分析，以选择适宜的波段，以所选择的波段的反射率作为光谱特征；步骤S5，基于步骤S3中采集的训练样本以及S4中的光谱特征，利用分类器对所述研究区影像进行分类，以获得所述地膜覆盖农田遥感监测分类体系中地膜覆盖农田和其他地物的空间分布。本专利技术提出了一种新方法来监测地膜覆盖农田，而且通过验证能达到相当高的精度。附图说明图1显示了5种塑料的光谱反射率图。图2显示了ASTER植被光谱反射率曲线图。图3显示了ASTER土壤光谱反射率曲线图。图4显示了地膜覆盖农田ASD实测光谱反射率曲线。图5显示了土壤ASD实测光谱反射率曲线。图6为本专利技术的方法的一个实施方式的流程图。图7显示了一个研究区的农作物物候历。图8显示了不同地物Landsat8OLI光谱反射率曲线图。图9显示了支持向量机的不同核函数表达式。图10显示了基于光谱特征的地膜覆盖农田空间分布图。具体实施方式下面参照附图描述本专利技术的实施方式，其中相同的部件用相同的附图标记表示。对于地膜覆盖农田的监测，申请人对USGS(UnitedStatesGeologicalSurvey，美国地质勘探局)、美国国家航空航天局ASTER(AdvancedSpaceborneThermalEmissionReflectionRadiometer)波谱库数据和ASD(AnalyticalSpectralDevices，地物光谱仪器)光谱仪实测光谱数据进行相关地物类型的光谱反射率曲线形状特征和反射率值范围进行分析。图1图中显示了5种塑料的光谱反射率，包括：HDPE(高密度聚乙烯)、LDPE(低密度聚乙烯)、PETE(聚对苯二甲酸乙二醇酯)和PVC(聚氯乙烯)。图2显示了ASTER植被光谱反射率曲线图。图3显示了ASTER土壤光谱反射率曲线图。图4显示了地膜覆盖农田ASD实测光谱反射率曲线。图5显示了土壤ASD实测光谱反射率曲线。从图1-5看出，不同地物在不同波长范围内呈现出不同的波谱曲线形状和不同的反射率值范围。从USGS和ASTER波谱库数据可看出，不同地物在可见光-近红外和短波红外波段范围内具有明显不同形状的波谱反射率曲线和反射率值范围。同样从ASD实测光谱数据也能看出此类特征。这些数据的分析能为遥感影像数据的选择提供依据，即相同或类似波宽设计的遥感传感器数据能为地膜覆盖农田遥感监测提供有效数据源。利用遥感数据光谱特征对地膜覆盖农田进行监测，还存在有如下技术难题：1、时间因素：不同地区、不同作物的覆膜方式、覆膜时间和覆膜时间长度(作物生长前期、全生育期覆膜等)不同。例如作物从地膜中长出后的遥感影像数据的分析难度，要比作物没长出时大，可能造成监测不准确。2、光谱特征：光谱特征受地膜颜色、密度、厚度以及膜下土壤和作物的影响，其光谱特征的动态变化性强、稳定性弱。对此，遥感影像数据最佳时相选择是有必要的。覆膜农田具有明显的物候和节律变化，确定遥感影像数据最佳时相是准确遥感监测覆膜农田的基础。可以根据目标监测区主要作物物候历数据以及地膜覆盖实施、存留、农事操作等信息，确定地膜覆盖农田最佳遥感监测时期。有了理论支撑后，如图6所示，本专利技术的地膜覆盖农田监测方法包括：步骤S1，对研究区的遥感影像数据进行预处理。其中，遥感影像数据的选择，根据地膜与其他地物的光谱特征，选择合适与地膜覆盖农田监测的遥感数据。在下面的实例中，本专利技术选用Landsat8OLI遥感影像对地膜覆盖农田进行监测，但本专利技术可采用的遥感数据不限于此。优选地，选择研究区的地膜覆盖农田的最佳监测时相的遥感影像数据，所述最佳监测时相指的是作物播种期到出苗期。在一个实例中，图7显示了河北省冀州市的试验区的农作物物候历。确定该区域地膜覆盖农田在作物播种期到出苗期为最佳监测时相，进而选择了对应最佳时期2014年4月29日Landsat8OLI遥感影像作为遥感监测数据源。更具体地，所述预处理具体包括：(1)对数据进行辐射校正由于遥感器本身的光电系统特征以及大气、地形、太阳高度等外界环境因素的影响，遥感器得到的测量值与目标地物真实反射或辐射等物理量之间存在不一致性，即地物光谱特征的失真现象。辐射校正和大气校正的目的是为了消除这些失真，获取较真实的地面反射值。其中辐射校正是将遥感器得到的数字测量值(DigitalNumber)转换成遥感器辐射值。计算公式以下：Lλ＝Gain*Pixelvalue+Offset其中，Lλ表示遥感器辐射值，Pixelvalu本文档来自技高网...

【技术保护点】
一种基于光谱特征的地膜覆盖农田遥感监测方法，其特征在于，包括：步骤S1，对遥感影像进行预处理，包括：1)辐射校正；2)大气校正；和3)对影像进行镶嵌、裁剪处理以获取研究区影像；步骤S2，建立地膜覆盖农田遥感监测分类体系，以区分地膜覆盖农田和其他地物；步骤S3，通过目视解译与所述研究区影像相同时相的Google Earth影像，采集所述分类体系中不同地物类型的不规则多边形样本，然后再通过目视解译所述研究区影像，在不规则多边形内重新勾画预定尺寸像元的有规则多边形样本，其中所述有规则多边形样本的尺寸比所述不规则多边形样本小；步骤S4，利用所述有规则多边形样本，对不同地物在所述研究区影像的可分离性进行分析，以选择可分离的波段，以所选择的波段的反射率作为光谱特征；步骤S5，利用步骤S3中采集的有规则多边形样本以及S4中的光谱特征，用分类器对所述研究区影像进行分类，以获得所述地膜覆盖农田遥感监测分类体系中地膜覆盖农田和其他地物的空间分布。

【技术特征摘要】
1.一种基于光谱特征的地膜覆盖农田遥感监测方法，其特征在于，包括：
步骤S1，对遥感影像进行预处理，包括：
1)辐射校正；2)大气校正；和3)对影像进行镶嵌、裁剪处理以获
取研究区影像；
步骤S2，建立地膜覆盖农田遥感监测分类体系，以区分地膜覆盖农田和
其他地物；
步骤S3，通过目视解译与所述研究区影像相同时相的GoogleEarth影像，
采集所述分类体系中不同地物类型的不规则多边形样本，然后再通过目视解译
所述研究区影像，在不规则多边形内重新勾画预定尺寸像元的有规则多边形样
本，其中所述有规则多边形样本的尺寸比所述不规则多边形样本小；
步骤S4，利用所述有规则多边形样本，对不同地物在所述研究区影像的
可分离性进行分析，以选择可分离的波段，以所选择的波段的反射率作为光谱
特征；
步骤S5，利用步骤S3中采集的有规则多边形样本以及S4中的光谱特征，
用分类器对所述研究区影像进行分类，以获得所述地膜覆盖农田遥感监测分类
体系中地膜覆盖农田和其他地物的空间分布。
2.根据权利要求1所述的基于光谱特征的地膜覆盖农田遥感监测方法，
其特征在于，所述遥感影像的选择，是根据地膜与其他地物的光谱特征，选择
合适与地膜覆盖农田监测的遥感数据。
3.根据权利要求2所述的基于光谱特征的地膜覆盖农田遥感监测方法，
其特征在于，
步骤...

【专利技术属性】
技术研发人员：陈仲新，哈斯图亚，王利民，李贺，
申请(专利权)人：中国农业科学院农业资源与农业区划研究所，
类型：发明
国别省市：北京;11