农作物雹灾受灾面积遥感评估方法技术

本发明专利技术提供了一种农作物雹灾受灾面积遥感评估方法。该方法包括：S1:获取目标区域雹灾前和雹灾后的多光谱卫星遥感影像，并对所述获取的多光谱卫星遥感影像进行预处理；S2:提取农作物种植空间分布区域；S3:在所述农作物种植空间分布区域中选取样本区域，统计所述样本区域所有农作物像元的ΔNDVI的平均值和标准差σ；S4:根据所述平均值和标准差σ确定所述农作物的最优雹灾受灾阈值；S5:根据所述农作物的最优雹灾受灾阈值确定所述目标区域所述农作物的受灾面积。本发明专利技术能够实现对农作物快速、准确的雹灾受灾面积评估，在提高评估时效性的同时，还能够有效的提高农作物雹灾评估的准确性与精度。

【技术实现步骤摘要】

本专利技术涉及农业遥感应用领域，尤其涉及一种农作物雹灾受灾面积遥感评估方法。
技术介绍
冰雹是夏季或春夏之交由强对流天气系统引起的一种剧烈气象灾害，具有时间短、来势猛、强度大的特点。据民政部统计数据表明，仅2012年上半年，风雹灾害就已造成全国30个省(自治区、直辖市)，1015个县(区、市、旗)和新疆生产建设兵团部分团场2327.4万人受灾，农作物受灾面积2574.3千公顷，直接经济损失达225.9亿元。雹灾发生后，准确快速获取农作物雹灾损失面积数据，将有利于及时采取田间管理补救措施、尽快恢复农业生产、切实保障农业保险投保农户的合法权益。传统的农作物冰雹灾害监测主要采取田间定点监测和随机调查，在具体操作上费时、费力，并难以确定所有受灾地块的地理位置和面积。因而，迫切需要对西瓜雹灾受灾面积进行快速监测与评估的方法。遥感技术具有快速、动态、无损、大范围监测等优点，遥感的出现使大面积监测雹灾成为可能，并且在雹灾监测中发挥了重要的作用。西瓜是世界上一种重要的经济园艺作物，中国是世界上种植西瓜最大的国家。西瓜产业的发展对于增加农民收入，促进农村经济发展具有重要作用。西瓜在生长过程中，特别是每年6月的成熟阶段容易遭受到冰雹灾害的影响。为了快速调查西瓜因冰雹灾害的受灾面积，迫切需要对西瓜雹灾受灾面积进行快速监测与评估的方法。目前的农作物雹灾遥感评估方法大多是利用MODIS、TM、HJ-1等中低分辨率影像对大面积规模化种植农区进行监测，监测的精细化程度有待提高，中低分辨率影像还无法将雹灾损失评估落实到地块尺度，并且在雹灾变化检测阈值确定过程中还主要以目视解译为主，严重依赖于目视解译的专家知识。
技术实现思路
(一)要解决的技术问题本专利技术要解决的技术问题是：提供一种农作物雹灾受灾面积遥感评估方法，能够有效提高农作物雹灾评估的准确性与精度。(二)技术方案为解决上述技术问题，本专利技术的技术方案提供了一种农作物雹灾受灾面积遥感评估方法，包括：S1:获取目标区域雹灾前和雹灾后的多光谱卫星遥感影像，并对所述获取的多光谱卫星遥感影像进行预处理；S2:基于经过所述预处理后的所述目标区域雹灾前的多光谱卫星遥感影像，提取农作物种植空间分布区域；S3:在所述农作物种植空间分布区域中选取样本区域，并基于经过所述预处理后的所述目标区域雹灾前的多光谱卫星遥感影像和雹灾后的多光谱卫星遥感影像，确定所述样本区域每一个农作物像元雹灾前后的NDVI差值ΔNDVI，统计所述样本区域所有农作物像元的ΔNDVI的平均值和标准差σ；S4:根据所述平均值和标准差σ确定所述农作物的最优雹灾受灾阈值；S5:根据所述农作物的最优雹灾受灾阈值确定所述目标区域所述农作物的受灾面积。优选地，所述预处理至少包括以下一种：辐射定标、大气校正、几何精校正、裁剪。优选地，步骤S2包括：将经过所述预处理后的所述目标区域雹灾前的多光谱卫星遥感影像数据和所述目标区域雹灾前的全色影像进行融合；采用最大似然法在所述融合得到的影像中提取所述农作物种植空间分布区域。优选地，步骤S4包括：数字化所述样本区域，得到所述样本区域的真实面积；将所述样本区域的真实面积作为受灾阈值精度评价的准真值，在范围内采用窗口变步长法确定所述农作物的最优雹灾受灾阈值。优选地，还包括：S6:在所述农作物种植空间分布区域中选取验证点，野外实地采集所述验证点的受灾状况，根据所述野外实地采集的所述验证点的受灾状况评价所述最优雹灾受灾阈值。(三)有益效果本专利技术能够实现对农作物快速、准确的雹灾受灾面积评估，在提高评估时效性的同时，还能够有效的提高农作物雹灾评估的准确性与精度，对于短时间获取农作物雹灾受灾面积具有重要意义。附图说明图1是本专利技术实施方式提供的一种农作物雹灾受灾面积遥感评估方法的流程图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。参见图1，图1是本专利技术实施方式提供的一种农作物雹灾受灾面积遥感评估方法的流程图，包括：S1:获取目标区域雹灾前和雹灾后的多光谱卫星遥感影像，并对所述获取的多光谱卫星遥感影像进行预处理；S2:基于经过所述预处理后的所述目标区域雹灾前的多光谱卫星遥感影像，提取农作物种植空间分布区域；S3:在所述农作物种植空间分布区域中选取样本区域，并基于经过所述预处理后的所述目标区域雹灾前的多光谱卫星遥感影像和雹灾后的多光谱卫星遥感影像，确定所述样本区域每一个农作物像元雹灾前后的NDVI差值ΔNDVI，统计所述样本区域所有农作物像元的ΔNDVI的平均值和标准差σ；S4:根据所述平均值和标准差σ确定所述农作物的最优雹灾受灾阈值；S5:根据所述农作物的最优雹灾受灾阈值确定所述目标区域所述农作物的受灾面积。其中，在步骤S1中，可以获取目标区域雹灾灾前灾后的多光谱高分辨率卫星遥感数据，并进行影像预处理，可以包括：辐射定标、大气校正、几何精校正、裁剪等，其中，几何精校正要求控制误差在0.5个像元以内。优选地，上述步骤S2可以包括：将经过所述预处理后的所述目标区域雹灾前的多光谱卫星遥感影像数据和所述目标区域雹灾前的全色影像进行融合；采用最大似然法在所述融合得到的影像中提取所述农作物种植空间分布区域。例如，在步骤S2中，可以结合采集的地面样本点及其先验知识，在灾前遥感影像中选取感兴趣区域，对影像进行最大似然法监督分类，得到农作物的种植空间分布，具体地，农作物种植分布遥感提取可以是基于灾前空间分变率为2m的GF-1融合影像进行监督分类。具体过程为：先利用灾前GF-1全色和多光谱进行Gram-Schmidt融合，得到2米分辨率的高分辨率融合影像；然后采集的地面样本点，选取感兴趣区域，最后对影像进行最大似然法监督分类，得到农作物种植地块空间分布；农作物在经过冰雹后，经第二天的阳光照射，会造成果实、叶片内叶绿素、水分含量的变化，从而造成光谱发生变化，通过计算遥感影像的NDVI进行变化检测，从而可以对整个区域农作物雹灾受灾面积进行监测和评价，其中，受灾前后遥感影像每一个像元的NDVI差值的计算方式如下:ΔNDVI＝NDVIbefor-NDVIafter其中，NDVIbefor为像元灾前多光谱影像计算的NDVI值，NDVIafter为像元灾后多光谱影像计算的NDVI值，ΔNDVI为两者的差值，其中，NDVI的公式为： N D V I = N I R - R E D N I R + R E D ]]>其中，NIR和RED分别为光学遥感数据的近红外波段和红波波段。在步骤S3中，可以针对农作物种植数量较少、中等、偏多的3个地方，在农作物种植空间分布区域中选取多个样本区域(如在遥感影像上人工选取多个样框)，将样框中的样本作为典型变化训练样区，数字化样框内的受灾农作物地块作为受灾阈值精度评价的准真值，并且统计样框内受灾西瓜ΔNDVI平均值和标准差σ。其中，步骤S4包括：数字化本文档来自技高网...

【技术保护点】
一种农作物雹灾受灾面积遥感评估方法，其特征在于，包括：S1:获取目标区域雹灾前和雹灾后的多光谱卫星遥感影像，并对所述获取的多光谱卫星遥感影像进行预处理；S2:基于经过所述预处理后的所述目标区域雹灾前的多光谱卫星遥感影像，提取农作物种植空间分布区域；S3:在所述农作物种植空间分布区域中选取样本区域，并基于经过所述预处理后的所述目标区域雹灾前的多光谱卫星遥感影像和雹灾后的多光谱卫星遥感影像，确定所述样本区域每一个农作物像元雹灾前后的NDVI差值ΔNDVI，统计所述样本区域所有农作物像元的ΔNDVI的平均值和标准差σ；S4:根据所述平均值和标准差σ确定所述农作物的最优雹灾受灾阈值；S5:根据所述农作物的最优雹灾受灾阈值确定所述目标区域所述农作物的受灾面积。

【技术特征摘要】
1.一种农作物雹灾受灾面积遥感评估方法，其特征在于，包括：S1:获取目标区域雹灾前和雹灾后的多光谱卫星遥感影像，并对所述获取的多光谱卫星遥感影像进行预处理；S2:基于经过所述预处理后的所述目标区域雹灾前的多光谱卫星遥感影像，提取农作物种植空间分布区域；S3:在所述农作物种植空间分布区域中选取样本区域，并基于经过所述预处理后的所述目标区域雹灾前的多光谱卫星遥感影像和雹灾后的多光谱卫星遥感影像，确定所述样本区域每一个农作物像元雹灾前后的NDVI差值ΔNDVI，统计所述样本区域所有农作物像元的ΔNDVI的平均值和标准差σ；S4:根据所述平均值和标准差σ确定所述农作物的最优雹灾受灾阈值；S5:根据所述农作物的最优雹灾受灾阈值确定所述目标区域所述农作物的受灾面积。2.根据权利要求1所述的农作物雹灾受灾面积遥感评估方法，其特征在于，所述预处理至少包括以下一种：...

【专利技术属性】
技术研发人员：董燕生，赵春江，宋晓宇，徐波，杨贵军，徐新刚，顾晓鹤，龙慧灵，赵晓庆，冯海宽，
申请(专利权)人：北京农业信息技术研究中心，
类型：发明
国别省市：北京;11