一种基于MODIS传感器的水稻种植区自动提取方法技术

本发明专利技术公开了一种基于MODIS传感器的水稻种植区自动提取方法，其特征在于：对MODIS数据进行指数计算、云掩膜、时间序列合成、滤波等预处理；基于归一化植被指数对不同类型的典型地物采用阈值法进行剔除；采用一种极值检测方法对像元的归一化植被指数曲线进行检测，找出可能为水稻的像元，并进行水稻抽穗期反演；采用水稻移栽期期间地表水分指数和归一化植被指数之间的关系进行水稻像元的最终提取。本发明专利技术可以精确提取水稻像元，在不同地区均有较强的适用性，并能区分单季稻与多季稻，能为国土、测绘、农业等部门提供快速准确的水稻空间分布信息，为不同部门的科学决策作支持。

Automatic extraction method of rice planting area based on MODIS sensor

The invention discloses a method for automatic extraction of rice planting area based on MODIS sensor, which is characterized in that: the MODIS data on the index calculation, cloud mask, synthetic time series and filtering pretreatment; normalized difference vegetation index of typical objects of different types by using the threshold method to eliminate based on using a detection method; extreme value normalization the vegetation index curve of pixel detection, to identify possible for rice pixels, and the heading stage of rice inversion; the relationship between the final extraction by transplanting period of rice during the land surface water index and normalized difference vegetation index of rice pixels. The invention can accurately extract rice pixels in different regions have strong applicability, and can distinguish between single and multiple cropping rice, rice can provide fast and accurate information of spatial distribution of land, mapping, agriculture and other sectors, as support for the scientific decision-making in different departments.

【技术实现步骤摘要】

本专利技术涉及一种基于MODIS传感器的水稻种植区自动提取方法。
技术介绍
水稻是我国第二大粮食作物，关系国家粮食安全问题，对于水稻面积和空间分布的调查一直是国土资源调查的重点(Pengetal.2014；Zhangetal.2015；邓睿etal.2010)。近年来，随着卫星平台技术的发展，使用遥感进行土地资源大范围的调查成为一个技术热点，利用多时相遥感进行水稻的自动提取是其中之一。在实际使用中，搭载于Terra/Auqa卫星上的MODIS(Moderate-resolutionImagingspectroradiometer)传感器具有多波段(36波段)、高时相(1天)、中等空间分辨率(250～1000m)等特点因而被广泛应用。水稻是禾本科一年生植物，从播种到收割可分为出苗期、三叶期、移栽期、返青期、分蘖期、拔节期、孕穗期、抽穗期、乳熟期和成熟期等10个阶段(孙华生2009)。由于不同地区的气候、水土、品种以及种植制度不同，各地的播种时间有所差异，但总体的生长周期相近，一个完整的水稻生长周期约为90～110天。水稻是灌溉作物，在生长周期内根部需长期浸没于水中。因此，水稻田是植被与水的混合地表，具有其独特的地表特性。因此，在使用遥感进行水稻提取的方法中，最为常用的指数是植被指数和水分指数，较为常用的有如NDVI(NormalizedDifferenceVegetationIndex，归一化植被指数)、EVI(EnhancedVegetationIndex，增强型植被指数)、EVI2(2-bandEVI，双波段EVI指数)、LSWI(LandSurfaceWaterIndex，地表水分指数)和NDWI(NormalizedDifferenceWaterIndex，归一化水体指数)等(Qinetal.2015；Wangetal.2015；Xiaoetal.2006；Xiaoetal.2005)。植被指数能够反映植被的生长情况，水分指数对地表的湿度较为敏感，这类指数通常是针对不同物体在光谱曲线上的特征波段计算所得。如植被叶片在近红外波段具有很强的反射峰，在红波段吸收很强，因此利用该两波段进行归一化计算所得的NDVI指数突出了植被信息，且地表植被越茂盛NDVI指数越高(Gao1996；Hueteetal.2002)。基于植被指数能够反映地表植被的生长信息以及水分指数能够反映地表湿度信息，使用多个时相的遥感影像，通过观察分析植被指数和水分指数的变化并结合研究区水稻的种植周期进行水稻的提取是当前常用的方法(Chengetal.2014；Pengetal.2011；Shietal.2014；Sunetal.2009；ThiThuHaetal.2012；刘新圣etal.2010；张猛and曾永年2015；张友水etal.2007；郑长春etal.2009)。但目前的技术手段大都针对一个一定范围的具体研究区，通常假定在研究区内水稻的播种时间、生长态势一致，限制了研究范围。本方法通过首先反演区域水稻的物候期，再进行水稻的识别，使得方法具有更强的普适性，能够满足水稻空间分布与制图业务化的需求。参考文献[文献1]PENGD,HUANGJF,LICJ,etal.ModellingpaddyriceyieldusingMODISdata.AgriculturalandForestMeteorology,2014,184:107-116.[文献2]ZHANGGL,XIAOXM,DONGJW,etal.MappingpaddyriceplantingareasthroughtimeseriesanalysisofMODISlandsurfacetemperatureandvegetationindexdata.ISPRSJournalofPhotogrammetryandRemoteSensing,2015,106:157-171.[文献3]邓睿,黄敬峰,王福民,等.基于中分辨率成像光谱仪(MODIS)数据的水稻遥感估产研究——以江苏省为例.中国水稻科学,2010,(01):87-92.[文献4]孙华生.利用多时相MODIS数据提取中国水稻种植面积和长势信息.浙江大学,2009.[文献5]XIAOXM,BolesS,FrolkingS,etal.MappingpaddyriceagricultureinSouthandSoutheastAsiausingmulti-temporalMODISimages.RemoteSensingofEnvironment,2006,100(1):95-113.[文献6]XIAOXM,BolesS,LIUJY,etal.MappingpaddyriceagricultureinsouthernChinausingmulti-temporalMODISimages.RemoteSensingofEnvironment,2005,95(4):480-492.[文献7]QINYW,XIAOXM,DONGJW,etal.MappingpaddyriceplantingareaincoldtemperateclimateregionthroughanalysisoftimeseriesLandsat8(OLI),Landsat7(ETM+)andMODISimagery.IsprsJournalofPhotogrammetry&RemoteSensing,2015,105:220-233.[文献8]WANGJ,HUANGJF,ZHANGKY,etal.RiceFieldsMappinginFragmentedAreaUsingMulti-TemporalHJ-1A/BCCDImages.RemoteSensing,2015,7(4):3467-3488.[文献9]HueteA,DidanK,MiuraA,etal.OverviewoftheradiometricandbiophysicalperformanceoftheMODISvegetationindices.RemoteSensingofEnvironment,2002,83(1–2):195-213.[文献10]GaoBC.NDWI—Anormalizeddifferencewaterindexforremotesensingofvegetationliquidwaterfromspace.ProcSpie,1996,58(3):257-266.[文献11]SHIJJ,HUANGJF.ApplicationofMODIStimeseriesdatatoestimateeffectsofriceplanthopperinYangtzeRiverDeltaregion,inThirdInternationalConferenceonAgro-Geoinformatics,2014,281-286.[文献12]PENGDL,HueteAR,HUANGJF,etal.DetectionandestimationofmixedpaddyricecroppingpatternswithMODISdata.InternationalJ本文档来自技高网...

【技术保护点】
一种基于MODIS传感器的水稻种植区自动提取方法，其特征在于，包括如下步骤：1)获取待监测区域MODIS数据，计算NDVI指数、LSWI2指数，之后剔除云层像元，将剔除云层像元的数据按时间合成为NDVI、LSWI2时间序列影像，并对时间序列影像像元进行平滑降噪处理；其中，所述MODIS数据选用MOD09A1数据；2)剔除典型非水稻地物；分析不同地物的NDVI指数在一年中的变化，统计各像元NDVI指数的最大值、平均值、最小值，采用阈值法对典型的非水稻地物进行掩膜剔除；3)物候反演与水稻疑似像元识别；结合水稻NDVI值范围与极值检测进行水稻疑似像元识别，所述极值检测的方法具体为：采用一个大小为5的时间序列窗口对各像元NDVI曲线进行极值检测，检测得到极值点数目为1个，或有两个极值点且极值点之间相差的时相大于8时，该像元为水稻疑似像元；采用水稻疑似像元进行物候反演，极值点所在的时间为水稻抽穗期；4)水稻像元提取；将步骤3)中极值点所在时相减10，得到水稻移栽期时相，利用水稻移栽期NDVI与LSWI2之间关系，以及水稻移栽期NDVI的指数值提取水稻像元。

【技术特征摘要】
1.一种基于MODIS传感器的水稻种植区自动提取方法，其特征在于，包括如下步骤：1)获取待监测区域MODIS数据，计算NDVI指数、LSWI2指数，之后剔除云层像元，将剔除云层像元的数据按时间合成为NDVI、LSWI2时间序列影像，并对时间序列影像像元进行平滑降噪处理；其中，所述MODIS数据选用MOD09A1数据；2)剔除典型非水稻地物；分析不同地物的NDVI指数在一年中的变化，统计各像元NDVI指数的最大值、平均值、最小值，采用阈值法对典型的非水稻地物进行掩膜剔除；3)物候反演与水稻疑似像元识别；结合水稻NDVI值范围与极值检测进行水稻疑似像元识别，所述极值检测的方法具体为：采用一个大小为5的时间序列窗口对各像元NDVI曲线进行极值检测，检测得到极值点数目为1个，或有两个极值点且极值点之间相差的时相大于8时，该像元为水稻疑似像元；采用水稻疑似像元进行物候反演，极值点所在的时间为水稻抽穗期；4)水稻像元提取；将步骤3)中极值点所在时相减10，得到水稻移栽期时相，利用水稻移栽期NDVI与LSWI2之间关系，以及水稻移栽期NDVI的指数值提取水稻像元。2.根据权利要求1所述的方法，其特征在于，所述步骤(1)中，NDVI指数采...

【专利技术属性】
技术研发人员：何隆华，姚飞，
申请(专利权)人：中国科学院南京地理与湖泊研究所，
类型：发明
国别省市：江苏;32