一年两熟地区大宗粮油作物复种模式遥感监测方法技术

本发明专利技术公开了一年两熟地区大宗粮油作物复种模式遥感监测方法，包括以下步骤：A：结合中国熟制区划资料，获取研究区域的熟制信息，并按照经纬度范围，对研究区域进行地理位置分区；B：对研究区域的高分辨率多光谱卫星影像进行一系列处理，得到北方和南方一年两熟地区可辨别时相的、预处理后的多波段影像，以及EVI灰度影像、edgNDVI灰度影像、LSWI灰度影像以及D

【技术实现步骤摘要】
一年两熟地区大宗粮油作物复种模式遥感监测方法


[0001]本专利技术涉及一种大宗粮油作物复种模式监测方法，尤其涉及一种一年两熟地区大宗粮油作物复种模式遥感监测方法。

技术介绍

[0002]复种是指一年内于同一田块上连续种植两季或两季以上作物的种植方式，是提高土地、光、热等资源利用率、提升单位面积年产量的有效途径。监测大宗粮油作物的复种模式，有助于准确掌握大宗粮油作物的年内时空分布格局，对制定农业政策、优化种植结构、保障粮食安全具有重要意义。
[0003]随着对地观测技术的快速发展，卫星遥感以其宏观、高效、动态、真实的信息获取优势，成为大宗粮油作物时空分布调查的重要手段之一。目前，国内外相关研究主要集中于某特定地域(如某行政单元)、某一季农作物的遥感分类识别与分布调查，很少涉及综合考虑农业熟制区划与南北方农作物种类差异的年内多季农作物分类识别与分布调查，不利于清晰地认识大空间尺度、复种方式下的农业种植结构。
[0004]与此同时，现有相关技术大多采用以下实施方式：一、基于样本训练的监督分类方法(可分为面向像元、面向对象两种)，该方法的精度很大程度上依赖于样本的数量与质量，且样本训练过程相对费时，不适宜大空间尺度下的应用。二、基于中分辨率遥感数据的植被指数时间序列分析方法，该方法需要长时序、高频次的光学影像(如MODIS)支持，故而其精度往往受到云雨天气影响，且存在因中等空间分辨率导致的大量混合像元的问题。三、基于多时相高分辨率遥感数据的决策树分类方法，该方法运算速度快、分类精度高；但在现有研究中，或因选取的卫星传感器波段数量少、光谱识别度低，导致农作物明显混分、误分；或因选取的光谱指数相对单一、不能显著反映不同农作物的光谱特性差异，导致决策树判断条件复杂或分类效果欠佳；或因方法设计过程未涉及分类结果的后处理，导致分类结果存在像元尺度分类的椒盐噪声。

技术实现思路

[0005]本专利技术的目的是提供一种一年两熟地区大宗粮油作物复种模式遥感监测方法，能够实现一年两熟地区两季大宗粮油作物的分类识别，实现大空间尺度、复杂种植制度下的大宗粮油作物复种模式快速及高精度获取，有助于及时准确地掌握大宗粮油作物的年内时空分布格局，提升农业科学决策水平。
[0006]本专利技术采用下述技术方案：
[0007]一年两熟地区大宗粮油作物复种模式遥感监测方法，包括以下步骤：
[0008]A：结合中国熟制区划资料，获取研究区域的熟制信息；若研究区域确为一年两熟地区，则按照经纬度范围，对其进行地理位置分区，将位于秦岭
‑
淮河一线北侧的区域标记为北方一年两熟地区，将位于秦岭
‑
淮河一线南侧的区域标记为南方一年两熟地区；
[0009]B：获取研究区域的高分辨率多光谱卫星影像，并对获取到的高分辨率多光谱卫星
影像进行时相筛选、预处理与波段计算，得到北方一年两熟地区和南方一年两熟地区可辨别时相的、预处理后的多波段影像，以及北方一年两熟地区和南方一年两熟地区可辨别时相的EVI灰度影像、edgNDVI灰度影像、LSWI灰度影像以及D
‑
value灰度影像；
[0010]EVI指增强型植被指数，edgNDVI指近红外波段与红边波段组合的改进型归一化植被指数，LSWI指地表水分指数，D
‑
value指LSWI与EVI差值；
[0011]C：根据步骤B中得到的可辨别时相的EVI灰度影像、edgNDVI灰度影像以及D
‑
value灰度影像，对北方一年两熟地区和南方一年两熟地区的两季大宗粮油作物进行分类识别；北方一年两熟地区大宗粮油作物包括冬小麦、夏玉米和夏大豆，南方一年两熟地区大宗粮油作物包括冬小麦、冬油菜、早稻、中稻、晚稻和夏大豆；
[0012]D：利用小斑块聚合方法，分别对步骤C中得到的北方一年两熟地区和南方一年两熟地区的两季大宗粮油作物分类识别结果进行优化处理，消除分类结果的“椒盐”现象，并分别生成北方第一季、北方第二季、南方第一季和南方第二季大宗粮油作物分布数据；
[0013]E：根据步骤D中得到的北方第一季、北方第二季、南方第一季和南方第二季大宗粮油作物分布数据，判定复种模式。
[0014]所述的步骤B中，对获取到的高分辨率多光谱卫星影像进行时相筛选、预处理与波段计算，具体包括以下步骤：
[0015]B1：对卫星影像进行时相筛选，得到可辨别时相的影像；
[0016]根据卫星影像成像质量与观测时间，结合研究区域地理位置分区结果、南北方农作物种类差异及物候特征，筛选出可辨别时相的影像：
[0017]对于北方一年两熟地区，筛选出冬小麦分蘖期、冬小麦拔节期、冬小麦收获期及夏玉米抽穗期4期无云或少云影像；其中，夏玉米抽穗期同时为夏大豆结荚期，少云影像指云量低于5％的影像；
[0018]对于南方一年两熟地区，筛选出冬小麦返青期、冬油菜开花期、冬小麦收获期、中稻移栽期及中稻与夏大豆收获期5期无云或少云影像；其中，冬小麦返青期同时为冬油菜蕾薹期，冬油菜开花期同时为冬小麦拔节孕穗期，冬小麦收获期同时为早稻分蘖拔节期，中稻移栽期同时为夏大豆出苗期，夏大豆收获期同时为晚稻抽穗乳熟期，少云影像指云量低于5％的影像；
[0019]B2：对筛选后得到的可辨别时相的影像进行预处理，得到可辨别时相的、预处理后的多波段影像；
[0020]对筛选后得到的可辨别时相的影像进行预处理，依次包括正射校正、几何精校正、大气校正、波段选取与重采样；在对可辨别时相的、大气校正后的影像进行波段选取时，仅保留后续农作物分类识别所需的蓝色波段、绿色波段、红色波段、红边波段、近红外波段和短波红外波段这6个波段；然后对上述6个波段进行重采样，将空间分辨率予以统一；
[0021]B3：对可辨别时相的、预处理后的多波段影像进行波段计算，分别得到可辨别时相的EVI灰度影像、edgNDVI灰度影像、LSWI灰度影像以及D
‑
value灰度影像；
[0022]EVI灰度影像是由预处理后的多波段影像通过波段计算得到的EVI单波段影像，该单波段影像的每个象元值即为原多波段影像每个对应位置象元的EVI值；edgNDVI灰度影像、LSWI灰度影像以及D
‑
value灰度影像同理；
[0023]其中，EVI的计算公式为：
[0024][0025]式中,ρ
nir
、ρ
red
和ρ
blue
分别表示近红外波段、红色波段和蓝色波段的反射率；
[0026]edgNDVI的计算公式为：
[0027][0028]式中，ρ
nir
和ρ
edg
分别表示近红外波段和红边波段的反射率；
[0029]LSWI的计算公式为：
[0030][0031]式中，ρ
nir
和ρ
swir
分别表示近红外波段和短波红外波段的反射率；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一年两熟地区大宗粮油作物复种模式遥感监测方法，其特征在于：包括以下步骤：A：结合中国熟制区划资料，获取研究区域的熟制信息；若研究区域确为一年两熟地区，则按照经纬度范围，对其进行地理位置分区，将位于秦岭
‑
淮河一线北侧的区域标记为北方一年两熟地区，将位于秦岭
‑
淮河一线南侧的区域标记为南方一年两熟地区；B：获取研究区域的高分辨率多光谱卫星影像，并对获取到的高分辨率多光谱卫星影像进行时相筛选、预处理与波段计算，得到北方一年两熟地区和南方一年两熟地区可辨别时相的、预处理后的多波段影像，以及北方一年两熟地区和南方一年两熟地区可辨别时相的EVI灰度影像、edgNDVI灰度影像、LSWI灰度影像以及D
‑
value灰度影像；EVI指增强型植被指数，edgNDVI指近红外波段与红边波段组合的改进型归一化植被指数，LSWI指地表水分指数，D
‑
value指LSWI与EVI差值；C：根据步骤B中得到的可辨别时相的EVI灰度影像、edgNDVI灰度影像以及D
‑
value灰度影像，对北方一年两熟地区和南方一年两熟地区的两季大宗粮油作物进行分类识别；北方一年两熟地区大宗粮油作物包括冬小麦、夏玉米和夏大豆，南方一年两熟地区大宗粮油作物包括冬小麦、冬油菜、早稻、中稻、晚稻和夏大豆；D：利用小斑块聚合方法，分别对步骤C中得到的北方一年两熟地区和南方一年两熟地区的两季大宗粮油作物分类识别结果进行优化处理，消除分类结果的“椒盐”现象，并分别生成北方第一季、北方第二季、南方第一季和南方第二季大宗粮油作物分布数据；E：根据步骤D中得到的北方第一季、北方第二季、南方第一季和南方第二季大宗粮油作物分布数据，判定复种模式。2.根据权利要求1所述的一年两熟地区大宗粮油作物复种模式遥感监测方法，其特征在于，所述的步骤B中，对获取到的高分辨率多光谱卫星影像进行时相筛选、预处理与波段计算，具体包括以下步骤：B1：对卫星影像进行时相筛选，得到可辨别时相的影像；根据卫星影像成像质量与观测时间，结合研究区域地理位置分区结果、南北方农作物种类差异及物候特征，筛选出可辨别时相的影像：对于北方一年两熟地区，筛选出冬小麦分蘖期、冬小麦拔节期、冬小麦收获期及夏玉米抽穗期4期无云或少云影像；其中，夏玉米抽穗期同时为夏大豆结荚期，少云影像指云量低于5％的影像；对于南方一年两熟地区，筛选出冬小麦返青期、冬油菜开花期、冬小麦收获期、中稻移栽期及中稻与夏大豆收获期5期无云或少云影像；其中，冬小麦返青期同时为冬油菜蕾薹期，冬油菜开花期同时为冬小麦拔节孕穗期，冬小麦收获期同时为早稻分蘖拔节期，中稻移栽期同时为夏大豆出苗期，夏大豆收获期同时为晚稻抽穗乳熟期，少云影像指云量低于5％的影像；B2：对筛选后得到的可辨别时相的影像进行预处理，得到可辨别时相的、预处理后的多波段影像；对筛选后得到的可辨别时相的影像进行预处理，依次包括正射校正、几何精校正、大气校正、波段选取与重采样；在对可辨别时相的、大气校正后的影像进行波段选取时，仅保留后续农作物分类识别所需的蓝色波段、绿色波段、红色波段、红边波段、近红外波段和短波红外波段这6个波段；然后对上述6个波段进行重采样，将空间分辨率予以统一；
B3：对可辨别时相的、预处理后的多波段影像进行波段计算，分别得到可辨别时相的EVI灰度影像、edgNDVI灰度影像、LSWI灰度影像以及D
‑
value灰度影像；EVI灰度影像是由预处理后的多波段影像通过波段计算得到的EVI单波段影像，该单波段影像的每个象元值即为原多波段影像每个对应位置象元的EVI值；edgNDVI灰度影像、LSWI灰度影像以及D
‑
value灰度影像同理；其中，EVI的计算公式为：式中，ρ
nir
、ρ
red
和ρ
blue
分别表示近红外波段、红色波段和蓝色波段的反射率；edgNDVI的计算公式为：式中，ρ
nir
和ρ
edg
分别表示近红外波段和红边波段的反射率；LSWI的计算公式为：式中，ρ
nir
和ρ
swir
分别表示近红外波段和短波红外波段的反射率；D
‑
value的计算公式为：D
‑
value＝LWSI
‑
EVI；式中，LWSI和EVI分别表示地表水分指数的值和增强型植被指数的值。3.根据权利要求2所述的一年两熟地区大宗粮油作物复种模式遥感监测方法，其特征在于，所述的步骤C包括以下具体步骤：在对北方一年两熟地区的两季大宗粮油作物分类识别时，按照以下步骤进行：C1：进行北方一年两熟地区第一季大宗粮油作物分类识别；首先，对冬小麦拔节期的EVI灰度影像进行阈值分割；当EVI大于等于T1时，判定为植被1区域；当EVI小于T1时，判定为非植被1区域；然后，对植被1区域的冬小麦收获期的EVI灰度影像进行阈值分割；当EVI小于等于T2时，判定为农田1区域；当EV...

【专利技术属性】
技术研发人员：王玉玺，史航，张明，张月莹，
申请(专利权)人：河南方达空间信息技术有限公司，
类型：发明
国别省市：