茶树种植区域提取方法及系统技术方案

本申请涉及一种茶树种植区域提取方法及系统，通过引入卫星多光谱遥感影像、SAR卫星极化遥感影像和DEM数据三种不同的遥感数据源，增加了遥感数据的多样性，通过同时获取与茶树生长相关的初级特征、二级特征和三级特征，构建了多层级遥感特征集，此外在获取特征时引入了目标区域的地理环境信息和茶树生长特性信息，充分考虑了茶树在生长过程中的生长环境，生长特性等重要因素，使得最终茶树种植区域分类模型的分类结果精度大大提升，更符合茶树的实际生长情况。实际生长情况。实际生长情况。

【技术实现步骤摘要】
茶树种植区域提取方法及系统


[0001]本申请涉及数据识别
，特别是涉及一种茶树种植区域提取方法及系统。

技术介绍

[0002]茶树是我国重要的经济树种之一，茶树的种植面积和茶叶的产量常年位居世界第一，近年来我国茶园面积和产量也出现大幅增长的现象。茶树的扩张种植能够促进区域的经济发展，但是单一的树种会降低生态系统的生物多样性，加速水土流失、土壤酸化等生态环境问题。目前，茶园面积仅有统计数据，且多为茶农自主上报统计，具有很大的不确定性，且很难在空间上获取茶园种植区域。传统的获取空间分布的方法需要测绘人员挨家挨户使用专业测绘仪器测量、核对，需要投入大量的人力和物力，时间周期长，而且成本高，因此茶园种植区的数据很难获取或缺失。
[0003]传统的茶树种植区域提取方法一般使用基于遥感数据的二分类法。这种方法一般将茶树种植区域提取转化为二分类问题，这里采用遥感影像的特征分级方法，将遥感影像的色调或颜色纳入初级特征，将遥感影像的大小，形状和纹理特征纳入二级特征。基于遥感数据的二分类法具体是先采集遥感影像，再提取遥感影像的二级特征输入至二分类器中，输出分类结果。
[0004]传统的基于遥感数据的二分类法有如下问题：1）分类精度差，偏离实际情况。由于二分类法只能单纯的区分正样本（茶树种植区域）和负样本（非茶树种植区域），而正样本（非茶树种植区域）实际上样本组成非常复杂，正样本中包含很多与茶树特征十分相似的果园、林地等，不可避免的造成正样本数量高于实际值的现象，导致提取到的茶树种植区域的面积大于实际茶树种植区域的面积。
[0005]2）遥感影像特征选取单一。在利用遥感影像方面，基于遥感数据的二分类法计算或使用的是二级特征，没有使用更适用于茶树种植提取的更高级别的遥感图像特征，例如植被指数的纹理特征、植被指数的时序变化特征等。
[0006]3）此外，没有考虑茶树的地理环境和茶树生长特性的影响，例如某省茶树多种植于丘陵山地，平原地区也有少量分布。

技术实现思路

[0007]基于此，有必要针对传统茶树种植区域提取方法分类精度差，遥感影像特征选取单一且没有考虑茶树的地理环境和茶树生长特性的影响的问题，提供一种茶树种植区域提取方法及系统。
[0008]本申请提供一种茶树种植区域提取方法，所述茶树种植区域提取方法包括：获取目标区域的遥感影像数据，构成遥感影像数据集；所述遥感影像数据包括目标区域的卫星多光谱遥感影像、目标区域的SAR卫星极化遥感影像、以及目标区域的DEM数据；采集目标区域内的多个地物样本，构成地物样本数据集；
依据目标区域的地理环境信息和茶树生长特性信息，依据遥感影像数据集获取与茶树生长相关的初级特征、二级特征和三级特征，将所有与茶树生长相关的初级特征、二级特征和三级特征均作为待评估特征纳入特征集；对特征集合中的每一个待评估特征均进行重要性评估，依照重要性评估结果从特征集合中筛选出至少一个优选特征纳入优选特征集；将地物样本数据集中的至少一个地物样本纳入训练集，利用训练集和优选特征集对茶树种植区域分类模型进行训练；将目标区域的地物样本数据集和优选特征集输入至茶树种植区域分类模型，输出目标区域的茶树种植区域分布图。
[0009]本申请还提供一种茶树种植区域提取系统，包括：服务器，用于执行如前述内容提及的茶树种植区域提取方法；卫星多光谱遥感影像数据库，与所述服务器通信连接，用于存储卫星多光谱遥感影像；SAR卫星极化遥感影像数据库，与所述服务器通信连接，用于存储SAR卫星极化遥感影像；DEM数据库，与所述服务器通信连接，用于存储DEM数据。
[0010]本申请涉及一种茶树种植区域提取方法及系统，通过引入卫星多光谱遥感影像、SAR卫星极化遥感影像和DEM数据三种不同的遥感数据源，增加了遥感数据的多样性，通过同时获取与茶树生长相关的初级特征、二级特征和三级特征，构建了多层级遥感特征集，此外在获取特征时引入了目标区域的地理环境信息和茶树生长特性信息，充分考虑了茶树在生长过程中的生长环境，生长特性等重要因素，使得最终茶树种植区域分类模型的分类结果精度大大提升，更符合茶树的实际生长情况。
附图说明
[0011]图1为本申请一实施例提供的茶树种植区域提取方法的流程示意图。
[0012]图2为本申请一实施例提供的茶树种植区域提取系统的结构示意图。
[0013]图3为本专利技术一实施例提供的茶树种植区域提取方法中目标区域示意图。
[0014]图4为本专利技术一实施例提供的茶树种植区域提取方法中茶树种植区域地物样本分布示意图。
[0015]图5为本专利技术一实施例提供的茶树种植区域提取方法中重要性排名前四的遥感特征示意图。
[0016]图6为本专利技术一实施例提供的茶树种植区域提取方法中目标区域的茶树种植区域分布图。
[0017]附图标记：100
‑
服务器；200
‑
卫星多光谱遥感影像数据库；300
‑
SAR卫星极化遥感影像；400
‑
DEM数据库。
具体实施方式
[0018]为了使本申请的目的.技术方案及优点更加清楚明白，以下结合附图及实施例，对
本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0019]一方面，本申请提供一种茶树种植区域提取方法。需要说明的是，本申请提供的茶树种植区域提取方法应用于大到市县，小到乡镇村，甚至是一个具体尺寸土地的茶树种植区域提取工作中。
[0020]此外，本申请提供的茶树种植区域提取方法不限制其执行主体。可选地，本申请提供的茶树种植区域提取方法的执行主体可以为一种茶树种植区域提取系统。具体地，本申请提供的茶树种植区域提取方法的执行主体可以为所述茶树种植区域提取系统中的服务器。
[0021]在本申请的一实施例中，所述茶树种植区域提取方法包括：S100，获取目标区域的遥感影像数据，构成遥感影像数据集。所述遥感影像数据包括目标区域的卫星多光谱遥感影像、目标区域的SAR卫星极化遥感影像、以及目标区域的DEM数据。
[0022]具体地，在S100之前，所述茶树种植区域提取方法还包括：选取目标区域。
[0023]目标区域可以大到市县，小到乡镇村，甚至是一个具体尺寸土地。
[0024]如图3所示，图3示出的就是Z省Q市K县的行政区示意图。星星所示的位置为县政府所在地。图3左下角为比例尺。
[0025]步骤S100中，卫星多光谱遥感影像可以采用哨兵2号卫星采集的多光谱遥感影像，其具有多个波长，是由哨兵2号卫星搭载相机拍摄得到，选择覆盖目标区域影像的云量小于20%。
[0026]SAR卫星极化遥感影像可以采用哨兵1号采集的卫星SAR极化影像，也具有多个波长，其来源是由哨兵1号卫星发射雷达波至地面的目标区域，反射回哨兵1号卫星。哨兵1号卫星自带极化功能，极化方式为VV+VH双极化方式，VV为垂直单极化方式，VH为垂直水平双极化方式。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种茶树种植区域提取方法，其特征在于，所述茶树种植区域提取方法包括：获取目标区域的遥感影像数据，构成遥感影像数据集；所述遥感影像数据包括目标区域的卫星多光谱遥感影像、目标区域的SAR卫星极化遥感影像、以及目标区域的DEM数据；采集目标区域内的多个地物样本，构成地物样本数据集；依据目标区域的地理环境信息和茶树生长特性信息，依据遥感影像数据集获取与茶树生长相关的初级特征、二级特征和三级特征，将所有与茶树生长相关的初级特征、二级特征和三级特征均作为待评估特征纳入特征集；对特征集合中的每一个待评估特征均进行重要性评估，依照重要性评估结果从特征集合中筛选出至少一个优选特征纳入优选特征集；将地物样本数据集中的至少一个地物样本纳入训练集，利用训练集和优选特征集对茶树种植区域分类模型进行训练；将目标区域的地物样本数据集和优选特征集输入至茶树种植区域分类模型，输出目标区域的茶树种植区域分布图。2.根据权利要求1所述的茶树种植区域提取方法，其特征在于，当采集目标区域内的多个地物样本，构成地物样本数据集时，控制目标区域内地物样本的地物类别大于或等于6类，控制目标区域内每平方公里内采集的地物样本数量大于或等于5个。3.根据权利要求1所述的茶树种植区域提取方法，其特征在于，在所述获取目标区域的遥感影像数据，构成遥感影像数据集之后，所述茶树种植区域提取方法还包括：对目标区域的遥感影像数据进行预处理。4.根据权利要求1所述的茶树种植区域提取方法，其特征在于，所述依据目标区域的地理环境信息和茶树生长特性信息，依据遥感影像数据集获取与茶树生长相关的初级特征、二级特征和三级特征，将所有与茶树生长相关的初级特征、二级特征和三级特征均作为待评估特征纳入特征集，包括：依据遥感影像数据集获取与茶树生长相关的初级特征；依据目标区域的地理环境信息和茶树生长特性信息，以及与茶树生长相关的初级特征，计算与茶树生长相关的二级特征；依据目标区域的地理环境信息和茶树生长特性信息，以及与茶树生长相关的二级特征，计算与茶树生长相关的三级特征。5.根据权利要求4所述的茶树种植区域提取方法，其特征在于，所述依据目标区域的地理环境信息和茶树生长特性信息，以及与茶树生长相关的初级特征，计算与茶树生长相关的二级特征，包括：分析目标区域的地理环境信息和茶树生长特性信息，依据分析结果获取12月的近红外光反射率、12月的红色光反射率、5月的近红外光反射率和5月的红色光反射率；所述近红外光反射率和所述红色光反射率均为与茶树生长相关的初级特征；依据公式1分别计算12月的NDVI值和5月的NDVI值；所述NDVI值为二级特征；
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式1；其中，NDVI为NDVI值，band8为近红外光反射率，band4为红色光反射率。
6.根据权利要求5所述的茶树种植区域提取方法，其特征在于，所述依据目标区域的地理环境信息和茶树生长特性信息，以及与茶树生长相关的二级特征，计算与茶树生长相关的三级特征，包括：分析目标区域的地理环境信息和茶树生长特性信息，依据分析结果采用公式2计算NDVI_DVI值；所述NDVI_DVI值为三级特征；NDVI_DVI=NDVI（12）
‑
NDVI（5）
...

【专利技术属性】
技术研发人员：彭飞宇，叶洪波，顾惠波，岳晓兰，
申请(专利权)人：浙江甲骨文超级码科技股份有限公司，
类型：发明
国别省市：