一种基于植被水分指数与蒸散发结合的稻田实际灌溉面积识别方法技术

本发明专利技术公开了一种基于植被水分指数与蒸散发结合的稻田实际灌溉面积识别方法，该方法根据对遥感数据的预处理得到灌溉前后植被水分指数差值进行潜在灌溉面积的提取，再利用遥感数据及气象数据、灌区属性数据及管理数据预处理得到灌溉前后蒸散发差值进行潜在灌溉面积的提取，基于上述两种灌溉面积的提取进行判别得出实际灌溉面积。其利用水分敏感波段构建植被水分指数与遥感蒸散发模型相结合的稻田灌溉面积识别方法，有效提取稻田实际灌溉面积，并保证较高的提取精度。克服现有技术仅适用于旱作物实际灌溉面积识别，在稻田实际灌溉面积识别中精度较低的问题。本发明专利技术提出的方法可实现稻田实际灌溉面积的有效识别，具有重要的应用价值。的应用价值。的应用价值。

【技术实现步骤摘要】
一种基于植被水分指数与蒸散发结合的稻田实际灌溉面积识别方法


[0001]本专利技术涉及一种基于植被水分指数与蒸散发结合的稻田实际灌溉面积识别方法，属于农业遥感


技术介绍

[0002]中国是农业大国，农业用水量大约占总用水量的70％。随着经济社会发展，我国农业水资源短缺问题也日趋严重。水稻作为我国主要粮食作物之一，灌溉用水量较大，占到全国用水量的65％以上。目前，稻田实际灌溉面积多为人工统计、汇总上报，数据存在统计口径不一致、误差较大等问题，无法客观反映灌溉效益、水稻实际灌溉用水量，影响了农业水资源高效利用与可持续发展。因此，亟需利用更科学合理的方法，准确高效获取水稻实际灌溉面积，为加强农业用水管理、提高用水效率提供技术支撑。
[0003]遥感技术凭借经济性、动态性、时效性等特征，克服了传统监测方法的不足，逐渐应用于精准农业研究。国内学者选用农作物不同生育阶段的灌溉前后遥感影像，结合多源信息包括基础地理条件、水文气象、灌排工程、农业种植结构以及灌溉制度，选用垂直干旱指数(MPDI)、温度
‑
植被干旱指数(TVDI)等植被指数反演田间表层土壤含水量，结合田间实测数据，确定农作物发生灌溉阈值，从而构建实际灌溉面积提取模型。
[0004]现行的基于遥感信息提取灌溉面积的方法多采用遥感数据反演土壤水分结合分割阈值的方法分析灌溉行为，适用于旱作物灌溉面积提取。监测稻田灌溉面积时，由于水稻生长习性及农民灌溉习惯，生产实践中稻田无水层但土壤含水量较高时仍会灌溉，导致反演灌溉前后土壤水分状况的差异很小，难以准确合理的找到分割阈值。植物的生长发育直接受叶片水分状况控制，间接受土壤水分等因素影响，且水稻水分消耗主要形式为蒸散。因此，针对稻田灌溉及水分消耗特点，利用遥感影像中水分敏感波段构建植被水分指数，结合反演稻田蒸散发信息，综合分析判定灌溉阈值，协同构建水稻实际灌溉面积提取模型是可行的。

技术实现思路

[0005]专利技术目的：针对现有技术中存在的技术问题，本专利技术的目的是提供一种基于植被水分指数与蒸散发结合的稻田实际灌溉面积识别方法。
[0006]技术方案：本专利技术所述一种基于植被水分指数与蒸散发结合的稻田实际灌溉面积识别方法，包括以下步骤：
[0007](1)研究区基础资料收集：收集稻田研究区的遥感数据、气象数据、灌区属性数据及管理数据；
[0008](2)基于植被水分指数的潜在灌溉面积提取：对收集的遥感数据进行预处理，预处理包括辐射定标、大气校正，分别采用ENVI中的Radiometric Calibration、FLAASH 工具实现，获得真实地表反射率数据，计算植被水分指数MSI和植被水分指数差值
△
MSI；灌溉后植
被水分指数MSI较灌溉前降低，采用OTSU自适应阈值算法计算植被水分指数差值
△
MSI的分割阈值，找到最大类间方差所对应的分割阈值，植被水分指数差值
△
MSI小于该分割阈值即为潜在灌溉区域；
[0009](3)基于遥感蒸散发的潜在灌溉面积提取：对收集的遥感数据进行预处理，预处理主要为辐射定标，定标为辐射亮度，采用ENVI中的Radiometric Calibration工具实现，计算归一化植被指数NDVI、植被覆盖度Fv、叶面积指数LAI、地表反照率a、地表比辐射率ε，地表温度T
s
、地表蒸散发ET及蒸散发差值
△
ET；灌溉后地表蒸散发ET较灌溉前升高，采用OTSU自适应阈值算法计算蒸散发差值
△
ET的分割阈值，找到最大类间方差所对应的分割阈值，蒸散发差值
△
ET大于该阈值即为潜在灌溉区域；
[0010](4)基于植被水分指数和遥感蒸散发的灌溉面积结果判别：根据步骤(2)和步骤 (3)开展基于植被水分指数和蒸散发数据的灌溉面积识别结果判别与融合，如果二者的判别结果均为灌溉，则此区域标记为灌溉，如果两者的判别结果存在分歧，将结合研究区水稻不同生长期(拔节－孕穗、孕穗－抽穗、抽穗－灌浆、灌浆－成熟)常年灌溉水量计算的日蒸散发量进行判别，如果在监测时段内存在分歧的区域反演蒸散发值大于常年计算蒸散发值，则标记为灌溉，反之，则判定为非灌溉；
[0011](5)实际灌溉面积的统计与制图：对步骤(4)计算的灌溉面积判别结果进行面积统计计算，结合区域基础地理信息数据实现区域的实际灌溉面积的制图输出。
[0012]进一步地，步骤(1)中，遥感数据指稻田研究区灌溉前后的遥感影像，气象数据指Landsat8过稻田研究区时参考高度处的地面湿度、风速、温度、气压，日均温度、日照时数，灌区属性数据指稻田研究区水稻种植范围矢量数据、研究区地面高程数据，管理数据指稻田研究区内边界清楚、形状规则、灌排设施独立的田块，且配备量水设施记录其不同生长期(拔节－孕穗、孕穗－抽穗、抽穗－灌浆、灌浆－成熟)常年灌溉水量。
[0013]进一步地，步骤(1)中，收集稻田研究区的遥感数据、气象数据、灌区属性数据及管理数据是使用Landsat8对植被含水量敏感的近红外波段、短波红外波段以及反演地表温度所需的热红外波段收集，Landsat8包含OLI和TIRS两种传感器，分辨率为30m。
[0014]进一步地，步骤(2)中，辐射定标是将图像的数字量化值(DN)转化为辐射亮度值或者反射率或者表面温度等物理量的处理过程，大气校正是为了消除了地表大气中水蒸气、氧气、二氧化碳等对地表地物反射的影响。
[0015]进一步地，步骤(2)中，计算植被水分指数MSI采用下式计算：
[0016][0017]其中，SWIR为短波红外的反射率，NIR为近红外波段的反射率。
[0018]进一步地，步骤(2)中，植被水分指数差值
△
MSI采用下式计算：
[0019]△
MSI＝MSI
t2
‑
MSI
t1
[0020]其中，MSI
t2
为监测时段末的MSI值，MSI
t1
为监测时段初的MSI值。
[0021]进一步地，步骤(2)中，分割阈值采用下式计算：
[0022]g＝ω1×
(μ
‑
μ1)2+ω2×
(μ
‑
μ2)2[0023]ω1为目标区域像素数目除以图像总像素数目，ω2为背景区域像素数目除以图像总像素数目，μ为整个图像属性值均值，μ1为目标区域属性值均值，μ2为背景区域属性值均
值， g为目标区域和背景之间的方差。
[0024]进一步地，步骤(3)中，归一化植被指数NDVI采用下式计算：
[0025][0026]其中，R为红光波段的反射率，NIR为近红外波段的反射率。
[0027]进一步地，步骤(3)中，植被覆盖度Fv计算采用像元二分模型计算，计算公式如下：
[0028][0029]其中，NDVI为归一化植被指数，NDVIv为植本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于植被水分指数与蒸散发结合的稻田实际灌溉面积识别方法，其特征在于，包括以下步骤：(1)研究区基础资料收集：收集稻田研究区的遥感数据、气象数据、灌区属性数据及管理数据；(2)基于植被水分指数的潜在灌溉面积提取：对收集的遥感数据进行预处理，预处理包括辐射定标、大气校正，分别采用ENVI中的Radiometric Calibration、FLAASH工具实现，获得真实地表反射率数据，计算植被水分指数MSI和植被水分指数差值
△
MSI；灌溉后植被水分指数MSI较灌溉前降低，采用OTSU自适应阈值算法计算植被水分指数差值
△
MSI的分割阈值，找到最大类间方差所对应的分割阈值，植被水分指数差值
△
MSI小于该分割阈值即为潜在灌溉区域；(3)基于遥感蒸散发的潜在灌溉面积提取：对收集的遥感数据进行预处理，预处理主要为辐射定标，定标为辐射亮度，采用ENVI中的Radiometric Calibration工具实现，计算归一化植被指数NDVI、植被覆盖度Fv、叶面积指数LAI、地表反照率a、地表比辐射率ε，地表温度T
s
、地表蒸散发ET及蒸散发差值
△
ET；灌溉后地表蒸散发ET较灌溉前升高，采用OTSU自适应阈值算法计算蒸散发差值
△
ET的分割阈值，找到最大类间方差所对应的分割阈值，蒸散发差值
△
ET大于该分割阈值即为潜在灌溉区域；(4)基于植被水分指数和遥感蒸散发的灌溉面积结果判别：根据步骤(2)和步骤(3)开展基于植被水分指数和蒸散发数据的灌溉面积识别结果判别与融合，如果二者的判别结果均为灌溉，则此区域标记为灌溉，如果两者的判别结果存在分歧，将结合研究区水稻不同生长期常年灌溉水量计算的日蒸散发量进行判别，如果在监测时段内存在分歧的区域反演蒸散发值大于常年计算蒸散发值，则标记为灌溉，反之，则判定为非灌溉；(5)实际灌溉面积的统计与制图：对步骤(4)计算的灌溉面积判别结果进行面积统计计算，结合区域基础地理信息数据实现区域的实际灌溉面积的制图输出。2.根据权利要求1所述基于植被水分指数与蒸散发结合的稻田灌溉面积识别方法，其特征在于，步骤(1)中，遥感数据指稻田研究区灌溉前后的遥感影像，气象数据指Landsat8卫星经过稻田研究区时参考高度处的地面湿度、风速、温度、气压，日均温度、日照时数，灌区属性数据指稻田研究区水稻种植范围矢量数据、研究区地面高程数据，管理数据指稻田研究区内边界清楚、形状规则、灌排设施独立的田块，且配备量水设施记录其不同生长期常年灌溉水量。3.根据权利要求1所述基于植被水分指数与蒸散发结合的稻田灌溉面积识别方法，其特征在于，步骤(2)中，计算植被水分指数MSI采用下式计算：其中，SWIR为短波红外的反射率，NIR为近红外波段的反射率。4.根据权利要求1所述基于植被水分指数与蒸散发结合的稻田灌溉面积识别方法，其特征在于，步骤(2)中，植被水分指数差值
△
MSI采用下式计算：
△
MSI＝MSI
...

【专利技术属性】
技术研发人员：和玉璞，纪仁婧，付静，时元智，麦紫君，袁媛，陈俊，
申请(专利权)人：水利部交通运输部国家能源局南京水利科学研究院，
类型：发明
国别省市：