本发明专利技术公开了一种水田种植情况监测方法及装置，该方法主要包括数据准备、水稻关键信息提取、相似性度量计算和耦合水稻多特征识别四个步骤，开展基于时序雷达数据与水稻多特征耦合的水田种植情况监测。本发明专利技术基于时序雷达数据与水稻多特征耦合来进行水田种植情况监测，与现有水稻监测技术相比较，采用时序雷达数据，不受云雾等天气影响，提取出水稻独有的关键信息，减少了“同物异谱”和“同谱异物”的情况，解决水稻识别信息不足的问题；耦合水稻的光谱测量值、物候、统计等多特征，突破了以往单一特征水稻识别的局限，提高了水稻识别精度，在技术上有着重要的创新突破。在技术上有着重要的创新突破。在技术上有着重要的创新突破。
【技术实现步骤摘要】
一种水田种植情况监测方法及装置
[0001]本专利技术涉及遥感农作物识别
，具体涉及一种基于时序雷达数据与水稻多特征耦合的水田种植情况监测方法及装置。
技术介绍
[0002]耕地是粮食安全保障必不可少的资源，但随着人口的增加和人民生活水平的提高，耕地面积及数量逐年减少，因此急需落实最严格的耕地保护制度，牢牢守住18亿亩耕地红线。水田面积约占全国总耕地面积的四分之一，为遏制耕地“非农化”、防止耕地“非粮化”，各地推进了垦造水田建设工作，通过垦造水田助力破解水田占补平衡困局。开展水田水稻种植情况动态监测评价，确保水田每年至少种植一造水稻是十分必要的。及时、快速、准确地获取水田的水稻信息，可以了解水田范围内的水稻种植情况、评估水田利用强度和估算水稻种植总面积，为政府管护和制定农业政策提供参考依据，同时也是我国粮食安全战略发展的需求。
[0003]现有常用的水稻种植情况监测方法是基于中高分辨率光学遥感数据,主要包含两大类方法：(1)基于单时相遥感影像水稻识别方法，选择水稻关键生长期的单期影像，利用影像的光谱信息对水稻进行识别；(2)基于多时相遥感数据水稻识别方法，选择生长期间内的多期影像，生成时序曲线，分析水稻在不同时期的光谱特征，来识别水稻种植情况。
[0004]现有常用的水稻种植情况监测方法主要存在以下的几点缺陷：
[0005](1)基于光学影像进行水稻识别，有丰富的光谱信息，但光学影像的获取易受云雾等天气影响，而且高空间分辨率和高时间分辨率无法同时兼得；(2)基于单时相遥感影像对水稻进行识别时，获取的水稻信息不足，还会存在“同物异谱”和“同谱异物”情况；(3)基于多时相遥感数据对水稻进行识别，可利用作物不同生长期呈现出显著的光谱差异进行作物识别，但其对影像质量要求高，多云和存在噪声都会影响其识别精度。
技术实现思路
[0006]针对现有技术的不足，本专利技术的目的旨在提供一种基于时序雷达数据与水稻多特征耦合的水田种植情况监测技术方法，解决水田管护成本高、效率低、耗时大等实际问题和水稻识别信息不足、精度低等监测问题。
[0007]为实现上述目的，本专利技术采用如下技术方案：
[0008]第一方面，本专利技术提供一种水田种植情况监测方法，包括：
[0009]数据准备步骤：
[0010]获取时序雷达数据和水稻样本；
[0011]对所获取到的时序雷达数据进行预处理，得到预处理后的时序雷达数据，
[0012]提取水稻样本区域在预处理后的时序雷达数据上的标准时间序列曲线，得到水稻样本时序曲线；
[0013]水稻关键信息提取步骤：
[0014]基于水稻样本数据来确定水和水稻移栽特征、水稻抽穗信号的VH值范围及移栽期与抽穗期日期差，将这三个指标作为水稻识别的物候特征；
[0015]时间序列统计特征采用的是方差；
[0016]相似性度量计算步骤：
[0017]基于预处理后的时序雷达数据，计算影像上每个像元的时序曲线与水稻样本时序曲线之间的欧式距离测度、光谱相似性测度，进而计算水稻的光谱测量值；
[0018]耦合稻多特征识别水稻步骤：
[0019]利用水稻样本数据确定水稻物候特征、时间序列统计特征识别的最佳阈值，采用决策树方法，将水稻的光谱测量值、物候特征、时间序列统计特征进行耦合，来识别水田内水稻种植情况
[0020]进一步地，利用水稻移栽期信息来剔除没有水的区域；利用抽穗期信息剔除水域；利用移栽期与抽穗期日期差剔除生长在水中的草地；
[0021]进一步地，所述时序雷达数据为年内的时间序列Sentinel
‑
1A影像数据。
[0022]进一步地，所述水稻样本通过如下方式获取：
[0023]采用外业调查的方式对水田进行实地拍照，记录拍照点位置及拍照方位角，获取水稻样本。
[0024]进一步地，所述欧式距离测度计算方式为：
[0025][0026]将上述公式归一化为0
‑
1，如下式：
[0027]E
d
＝(Ed
orig
‑
m)/(M
‑
m)
[0028]式中：m和M分别为Ed
orig
的最小值和最大值，p和t分别定义为水稻的样本数据集向量和监测数据集向量，n是样本数据的维数，即采用的影像期数。
[0029]进一步地，所述光谱相似性测度计算方式为：
[0030][0031]式中：μ、σ分别是两个向量(t和p)的平均值和标准偏差，t、p、n同上。
[0032]进一步地，所述光谱测量值计算方式为
[0033]光谱测量值是欧式距离度量和光谱相关性测度的综合度量
[0034][0035]设置阈值1，将光谱测量值小于1的识别为种植水稻区域，大于1的识别为未种植水稻区域。
[0036]进一步地，水稻物候特征、时间序列统计特征识别的最佳阈值分别是：
[0037]水稻移栽期VH值是小于等于
‑
17；水稻抽穗期VH值在
‑
19至
‑
12之间；移栽期与抽穗期日期差的范围为45天到90天；
⑤
方差大于1；
[0038]同时满足以上阈值条件则是水稻种植区域。
[0039]第二方面，本专利技术提供一种水田种植情况监测装置，包括存储器、处理器以及存储
在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一所述方法的步骤。
[0040]第三方面，本专利技术提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上任一所述方法的步骤。
[0041]本专利技术的有益效果在于：
[0042]雷达数据成像不受云雾影响，可以快速获取大区域、全覆盖的有效影像数据,具有分辨率高、全天时全天候工作、有效识别伪装和穿透掩盖物等特点。研究水稻不同的特征信息，能够更为准确地识别水稻。与现有技术相比较，本专利技术基于时序雷达数据，可以不受云雾等天气影响，可利用作物不同生长期呈现出显著的差异，获取水稻生长期间丰富信息，便于提取出水稻独有的关键信息，减少了“同物异谱”和“同谱异物”的情况；本专利技术从水稻的关键物候和统计信息提取、多特征耦合阈值的设定等多个方面入手，丰富了水稻识别信息，提高了水稻种植识别的精度，具有效率高、耗时小、成本低等后期管护优势。
[0043]通过时序雷达数据与水稻多特征耦合的技术方法，对水田种植情况进行监测，确保提升耕地保护动态监测体系建设。根据水田种植监测情况数据的应用服务，能够遏制耕地“非农化”、防止耕地“非粮化”。水田作为“三农”的一部分投入逐步加大，在粮食直补、良种补贴、综合补贴等惠民政策的引导下趋于稳定，政府可根据监测情况进行政策制定和管护行动，确保水田不发生抛荒丢荒现象，保障粮食生产安全种植，对国家粮食安全和社会稳定具有重大意义。
附本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种水田种植情况监测方法，其特征在于，包括：数据准备步骤：获取时序雷达数据和水稻样本；对所获取到的时序雷达数据进行预处理，得到预处理后的时序雷达数据，提取水稻样本区域在预处理后的时序雷达数据上的标准时间序列曲线，得到水稻样本时序曲线；水稻关键信息提取步骤：基于水稻样本数据来确定水和水稻移栽特征、水稻抽穗信号的VH值范围及移栽期与抽穗期日期差，将这三个指标作为水稻识别的物候特征；时间序列统计特征采用的是方差；相似性度量计算步骤：基于预处理后的时序雷达数据，计算影像上每个像元的时序曲线与水稻样本时序曲线之间的欧式距离测度、光谱相似性测度，进而计算水稻的光谱测量值；耦合稻多特征识别水稻步骤：利用水稻样本数据确定水稻物候特征、时间序列统计特征识别的最佳阈值，采用决策树方法，将水稻的光谱测量值、物候特征、时间序列统计特征进行耦合，来识别水田内水稻种植情况。2.如权利要求1所述的水田种植情况监测方法，其特征在于，利用水稻移栽期信息来剔除没有水的区域；利用抽穗期信息剔除水域；利用移栽期与抽穗期日期差剔除生长在水中的草地。3.如权利要求1所述的水田种植情况监测方法，其特征在于，所述时序雷达数据为年内的时间序列Sentinel
‑
1A影像数据。4.如权利要求1所述的水田种植情况监测方法，其特征在于，所述水稻样本通过如下方式获取：采用外业调查的方式对水田进行实地拍照，记录拍照点位置及拍照方位角，获取水稻样本。5.如权利要求1所述的水田种植情况监测方法，其特征在于，所述欧式距离测度计算方式为：将上述公式归一化为0
‑
1，如下式：E
...
【专利技术属性】
技术研发人员：王刚，罗明帆，叶露，刘其得，肖建能，韩士伟，
申请(专利权)人：广东省国土资源测绘院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。