本发明专利技术公开了一种提取耕地复种指数的方法，根据农作物生长周期定义滑动窗口的大小，输入遥感植被指数时间序列数据，当滑动窗口沿着遥感植被指数时间序列向前逐步移动时，搜索当前滑动窗口数据的最大值和最小值，以及最大值和最小值在当前滑动窗口中所处的位置，判断数据点是一个潜在的农作物生长季内的波峰点或者波谷点，然后排除伪波峰点和伪波谷点，获得最终波峰点和波谷点，并根据波峰点出现的次数确定耕地复种指数。采用了本发明专利技术的技术方案，无需滤波就可以直接对预处理后的遥感植被指数时间序列数据进行耕地复种指数提取，具备较强的抗噪声能力和检测波峰数的能力，所需参数少，通用性强。
【技术实现步骤摘要】
本专利技术涉及农业遥感
，尤其涉及。
技术介绍
复种指数(Cropping Index,Cl)是指一块耕地一年内种植作物的次数。复种指数是耕作制度研究中衡量耕地资源集约化利用程度的基础性指标，也是宏观评价耕地资源利用基本状况的重要技术指标。复种指数提取有两种方法，一种是基于统计数据的方法，另一种是基于遥感的方法。基于统计数据的复种指数提取是一种传统方法，根据统计数据的作物播种面积和耕地面积采用如下公式对行政区划单元上的复种指数进行估计MCIr = As/Ac其中，MCIr为区域耕地复种指数-X为区域全年作物总收获面积；A。为区域耕地总面积。可以看出，统计方法计算起来比较简单，但是由于是采用统计数据进行计算，一方面， 它忽略了各统计单元内部的空间异质性，不能准确地描述种植制度的空间特征；另一方面统计数据的获取也存在一定的滞后性。此外，受统计口径、尺度范围以及人为因素的干扰， 统计数据本身存在一定误差，给研究结果带来不确定性，尤其是对空间范围大、时效性要求高的复种指数研究，地面统计方法难以达到要求。基于遥感数据的复种指数提取是根据绿色植被特有的光谱特征来判断植被生长动态。遥感数据反演的植被指数(Vegetation Index, VI)能够较好地反映出植被生长状况， 而时间序列的植被指数数据则是植被动态变化的监测标志，即植被指数的时序变化对应于植被的生长与衰弱等季节活动过程。对耕地而言，植被指数的时序动态变化体现了耕地作物的生长过程，即从播种、出苗、拔节、抽穗到成熟、收割的周期性态势。一熟制区域的耕地植被指数曲线在年内完成一个循环的动态过程，两熟制区域完成两个循环，三熟制将完成三个生长周期。因此，利用时间序列植被指数的周期性变化可以完成耕地复种指数的监测。目前基于遥感的复种指数提取方法基本上都是以时间序列植被指数数据为基础， 首先采用各种滤波去噪手段拟合得到作物生长曲线，然后进行复种指数的提取。遥感数据获取过程中受到遥感传感器自身状况(倾角、分辨率、传感器老化等) 和云层、大气和太阳高度角等因素的干扰，使得从遥感影像直接得到的植被指数存在大量噪声，影响了复种指数的提取。虽然常用的时间序列植被指数经过最大值合成(Maximum Value Composite, MVC)生成，但云和大气等的噪声仍然不能完全消除，不适于直接进行复种指数的提取。国内外学者发展了许多去云处理、噪声去除和重建平滑植被指数曲线的技术方法 (在这里统称为滤波去噪)，这些方法总体可以分为3类阈值去除法，基于滤波的平滑方法和非线性拟合法。阈值去除法以Viovy等提出的最佳坡度系数截取法(The Best Index Slope Extraction, BISE)为代表，基于滤波的平滑方法主要包括傅里叶变换、小波变换和 Savitzky-Golay滤波法等，而非线性函数拟合法主要包括Logistic函数拟合法和非对称高斯函数拟合法。基于重建的时间序列植被指数提取耕地复种指数的方法也是耕地复种指数遥感监测的关键步骤之一。遥感复种指数判别方法主要包括分类法、交叉拟合法和峰值法，而峰值法又分为直接比较法和二次差分法。分类法是直接对滤波去噪后的时间序列植被指数曲线采用遥感分类技术获取不同熟制类别，根据熟制类别确定复种指数。交叉拟合法先对时间序列植被指数滤波去噪，再根据典型点建立起熟制标准曲线库，然后计算去噪后的时间序列植被指数曲线与熟制标准曲线的交叉拟合度，从而确定复种指数。峰值法的基本假设为耕地的复种方式与耕地的植被指数变化曲线的峰值较吻合，即一年一季作物耕地的复种指数数据在年内形成明显的单峰曲线，一年两季作物耕地的植被指数形成双峰曲线。因此，通过监测植被指数变化曲线的峰值数目可以确定耕地的多熟种植制度。目前常用的获取峰值频数的方法分为直接比较法和二次差分法。从目前来看，峰值法由于简单易用在耕地复种指数监测中得到了最为广泛的应用。虽然峰值法可以有效发现峰值，但对于部分区域的植被指数曲线可能会由于影像质量和像元内部影响而异常波动，从而出现由噪声波峰形成的“伪峰值”。所以，仅单纯计算峰值数目可能造成一些误差，需要利用一定的约束条件对探测到的峰值进行取舍。例如在多熟种植制度遥感提取中，根据站点气候观测数据的统计特征确定熟制的判别规则，判别规则中的参数包括峰值出现的最早可能时间、峰值出现的最晚可能时间、峰值最低值、两季作物峰值的最小时间间隔、最大值和最小值的差值等。虽然这些研究各自提出了较为合理的修正方法，但是这些方法和参数阈值设置都具有一定的区域适宜性和局限性。概况起来，目前基于遥感的复种指数提取方法主要包括如下四种技术方案技术方案一滤波去噪+分类法。首先对时间序列植被指数数据进行滤波去噪，再采用遥感分类技术对去噪后的时序数据进行分类，根据每一类的熟制确定复种指数。分类方法可以是监督分类方法，也可以是非监督分类方法。滤波去噪过程本身会混进新的噪声(如将两个波峰连接成一个伪波峰，或者使两个波峰不明显)，致使最终的波峰数计算会出现较大的误差。一些目前比较流行的滤波算法都容易将两熟作物曲线的双峰变成单峰，这样势必会影响复种指数最终的提取结果。此外， 滤波去噪一般涉及到迭代循环的过程，耗时较长，运算效率会有所偏低。分类法要求操作人员对研究区的农作物熟制非常熟悉，由此选择样本进行分类提取熟制(监督分类)，或对聚类结果进行熟制判别(非监督分类)。分类精度一方面依赖于分类方法的选择，另一方面依赖于操作人员的经验，因此复种指数提取流程的可操作性较差、区域适应程度较低。技术方案二 滤波去噪+交叉拟合法。先对时间序列植被指数数据进行滤波去噪， 再根据典型点建立熟制标准曲线库，然后计算每像元时序曲线与标准熟制曲线的交叉拟合度。交叉拟合度是指考虑物候、播种时间差异等原因，对时序曲线的时间轴进行相对平移， 计算像元时序曲线和标准熟制曲线在不同时间位置(波段位置)上的拟合度。以交叉拟合度作为相似性指标来识别像元熟制，选取拟合度最大时的熟制作为像元熟制，根据熟制确定复种指数。滤波去噪的缺点同技术方案一。交叉拟合法要求事先建立一个完整的熟制标准曲线库，由于遥感植被指数时间序列的变异较大，熟制标准曲线库很难穷尽所有可能的熟制标准曲线，而且同样要求操作人员对研究区的农作物熟制非常熟悉。技术方案三滤波去噪+直接比较法。首先对时间序列植被指数数据进行滤波去噪，然后采用直接比较法提取峰值，经过一定的判别，确定复种指数。直接比较法是在一个判断区间内将每一时间点的植被指数值和前后相邻几个时间点的植被指数值进行比较，得到该区间内植被指数值最大的时间点，即为该区间内的峰值；如此反复，可以达到整个耕地生长季内所有峰值的数量及其时间分布点。滤波去噪的缺点同技术方案一。直接比较法要求首先建立一个判断区间，这需要操作人员对研究区的农作物熟制非常熟悉，否则后续对峰值及其出现的时间点的判断容易出现误差；另外，即使给定了正确的判断区间，由于不同作物的物候历不一样，也会容易对面积较小的农作物类型的峰值及其出现的时间点的判断出现误差。技术方案四滤波去噪+ 二次差分法。首先对时间序列植被指数数据进行滤波去噪，再采用二次差分的方法提取复种指数。二次差分法将一年内时间序列植被指数的N个植被指数按时间顺序本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种提取耕地复种指数的方法，其特征在于，包括以下步骤A、根据农作物生长周期定义滑动窗口的大小；B、输入遥感植被指数时间序列数据；C、当滑动窗口沿着遥感植被指数时间序列向前逐步移动时，搜索当前滑动窗口数据的最大值和最小值，以及所述最大值和最小值在所述当前滑动窗口中所处的位置，如果所述最大值或者最小值在所述当前滑动窗口的中间位置，则判断所述数据点是一个潜在的农作物生长季内的波峰点或者波谷点；D、如果两个相邻的潜在波峰点中间没有波谷点，则删除两个相邻的潜在波峰点中的值较小的波峰点，如果两个相邻的潜在波谷点中间没有波峰点，则删除两个相邻的潜在波谷点中的值较大的波谷点；E、如果一个波谷点与相邻的波峰点...
【专利技术属性】
技术研发人员：朱文泉，刘建红，牟敏杰，王伶俐，
申请(专利权)人：北京师范大学，
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。