專利名稱：一種提取耕地復種指數的方法
技術領域：
本發(fā)明涉及農業(yè)遙感技術領域，尤其涉及一種提取耕地復種指數的方法。
背景技術：
復種指數(Cropping Index,Cl)是指一塊耕地一年內種植作物的次數。復種指數是耕作制度研究中衡量耕地資源集約化利用程度的基礎性指標，也是宏觀評價耕地資源利用基本狀況的重要技術指標。復種指數提取有兩種方法，一種是基于統(tǒng)計數據的方法，另一種是基于遙感的方法。基于統(tǒng)計數據的復種指數提取是一種傳統(tǒng)方法，根據統(tǒng)計數據的作物播種面積和耕地面積采用如下公式對行政區(qū)劃單元上的復種指數進行估計MCIr = As/Ac其中，MCIr為區(qū)域耕地復種指數-X為區(qū)域全年作物總收獲面積；A。為區(qū)域耕地總面積?？梢钥闯觯y(tǒng)計方法計算起來比較簡單，但是由于是采用統(tǒng)計數據進行計算，一方面， 它忽略了各統(tǒng)計單元內部的空間異質性，不能準確地描述種植制度的空間特征；另一方面統(tǒng)計數據的獲取也存在一定的滯后性。此外，受統(tǒng)計口徑、尺度范圍以及人為因素的干擾， 統(tǒng)計數據本身存在一定誤差，給研究結果帶來不確定性，尤其是對空間范圍大、時效性要求高的復種指數研究，地面統(tǒng)計方法難以達到要求。基于遙感數據的復種指數提取是根據綠色植被特有的光譜特征來判斷植被生長動態(tài)。遙感數據反演的植被指數(Vegetation Index, VI)能夠較好地反映出植被生長狀況， 而時間序列的植被指數數據則是植被動態(tài)變化的監(jiān)測標志，即植被指數的時序變化對應于植被的生長與衰弱等季節(jié)活動過程。對耕地而言，植被指數的時序動態(tài)變化體現了耕地作物的生長過程，即從播種、出苗、拔節(jié)、抽穗到成熟、收割的周期性態(tài)勢。一熟制區(qū)域的耕地植被指數曲線在年內完成一個循環(huán)的動態(tài)過程，兩熟制區(qū)域完成兩個循環(huán)，三熟制將完成三個生長周期。因此，利用時間序列植被指數的周期性變化可以完成耕地復種指數的監(jiān)測。目前基于遙感的復種指數提取方法基本上都是以時間序列植被指數數據為基礎， 首先采用各種濾波去噪手段擬合得到作物生長曲線，然后進行復種指數的提取。遙感數據獲取過程中受到遙感傳感器自身狀況(傾角、分辨率、傳感器老化等) 和云層、大氣和太陽高度角等因素的干擾，使得從遙感影像直接得到的植被指數存在大量噪聲，影響了復種指數的提取。雖然常用的時間序列植被指數經過最大值合成(Maximum Value Composite, MVC)生成，但云和大氣等的噪聲仍然不能完全消除，不適于直接進行復種指數的提取。國內外學者發(fā)展了許多去云處理、噪聲去除和重建平滑植被指數曲線的技術方法 (在這里統(tǒng)稱為濾波去噪)，這些方法總體可以分為3類閾值去除法，基于濾波的平滑方法和非線性擬合法。閾值去除法以Viovy等提出的最佳坡度系數截取法(The Best Index Slope Extraction, BISE)為代表，基于濾波的平滑方法主要包括傅里葉變換、小波變換和 Savitzky-Golay濾波法等，而非線性函數擬合法主要包括Logistic函數擬合法和非對稱高斯函數擬合法。基于重建的時間序列植被指數提取耕地復種指數的方法也是耕地復種指數遙感監(jiān)測的關鍵步驟之一。遙感復種指數判別方法主要包括分類法、交叉擬合法和峰值法，而峰值法又分為直接比較法和二次差分法。分類法是直接對濾波去噪后的時間序列植被指數曲線采用遙感分類技術獲取不同熟制類別，根據熟制類別確定復種指數。交叉擬合法先對時間序列植被指數濾波去噪，再根據典型點建立起熟制標準曲線庫，然后計算去噪后的時間序列植被指數曲線與熟制標準曲線的交叉擬合度，從而確定復種指數。峰值法的基本假設為耕地的復種方式與耕地的植被指數變化曲線的峰值較吻合，即一年一季作物耕地的復種指數數據在年內形成明顯的單峰曲線，一年兩季作物耕地的植被指數形成雙峰曲線。因此，通過監(jiān)測植被指數變化曲線的峰值數目可以確定耕地的多熟種植制度。目前常用的獲取峰值頻數的方法分為直接比較法和二次差分法。從目前來看，峰值法由于簡單易用在耕地復種指數監(jiān)測中得到了最為廣泛的應用。雖然峰值法可以有效發(fā)現峰值，但對于部分區(qū)域的植被指數曲線可能會由于影像質量和像元內部影響而異常波動，從而出現由噪聲波峰形成的“偽峰值”。所以，僅單純計算峰值數目可能造成一些誤差，需要利用一定的約束條件對探測到的峰值進行取舍。例如在多熟種植制度遙感提取中，根據站點氣候觀測數據的統(tǒng)計特征確定熟制的判別規(guī)則，判別規(guī)則中的參數包括峰值出現的最早可能時間、峰值出現的最晚可能時間、峰值最低值、兩季作物峰值的最小時間間隔、最大值和最小值的差值等。雖然這些研究各自提出了較為合理的修正方法，但是這些方法和參數閾值設置都具有一定的區(qū)域適宜性和局限性。概況起來，目前基于遙感的復種指數提取方法主要包括如下四種技術方案技術方案一濾波去噪+分類法。首先對時間序列植被指數數據進行濾波去噪，再采用遙感分類技術對去噪后的時序數據進行分類，根據每一類的熟制確定復種指數。分類方法可以是監(jiān)督分類方法，也可以是非監(jiān)督分類方法。濾波去噪過程本身會混進新的噪聲(如將兩個波峰連接成一個偽波峰，或者使兩個波峰不明顯)，致使最終的波峰數計算會出現較大的誤差。一些目前比較流行的濾波算法都容易將兩熟作物曲線的雙峰變成單峰，這樣勢必會影響復種指數最終的提取結果。此外， 濾波去噪一般涉及到迭代循環(huán)的過程，耗時較長，運算效率會有所偏低。分類法要求操作人員對研究區(qū)的農作物熟制非常熟悉，由此選擇樣本進行分類提取熟制(監(jiān)督分類)，或對聚類結果進行熟制判別(非監(jiān)督分類)。分類精度一方面依賴于分類方法的選擇，另一方面依賴于操作人員的經驗，因此復種指數提取流程的可操作性較差、區(qū)域適應程度較低。技術方案二 濾波去噪+交叉擬合法。先對時間序列植被指數數據進行濾波去噪， 再根據典型點建立熟制標準曲線庫，然后計算每像元時序曲線與標準熟制曲線的交叉擬合度。交叉擬合度是指考慮物候、播種時間差異等原因，對時序曲線的時間軸進行相對平移， 計算像元時序曲線和標準熟制曲線在不同時間位置(波段位置)上的擬合度。以交叉擬合度作為相似性指標來識別像元熟制，選取擬合度最大時的熟制作為像元熟制，根據熟制確定復種指數。濾波去噪的缺點同技術方案一。交叉擬合法要求事先建立一個完整的熟制標準曲線庫，由于遙感植被指數時間序列的變異較大，熟制標準曲線庫很難窮盡所有可能的熟制標準曲線，而且同樣要求操作人員對研究區(qū)的農作物熟制非常熟悉。技術方案三濾波去噪+直接比較法。首先對時間序列植被指數數據進行濾波去噪，然后采用直接比較法提取峰值，經過一定的判別，確定復種指數。直接比較法是在一個判斷區(qū)間內將每一時間點的植被指數值和前后相鄰幾個時間點的植被指數值進行比較，得到該區(qū)間內植被指數值最大的時間點，即為該區(qū)間內的峰值；如此反復，可以達到整個耕地生長季內所有峰值的數量及其時間分布點。濾波去噪的缺點同技術方案一。直接比較法要求首先建立一個判斷區(qū)間，這需要操作人員對研究區(qū)的農作物熟制非常熟悉，否則后續(xù)對峰值及其出現的時間點的判斷容易出現誤差；另外，即使給定了正確的判斷區(qū)間，由于不同作物的物候歷不一樣，也會容易對面積較小的農作物類型的峰值及其出現的時間點的判斷出現誤差。技術方案四濾波去噪+ 二次差分法。首先對時間序列植被指數數據進行濾波去噪，再采用二次差分的方法提取復種指數。二次差分法將一年內時間序列植被指數的N個植被指數按時間順序形成數組，首先用后面的植被指數減去其前面的植被指數值，形成N-I 個新值；對這N-I個新值進行重新賦值，如果是負數則定為-1，如果是正數則定為1，然后對新賦值的N-I個值按上面的方法再進行一次差分，得到N-2個由_2、0、2組成的數據，其中元素為-2且前后元素皆為0的點就是峰值點。濾波去噪的缺點同技術方案一。二次差分法容易受到遙感植被指數時間序列數據的噪聲干擾，很容易將噪聲造成的局部極大值(非農作物生長季內的極大值)判斷為農作物生長季內的極大值，從而使復種指數偏高?，F有基于遙感時序數據提取復種指數的方法均是先對遙感時序數據濾波去噪，然后再計算波峰數。由于濾波去噪所需時間長，并且濾波過程本身會混進新的噪聲，致使最終的波峰數計算會出現較大的誤差。另外，現有峰值法抗噪聲能力弱，修正的參數多，區(qū)域性要求高，通用性較弱。

發(fā)明內容
本發(fā)明的目的在于提出一種提取耕地復種指數的方法，無需濾波就可以直接對預處理后的遙感植被指數時間序列數據進行耕地復種指數提取，具備較強的抗噪聲能力和檢測波峰數的能力，所需參數少，通用性強。為達此目的，本發(fā)明采用以下技術方案一種提取耕地復種指數的方法，包括以下步驟A、根據農作物生長周期定義滑動窗口的大??；B、輸入遙感植被指數時間序列數據；C、當滑動窗口沿著遙感植被指數時間序列向前逐步移動時，搜索當前滑動窗口數據的最大值和最小值，以及所述最大值和最小值在所述當前滑動窗口中所處的位置，如果所述最大值或者最小值在所述當前滑動窗口的中間位置，則判斷所述數據點是一個潛在的農作物生長季內的波峰點或者波谷點；D、如果兩個相鄰的潛在波峰點中間沒有波谷點，則刪除兩個相鄰的潛在波峰點中的值較小的波峰點，如果兩個相鄰的潛在波谷點中間沒有波峰點，則刪除兩個相鄰的潛在波谷點中的值較大的波谷點；
E、如果一個波谷點與相鄰的波峰點之間的差值小于預設閾值，則刪除所述波谷點，并返回步驟D，如果一個波谷點與相鄰的波峰點之間的差值不小于預設閾值，則轉至步驟F;F、獲得最終波峰點和波谷點，并根據波峰點出現的次數確定耕地復種指數。步驟A中，定義滑動窗口/ = f ,其中，f為滑動窗口的大小，r為農作物生長周期的時長，s為合成周期，所述生長周期為農作物從播種到收割的生長過程，最終的滑動窗口 f取與■^最接近的奇數為其值。步驟E中，所述預設閾值為與所述生長周期對應的遙感植被指數時間序列數據中最小波峰的最大值和最小值的差值。采用了本發(fā)明的技術方案，無需對遙感植被指數時間序列數據濾波，就可直接對遙感植被指數時間序列數據提取耕地復種指數，具有以下優(yōu)勢(1)原理簡單，運算效率高，容易用程序語言實現。(2)不需要其他輔助數據，抗噪聲能力強，結果比較可靠、穩(wěn)定，特別適用于為農業(yè)部門或政府部門及時地提供有關耕作制度的空間分布信息。(3)所需參數少，降低了區(qū)域的適用性要求，提高了方法的通用性。(4)人為干預少，自動化運行的程度高。


圖1是結構元素的形狀示意圖。圖2是本發(fā)明具體實施方式
中耕地復種指數遙感提取的流程圖。
具體實施例方式下面結合附圖并通過具體實施方式
來進一步說明本發(fā)明的技術方案。本發(fā)明技術方案的主要思想是在于尋找真正的波峰點，波峰點的識別是基于數學形態(tài)學和一個決策判斷的過程。數學形態(tài)學是指用一個已知幾何形狀的結構元素來探尋信號(本發(fā)明技術方案是指遙感植被指數時間序列數據)，從中找出與結構元素相匹配的特征點，在本發(fā)明技術方案中，結構元素的長度由滑動窗口的大小確定，結構元素的形狀是指符合滑動窗口中心值最大或最小的所有形狀，如圖1所示，其中(a)是最大值在中間位置的部分幾何形狀集，(b)是最小值在中間位置的部分幾何形狀集。圖2是本發(fā)明具體實施方式
中耕地復種指數遙感提取的流程圖。如圖2所示，該耕地復種指數遙感提取的流程包括以下步驟步驟101、根據農作物生長周期定義滑動窗口的大小。定義滑動窗口/ 其中， f為滑動窗口的大小，r為農作物生長周期的時長，s為合成周期，生長周期為農作物從播種到收割的生長過程，最終的滑動窗口 f取與■^最接近的奇數為其值。例如中國北方的冬小麥一般是在10月底播種，在次年的3月份開始返青，6月上旬開始收割，期間會形成兩個生長波峰，一個波峰存在于播種至返青期，另一個則是從返青期開始至收割期結束，因此冬小麥單個生長波峰所覆蓋的時間約為110天，所以滑動窗口也應該橫跨110天左右，對于16天合成的遙感植被指數來說，其滑動窗口大小應為7。步驟102、輸入遙感植被指數時間序列數據。步驟103、逐步搜尋滑動窗口數據的極值及其位置。當滑動窗口沿著遙感植被指數時間序列向前逐步移動時，搜索當前滑動窗口數據的最大值和最小值，以及這些最大值和最小值在當前滑動窗口中所處的位置。步驟104、判斷這些最大值或者最小值是否在當前滑動窗口的中間位置，如果這些最大值或者最小值在當前滑動窗口的中間位置，則轉至步驟105，否則轉至步驟103。步驟105、確定該數據點是一個潛在的農作物生長季內的波峰點或者波谷點，并轉至步驟106。步驟106、判斷兩個相鄰的潛在波峰點中間是否有波谷點，或者兩個相鄰的潛在波谷點中間是否有波峰點，如果有，則轉至步驟108，如果沒有，則轉至步驟107。步驟107、如果兩個相鄰的潛在波峰點中間沒有波谷點，則刪除兩個相鄰的潛在波峰點中的值較小的波峰點，如果兩個相鄰的潛在波谷點中間沒有波峰點，則刪除兩個相鄰的潛在波谷點中的值較大的波谷點，并轉至步驟108。步驟108、判斷一個波谷點與相鄰的波峰點之間的差值是否小于預設閾值，該預設閾值為與生長周期對應的遙感植被指數時間序列數據中最小波峰的最大值和最小值的差值。如果小于，則轉至步驟109，如果不小于，則轉至110。步驟109、如果一個波谷點與相鄰的波峰點之間的差值小于預設閾值，則刪除該波谷點，并返回步驟106。步驟110、如果一個波谷點與相鄰的波峰點之間的差值不小于預設閾值，則獲得最終波峰點和波谷點，并根據波峰點出現的次數確定耕地復種指數。以上所述，僅為本發(fā)明較佳的具體實施方式
，但本發(fā)明的保護范圍并不局限于此， 任何熟悉該技術的人在本發(fā)明所揭露的技術范圍內，可輕易想到的變化或替換，都應涵蓋在本發(fā)明的保護范圍之內。因此，本發(fā)明的保護范圍應該以權利要求的保護范圍為準。
權利要求
1.一種提取耕地復種指數的方法，其特征在于，包括以下步驟A、根據農作物生長周期定義滑動窗口的大小；B、輸入遙感植被指數時間序列數據；C、當滑動窗口沿著遙感植被指數時間序列向前逐步移動時，搜索當前滑動窗口數據的最大值和最小值，以及所述最大值和最小值在所述當前滑動窗口中所處的位置，如果所述最大值或者最小值在所述當前滑動窗口的中間位置，則判斷所述數據點是一個潛在的農作物生長季內的波峰點或者波谷點；D、如果兩個相鄰的潛在波峰點中間沒有波谷點，則刪除兩個相鄰的潛在波峰點中的值較小的波峰點，如果兩個相鄰的潛在波谷點中間沒有波峰點，則刪除兩個相鄰的潛在波谷點中的值較大的波谷點；E、如果一個波谷點與相鄰的波峰點之間的差值小于預設閾值，則刪除所述波谷點，并返回步驟D，如果一個波谷點與相鄰的波峰點之間的差值不小于預設閾值，則轉至步驟F ；F、獲得最終波峰點和波谷點，并根據波峰點出現的次數確定耕地復種指數。
2.根據權利要求1所述的一種提取耕地復種指數的方法，其特征在于，步驟A中，定義滑動窗口/ 其中，f為滑動窗口的大小，r為農作物生長周期的時長，s為合成周期，所述生長周期為農作物從播種到收割的生長過程，最終的滑動窗口 f取與I最接近的奇數為其值。
3.根據權利要求2所述的一種提取耕地復種指數的方法，其特征在于，步驟E中，所述預設閾值為與所述生長周期對應的遙感植被指數時間序列數據中最小波峰的最大值和最小值的差值。
全文摘要
本發(fā)明公開了一種提取耕地復種指數的方法，根據農作物生長周期定義滑動窗口的大小，輸入遙感植被指數時間序列數據，當滑動窗口沿著遙感植被指數時間序列向前逐步移動時，搜索當前滑動窗口數據的最大值和最小值，以及最大值和最小值在當前滑動窗口中所處的位置，判斷數據點是一個潛在的農作物生長季內的波峰點或者波谷點，然后排除偽波峰點和偽波谷點，獲得最終波峰點和波谷點，并根據波峰點出現的次數確定耕地復種指數。采用了本發(fā)明的技術方案，無需濾波就可以直接對預處理后的遙感植被指數時間序列數據進行耕地復種指數提取，具備較強的抗噪聲能力和檢測波峰數的能力，所需參數少，通用性強。
文檔編號G01N21/25GK102435554SQ201110265188
公開日2012年5月2日 申請日期2011年9月8日 優(yōu)先權日2011年9月8日
發(fā)明者劉建紅, 朱文泉, 牟敏杰, 王伶俐 申請人:北京師范大學