本發(fā)明涉及農(nóng)業(yè)遙感技術領域,尤其涉及一種春玉米空間分布信息的遙感提取方法。
背景技術:
遙感具有大面積同步觀測、時效性高以及成本低廉等特點,可以相對便捷地獲得大范圍、全覆蓋的農(nóng)作物空間分布信息,已被廣泛應用于農(nóng)作物種植范圍提取。
農(nóng)作物遙感識別方法包括基于單期遙感影像的方法和基于遙感時間序列影像的方法。在大范圍條件下不同種類的同季農(nóng)作物在遙感影像中經(jīng)常有相似的光譜特征,單期遙感影像存在普遍的異物同譜現(xiàn)象,無法有效區(qū)分農(nóng)作物類別。遙感時間序列數(shù)據(jù)對應著農(nóng)作物生長活動全過程,能夠很好地反映綠色植被長勢、生物量和覆蓋度等時間變化信息,利用中低空間分辨率遙感影像的高時間分辨率特點構(gòu)建遙感影像時間序列可以根據(jù)不同農(nóng)作物生長發(fā)育過程在特定物候階段的差異進行大范圍下的農(nóng)作物空間分布提取。
傳統(tǒng)的基于時間序列遙感影像識別農(nóng)作物的方法往往僅利用了某一種遙感指標,尤以某一種植被指數(shù)最為常見,這種方式對于生育周期和種植結(jié)構(gòu)較相似的不同農(nóng)作物的區(qū)分能力較弱,對時序噪聲的容錯度較低,影響農(nóng)作物遙感提取的精度。春玉米種植范圍廣且生態(tài)幅較寬,與其生長發(fā)育物候特點相似的農(nóng)作物品種較多,僅利用單一遙感指標難以提高春玉米的遙感識別精度。
雖然歸一化差值植被指數(shù)ndvi由紅光和近紅外波段計算得到,體現(xiàn)了信息綜合的優(yōu)勢,常作為單一指標用于特定農(nóng)作物類型的識別,但這種信息綜合可能掩蓋了某一特定農(nóng)作物與其他地物在遙感紅光或近紅外波段上的差異,反而不利于該特定農(nóng)作物類型的識別。因此選擇紅光反射率、近紅外反射率以及ndvi作為特征指標來增強春玉米的特征信息,從而有可能提高春玉米的識別精度。
技術實現(xiàn)要素:
本發(fā)明正是針對傳統(tǒng)的基于時間序列遙感影像的作物識別方法的一些不足,提出了一種基于多遙感指標的春玉米識別方法,旨在利用遙感紅光反射率、近紅外反射率和歸一化差值植被指數(shù)ndvi時間序列數(shù)據(jù),快速提取區(qū)域范圍內(nèi)的春玉米空間分布信息。
為達此目的,本發(fā)明采用以下技術方案:
一種春玉米遙感識別方法,包括以下步驟:
a、分類體系構(gòu)建
根據(jù)區(qū)域范圍內(nèi)的地物類型結(jié)構(gòu)和春玉米與其他地物類型的遙感光譜混分情況,構(gòu)建相應的分類體系。
b、各地物類型訓練樣本選取
根據(jù)所構(gòu)建的分類體系和當?shù)刂饕r(nóng)作物物候歷,基于高空間分辨率遙感影像和實地調(diào)查數(shù)據(jù),遵循訓練樣本選取的基本原則,選取各地物類型的訓練樣本。訓練樣本選取的基本原則為:
(1)各地物類型的樣本數(shù)量要足夠多,且一般要與區(qū)域范圍內(nèi)各地物類型的面積成比例。
(2)各地物類型的訓練樣本要在整個區(qū)域范圍內(nèi)均勻分布,使各訓練樣本在局部范圍內(nèi)均具有代表性。
(3)各地物類型的訓練樣本應位于純凈像元區(qū)域,且其周圍像元也應盡量為純凈像元。
c、各地物類型遙感屬性指標時間序列曲線均值提取
基于各地物類型訓練樣本數(shù)據(jù),提取各地物類型訓練樣本在遙感紅光反射率、近紅外反射率以及歸一化差值植被指數(shù)數(shù)據(jù)上的時間序列曲線均值。
d、識別特征選擇
結(jié)合區(qū)域的物候歷數(shù)據(jù),根據(jù)提取的各地物類型遙感屬性指標時間序列曲線均值,選擇各地物類型遙感屬性指標時間序列曲線均值在春玉米特定物候期的差異作為識別特征,具體包括以下兩個步驟:
(1)物候特征選擇。分析各地物類型在遙感紅光反射率、近紅外反射率和ndvi時間序列數(shù)據(jù)的變化規(guī)律,確定特征差異明顯的物候階段為春玉米拔節(jié)期前期、抽雄期至乳熟期和成熟期前期。
(2)識別特征選擇。分別將上述春玉米物候特征所對應的遙感屬性指標參量化,確定的識別特征為:春玉米抽雄期至乳熟期、拔節(jié)期前期、成熟期前期的ndvi均值,拔節(jié)期前期的紅光反射率均值,拔節(jié)期前期和成熟期前期的近紅外反射率均值。
e、特征閾值確定
根據(jù)選擇的識別特征,統(tǒng)計各識別特征所對應的各地物類型訓練樣本的頻數(shù)分布,根據(jù)頻數(shù)分布圖,將各地物類型區(qū)分程度最大處所對應的特征取值作為相應識別特征的閾值。
f、春玉米識別模型構(gòu)建
根據(jù)識別特征及其對應的特征閾值,構(gòu)建春玉米識別模型。其具體的模型構(gòu)建步驟為:
(1)根據(jù)植被地物類型在春玉米抽雄期至乳熟期的ndvi平均值明顯高于非植被,剔除非植被地物類型,其數(shù)學模型為:
mean(ndvi抽雄期至乳熟期)>t1
(2)根據(jù)春玉米拔節(jié)期前期農(nóng)作物的ndvi平均值低于非農(nóng)作物,剔除非農(nóng)作物植被類型,其數(shù)學模型為:
mean(ndvi拔節(jié)期前期)<t2
(3)根據(jù)春玉米成熟期前期的ndvi平均值低于水稻,剔除部分水稻并提取玉米,其數(shù)學模型為:
mean(ndvi成熟期前期)<t3
(4)根據(jù)春玉米拔節(jié)期前期的紅光反射率平均值高于水稻,進一步剔除部分水稻并提取玉米,其數(shù)學模型為:
mean(red拔節(jié)期前期)>t4
(5)根據(jù)春玉米拔節(jié)期前期的近紅外反射率平均值高于水稻,進一步剔除部分水稻并提取玉米,其數(shù)學模型為:
mean(nir拔節(jié)期前期)>t5
(6)根據(jù)春玉米成熟期前期的近紅外反射率平均值低于水稻,進一步剔除部分水稻并提取玉米,其數(shù)學模型為:
mean(nir成熟期前期)<t6
上述數(shù)學模型中,mean()表示遙感像元在時間上的求均值操作,ndvi、red和nir分別代表歸一化差值植被指數(shù)、紅光反射率和近紅外反射率影像;下標文字代表春玉米的物候期;t1到t6分別代表春玉米各識別特征對應的閾值。將上述6個數(shù)學模型得到的結(jié)果求交集之后的空間分布區(qū)即為識別的春玉米分布范圍。
g、春玉米空間分布信息提取
基于區(qū)域的遙感紅光反射率、近紅外反射率以及歸一化差值植被指數(shù)時間序列數(shù)據(jù),利用構(gòu)建的春玉米識別模型,提取區(qū)域內(nèi)春玉米的空間分布信息。
本發(fā)明具有以下特點:
(1)原理簡單,易實施,工作效率高。
(2)可基于遙感紅光和近紅外反射率、ndvi時間序列數(shù)據(jù)進行春玉米空間分布信息的提取,且提取結(jié)果的穩(wěn)定性較高。
(3)可應用于具有一定物候差異的大范圍區(qū)域的春玉米空間分布信息遙感提取。
附圖說明
圖1是遼寧省春玉米的空間分布信息提取結(jié)果。
具體實施方式
下面結(jié)合附圖對本發(fā)明的技術實施方案作進一步描述。
a、分類體系構(gòu)建
根據(jù)區(qū)域范圍內(nèi)的地物類型結(jié)構(gòu)和春玉米與其他地物類型的遙感光譜混分情況,構(gòu)建相應的分類體系。
本案例設定遼寧省的地物類型為春玉米、水稻、林地(含灌木)、草地(含其他類型的作物,如蔬菜、大豆等)、建設用地、水域六類。
b、各地物類型訓練樣本選取
根據(jù)所構(gòu)建的分類體系和當?shù)刂饕r(nóng)作物物候歷,基于高空間分辨率遙感影像和實地調(diào)查數(shù)據(jù),遵循訓練樣本選取的基本原則,選取各地物類型的訓練樣本。訓練樣本選取的基本原則為:
(1)各地物類型的樣本數(shù)量要足夠多,且一般要與區(qū)域范圍內(nèi)各地物類型的面積成比例。
(2)各地物類型的訓練樣本要在整個區(qū)域范圍內(nèi)均勻分布,使各訓練樣本在局部范圍內(nèi)均具有代表性。
(3)各地物類型的訓練樣本應位于純凈像元區(qū)域,且其周圍像元也應盡量為純凈像元。
本案例同時參考了高分辨率遙感影像數(shù)據(jù)、物候歷數(shù)據(jù)和實地調(diào)查數(shù)據(jù)等,目視解譯選取了遼寧省各地物類型的訓練樣本。
c、各地物類型遙感屬性指標時間序列曲線均值提取
基于各地物類型訓練樣本數(shù)據(jù),提取各地物類型訓練樣本在遙感紅光反射率、近紅外反射率以及歸一化差值植被指數(shù)數(shù)據(jù)上的時間序列曲線均值。
本案例主要使用8天合成的modis(moderateresolutionimagingspectrometer)地表反射率數(shù)據(jù)產(chǎn)品(mod09q1),分別提取各地物類型訓練樣本對應像元的紅光反射率、近紅外反射率和ndvi時間序列曲線,并取其均值作為各地物類型的樣本時序曲線。
d、識別特征選擇
結(jié)合區(qū)域的物候歷數(shù)據(jù),根據(jù)提取的各地物類型遙感屬性指標時間序列曲線均值,選擇各地物類型遙感屬性指標時間序列曲線均值在春玉米特定物候期的差異作為識別特征,具體包括以下兩個步驟:
(1)物候特征選擇。分析各地物類型在遙感紅光反射率、近紅外反射率和ndvi時間序列數(shù)據(jù)的變化規(guī)律,確定特征差異明顯的物候階段為春玉米拔節(jié)期前期、抽雄期至乳熟期和成熟期前期。本案例確定遼寧省春玉米的拔節(jié)期前期為年日序第129–153天、抽雄期至乳熟期為年日序第193–257天、成熟期前期為年日序第257–265天。
(2)識別特征選擇。分別將上述春玉米物候特征所對應的遙感屬性指標參量化,確定的識別特征為:春玉米抽雄期至乳熟期、拔節(jié)期前期、成熟期前期的ndvi均值,拔節(jié)期前期的紅光反射率均值,拔節(jié)期前期和成熟期前期的近紅外反射率均值。本案例確定遼寧省的識別特征為:春玉米抽雄期至乳熟期年日序第193–257天,拔節(jié)期前期年日序第129–153天,成熟期前期年日序第257–265天的ndvi均值,拔節(jié)期前期年日序第129–153天的紅光反射率均值,拔節(jié)期前期年日序第129–153天和成熟期前期年日序第257–265天的近紅外反射率均值。
e、特征閾值確定
根據(jù)選擇的識別特征,統(tǒng)計各識別特征所對應的各地物類型訓練樣本的頻數(shù)分布,根據(jù)頻數(shù)分布圖,將各地物類型區(qū)分程度最大處所對應的特征取值作為相應識別特征的閾值。
本案例通過對訓練樣本的頻數(shù)分布進行統(tǒng)計,確定遼寧省春玉米抽雄期至乳熟期、拔節(jié)期前期、成熟期前期的ndvi均值,拔節(jié)期前期的紅光反射率均值,拔節(jié)期前期和成熟期前期的近紅外反射率均值閾值依次為0.40、0.33、0.57、0.10、0.18和0.30。
f、春玉米識別模型構(gòu)建
根據(jù)識別特征及其對應的特征閾值,構(gòu)建春玉米識別模型。其具體的模型構(gòu)建步驟為:
(1)根據(jù)植被地物類型在春玉米抽雄期至乳熟期的ndvi平均值明顯高于非植被,剔除非植被地物類型。本案例春玉米抽雄期至乳熟期為年日序第193–257天,該物候期對應的ndvi特征閾值為0.40,故其數(shù)學模型為:
mean(ndvi193-257)>0.40
(2)根據(jù)春玉米拔節(jié)期前期農(nóng)作物的ndvi平均值低于非農(nóng)作物,剔除非農(nóng)作物植被類型。本案例春玉米拔節(jié)期前期為年日序第129–153天,該物候期對應的ndvi特征閾值為0.33,故其數(shù)學模型為:
mean(ndvi129-153)<0.33
(3)根據(jù)春玉米成熟期前期的ndvi平均值低于水稻,剔除部分水稻并提取玉米。本案例春玉米成熟期前期為年日序第257–265天,該物候期對應的ndvi特征閾值為0.57,故其數(shù)學模型為:
mean(ndvi257-265)<0.57
(4)根據(jù)春玉米拔節(jié)期前期的紅光反射率平均值高于水稻,進一步剔除部分水稻并提取玉米。本案例春玉米拔節(jié)期前期為年日序第129–153天,該物候期對應的紅光反射率特征閾值為0.10,故其數(shù)學模型為:
mean(red129-153)>0.10
(5)根據(jù)春玉米拔節(jié)期前期的近紅外反射率平均值高于水稻,進一步剔除部分水稻并提取玉米。本案例春玉米拔節(jié)期前期為年日序第129–153天,該物候期對應的近紅外反射率特征閾值為0.18,故其數(shù)學模型為:
mean(nir129-153)>0.18
(6)根據(jù)春玉米成熟期前期的近紅外反射率平均值低于水稻,進一步剔除部分水稻并提取玉米。本案例春玉米成熟期前期為年日序第257–265天,該物候期對應的近紅外反射率特征閾值為0.30,故其數(shù)學模型為:
mean(nir257-265)<0.30
上述數(shù)學模型中,mean()表示遙感像元在時間上的求均值操作,ndvi、red和nir分別代表歸一化差值植被指數(shù)、紅光反射率和近紅外反射率影像;下標數(shù)字代表年日序,即一年內(nèi)的第幾天。將上述6個數(shù)學模型得到的結(jié)果求交集之后的空間分布區(qū)即為識別的春玉米分布范圍。
g、春玉米空間分布信息提取
基于區(qū)域的遙感紅光反射率、近紅外反射率以及歸一化差值植被指數(shù)時間序列數(shù)據(jù),利用構(gòu)建的春玉米識別模型,提取區(qū)域內(nèi)春玉米的空間分布信息。
本案例為遼寧省modis遙感數(shù)據(jù)的紅光反射率、近紅外反射率以及歸一化差值植被指數(shù)時間序列數(shù)據(jù)。
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(nèi),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(nèi)。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。