本發(fā)明涉及基于植被指數(shù)時(shí)空間統(tǒng)計(jì)特征的農(nóng)業(yè)災(zāi)害信息遙感提取方法，屬于農(nóng)業(yè)災(zāi)害信息獲取技術(shù)領(lǐng)域。

背景技術(shù)：

目前大多數(shù)農(nóng)業(yè)災(zāi)害遙感監(jiān)測(cè)的研究中，對(duì)小面積地區(qū)或某一時(shí)期、某一特定類型災(zāi)害的研究較多，對(duì)于大尺度區(qū)域或長(zhǎng)時(shí)間序列的災(zāi)害監(jiān)測(cè)與評(píng)價(jià)研究較少，不能全面且宏觀地掌握和分析農(nóng)業(yè)災(zāi)害的時(shí)空分布規(guī)律；由于不同作物類型、生長(zhǎng)地區(qū)、生長(zhǎng)階段的植被指數(shù)存在差異，利用單時(shí)相影像所獲得的植被指數(shù)，僅能反映在該地區(qū)、該時(shí)間內(nèi)作物長(zhǎng)勢(shì)的相對(duì)優(yōu)劣，進(jìn)行災(zāi)害監(jiān)測(cè)不具有普遍性。

MODIS全稱為中分辨率成像光譜儀(moderate-resolution imaging spectroradiometer)。MODIS是搭載在Terra和Aqua衛(wèi)星上的一個(gè)重要的傳感器，是衛(wèi)星上唯一將實(shí)時(shí)觀測(cè)數(shù)據(jù)通過(guò)x波段向全世界直接廣播，并可以免費(fèi)接收數(shù)據(jù)并無(wú)償使用的星載儀器，全球許多國(guó)家和地區(qū)都在接收和使用MODIS數(shù)據(jù)。MODIS用于對(duì)陸表、生物圈、固態(tài)地球、大氣和海洋進(jìn)行長(zhǎng)期全球觀測(cè)。中分辨率成像光譜儀歸一化植被指數(shù)MODIS-NDVI時(shí)序數(shù)據(jù)空間分辨率較低，但時(shí)間分辨率高，覆蓋范圍廣，適用于大尺度范圍、長(zhǎng)時(shí)間序列監(jiān)測(cè)。

高分一號(hào)衛(wèi)星影像和環(huán)境減災(zāi)衛(wèi)星影像空間分辨率高，已被證實(shí)可以滿足災(zāi)害監(jiān)測(cè)。高分一號(hào)GF-1衛(wèi)星搭載了兩臺(tái)2m分辨率全色/8m分辨率多光譜相機(jī)，四臺(tái)16m分辨率多光譜相機(jī)。高分一號(hào)衛(wèi)星的寬幅多光譜相機(jī)幅寬達(dá)到了800公里。環(huán)境與災(zāi)害監(jiān)測(cè)預(yù)報(bào)小衛(wèi)星星座A、B、C星HJ-1A/B/C包括兩顆光學(xué)星HJ-1A/B和一顆雷達(dá)星HJ-1C，可以實(shí)現(xiàn)對(duì)生態(tài)環(huán)境與災(zāi)害的大范圍、全天候、全天時(shí)的動(dòng)態(tài)監(jiān)測(cè)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明目的是為了解決現(xiàn)有農(nóng)業(yè)災(zāi)害遙感監(jiān)測(cè)不能用于對(duì)大尺度區(qū)域或區(qū)域內(nèi)長(zhǎng)時(shí)間序列的災(zāi)害進(jìn)行監(jiān)測(cè)與評(píng)價(jià)，監(jiān)測(cè)方法不具有普遍性的問(wèn)題，提供了一種基于植被指數(shù)時(shí)空間統(tǒng)計(jì)特征的農(nóng)業(yè)災(zāi)害信息遙感提取方法。

本發(fā)明所述基于植被指數(shù)時(shí)空間統(tǒng)計(jì)特征的農(nóng)業(yè)災(zāi)害信息遙感提取方法，它包括以下步驟：

步驟一：采集被監(jiān)測(cè)區(qū)域作物生長(zhǎng)期的MODIS反射率產(chǎn)品MOD09Q1數(shù)據(jù)和MYD09Q數(shù)據(jù)；采集被監(jiān)測(cè)區(qū)域基準(zhǔn)年全年的植被指數(shù)產(chǎn)品MOD13Q1數(shù)據(jù)；采集被監(jiān)測(cè)區(qū)域基準(zhǔn)年內(nèi)典型受災(zāi)區(qū)域所需的HJ-1A/1B_CCD影像數(shù)據(jù)和GF-1/WFV影像數(shù)據(jù)；

步驟二：對(duì)所述MOD09Q1數(shù)據(jù)和MYD09Q數(shù)據(jù)轉(zhuǎn)投影，分別計(jì)算獲得歸一化植被指數(shù)MOD09Q1-NDVI和MYD09Q1-NDVI，將二者拼接結(jié)合，獲得被監(jiān)測(cè)區(qū)域作物生長(zhǎng)期的MOD_MYD-NDVI時(shí)間序列；

對(duì)所述MOD13Q1數(shù)據(jù)進(jìn)行轉(zhuǎn)投影，提取被監(jiān)測(cè)區(qū)域基準(zhǔn)年全年的23期歸一化植被指數(shù)MOD13Q1-NDVI時(shí)間序列；

步驟三：對(duì)所述HJ-1A/1B_CCD影像數(shù)據(jù)和GF-1/WFV影像數(shù)據(jù)分別進(jìn)行輻射定標(biāo)、大氣校正、正攝校正和自動(dòng)匹配項(xiàng)目的預(yù)處理，提取獲得所述典型受災(zāi)區(qū)域的基準(zhǔn)年植被覆蓋指數(shù)HJ-NDVI；用已知的該典型受災(zāi)區(qū)域的矢量文件裁剪所述基準(zhǔn)年植被覆蓋指數(shù)HJ-NDVI，并對(duì)裁剪后獲得的HJ-NDVI數(shù)據(jù)進(jìn)行分級(jí)處理；將分級(jí)后的HJ-NDVI數(shù)據(jù)與原始的HJ-1A/1B_CCD影像數(shù)據(jù)和GF-1/WFV影像數(shù)據(jù)對(duì)比，去除分級(jí)后的HJ-NDVI數(shù)據(jù)中非受災(zāi)的等級(jí)，保留受災(zāi)的等級(jí)作為災(zāi)害區(qū)域HJ-NDVI數(shù)據(jù)，用災(zāi)害區(qū)域HJ-NDVI數(shù)據(jù)裁剪所述的分級(jí)后的HJ-NDVI數(shù)據(jù)，再重新分級(jí)獲得最終災(zāi)害監(jiān)測(cè)基準(zhǔn)區(qū)；

步驟四：對(duì)歸一化植被指數(shù)MOD13Q1-NDVI時(shí)間序列進(jìn)行平滑重構(gòu)，在被監(jiān)測(cè)區(qū)域內(nèi)，利用基準(zhǔn)年全年的植被指數(shù)產(chǎn)品MOD13Q1數(shù)據(jù)，根據(jù)作物的物候特征，進(jìn)行S-G濾波平滑，提取11個(gè)物候參數(shù)；對(duì)11個(gè)物候參數(shù)進(jìn)行標(biāo)準(zhǔn)化處理，統(tǒng)一數(shù)值范圍，然后提取每個(gè)物候參數(shù)的有效成分，再對(duì)被監(jiān)測(cè)區(qū)域進(jìn)行分區(qū)獲得物候分區(qū)；

步驟五：將被監(jiān)測(cè)區(qū)域與各物候分區(qū)的矢量文件分別進(jìn)行交匯處理，獲得包含物候信息及作物信息的矢量文件，為該矢量文件添加包含物候信息和作物類型信息的字段，獲得包含物候信息和作物類型信息的矢量文件；

步驟六：對(duì)步驟五中獲得的包含物候信息和作物類型信息的矢量文件進(jìn)行提取，獲得各個(gè)物候分區(qū)各類作物的歸一化植被指數(shù)中值NDVI_m與標(biāo)準(zhǔn)差STD；

步驟七：對(duì)步驟三中所述最終災(zāi)害監(jiān)測(cè)基準(zhǔn)區(qū)的受災(zāi)年份與未受災(zāi)年份的NDVI灰度直方圖進(jìn)行分析，獲得作物受災(zāi)的判斷依據(jù)：當(dāng)某時(shí)相某區(qū)域作物的實(shí)際NDVI值小于NDVI_m-xSTD，并且在連續(xù)的下兩個(gè)時(shí)相內(nèi)仍然小于NDVI_m-xSTD時(shí)，認(rèn)定該區(qū)域作物受災(zāi)；由此，建立作物受災(zāi)監(jiān)測(cè)模型：NDVI-(NDVI_m-xSTD)；式中x為受災(zāi)監(jiān)測(cè)模型的閾值；

步驟八：由步驟二中的被監(jiān)測(cè)區(qū)域作物生長(zhǎng)期的MOD_MYD-NDVI時(shí)間序列和步驟七中作物受災(zāi)監(jiān)測(cè)模型，在0～1范圍內(nèi)嘗試不同閾值，通過(guò)空間分析法提取被監(jiān)測(cè)區(qū)域的災(zāi)害范圍，將被監(jiān)測(cè)區(qū)域分為6月下旬至7月中旬、7月中旬至8月上旬、8月上旬至八月下旬三個(gè)時(shí)段，每個(gè)時(shí)段分為三個(gè)時(shí)相，計(jì)算連續(xù)三個(gè)時(shí)相都受災(zāi)的柵格數(shù)據(jù)；

步驟九：將連續(xù)三個(gè)時(shí)相都受災(zāi)的柵格數(shù)據(jù)轉(zhuǎn)成矢量數(shù)據(jù)，計(jì)算受災(zāi)面積，將大于三個(gè)像元面積的區(qū)域認(rèn)作受災(zāi)區(qū)域的中心，再將受災(zāi)區(qū)域向外擴(kuò)展一個(gè)像元的大小，獲得新的矢量文件，用新的矢量文件裁剪之前得到的連續(xù)三個(gè)時(shí)相都受災(zāi)的柵格數(shù)據(jù)，得到不同閾值對(duì)應(yīng)的災(zāi)害監(jiān)測(cè)結(jié)果；

步驟十：將不同閾值對(duì)應(yīng)的災(zāi)害監(jiān)測(cè)結(jié)果與相應(yīng)的已知最終災(zāi)害監(jiān)測(cè)基準(zhǔn)區(qū)的監(jiān)測(cè)結(jié)果進(jìn)行對(duì)比，將每一對(duì)兩種不同分辨率監(jiān)測(cè)結(jié)果分別轉(zhuǎn)成矢量數(shù)據(jù)，進(jìn)行交匯處理，得到同時(shí)包含兩種分辨率監(jiān)測(cè)結(jié)果的矢量文件；取閾值＝0.5作為最優(yōu)閾值，獲得最終的災(zāi)害監(jiān)測(cè)模型為NDVI-(NDVI_m-0.5STD)；

步驟十一：將最終的災(zāi)害監(jiān)測(cè)模型NDVI-(NDVI_m-0.5STD)用于被監(jiān)測(cè)區(qū)域，獲得被監(jiān)測(cè)區(qū)域的農(nóng)業(yè)災(zāi)害信息。

本發(fā)明的優(yōu)點(diǎn)：本發(fā)明方法能夠快速、準(zhǔn)確的獲取農(nóng)業(yè)災(zāi)害信息，它在考慮到不同物候區(qū)、作物和生長(zhǎng)階段的植被指數(shù)存在差異的基礎(chǔ)上，提取已知災(zāi)害所在物候區(qū)內(nèi)的各像元NDVI以及相同作物的NDVI平均值NDVI_m和標(biāo)準(zhǔn)差STD，根據(jù)受災(zāi)前后NDVI灰度直方圖特征，利用統(tǒng)計(jì)學(xué)特征分析各參數(shù)之間的關(guān)系，建立災(zāi)害監(jiān)測(cè)模型，提取農(nóng)業(yè)災(zāi)害。該方法考慮到了因生長(zhǎng)地區(qū)、不同作物和生長(zhǎng)階段造成的干擾因素，提高了監(jiān)測(cè)結(jié)果精度。

本發(fā)明提取作物的NDVI、NDVI_m、STD，通過(guò)已知典型災(zāi)害，根據(jù)受災(zāi)前后災(zāi)害所在物候區(qū)的NDVI灰度直方圖，分析驗(yàn)證各參數(shù)之間的關(guān)系，建立災(zāi)害監(jiān)測(cè)模型，并確定了模型的最優(yōu)閾值，得出最終的災(zāi)害監(jiān)測(cè)模型，基于不同物候區(qū)與作物分類進(jìn)行災(zāi)害信息提取，解決了因?yàn)榈赜虿煌斐傻淖魑镩L(zhǎng)勢(shì)差異和不同作物的長(zhǎng)勢(shì)差異等影響因素對(duì)提取結(jié)果造成的誤差，提高了精度。將每年作物關(guān)鍵生長(zhǎng)期分為177-193、193-209、209-225三個(gè)時(shí)段，分別對(duì)黑龍江省2013年至2015年投保地塊提取災(zāi)害空間信息，驗(yàn)證了最終的災(zāi)害監(jiān)測(cè)模型的通用性，實(shí)現(xiàn)了大尺度范圍、長(zhǎng)時(shí)間序列農(nóng)業(yè)災(zāi)害監(jiān)測(cè)。

附圖說(shuō)明

圖1是2013年6月末四方山澇災(zāi)HJ災(zāi)害監(jiān)測(cè)圖，其中1級(jí)為受災(zāi)最重的等級(jí)，逐級(jí)變輕；

圖2是2013年6月末四方山澇災(zāi)MODIS災(zāi)害監(jiān)測(cè)圖；

圖3是2015年6月24日洪河農(nóng)場(chǎng)雹災(zāi)HJ災(zāi)害監(jiān)測(cè)圖，其中1級(jí)為受災(zāi)最重的等級(jí)，逐級(jí)變輕；

圖4是2015年6月24日洪河農(nóng)場(chǎng)雹災(zāi)MODIS災(zāi)害監(jiān)測(cè)圖；

圖5是對(duì)2014年黑龍江省投保地塊采用本發(fā)明方法進(jìn)行MODIS災(zāi)害監(jiān)測(cè)獲得的監(jiān)測(cè)圖；圖中圖例由上至下依次為黑龍江省省界、黑龍江省縣界、177-193時(shí)段(6月下旬至7月中旬)MODIS農(nóng)業(yè)災(zāi)害監(jiān)測(cè)結(jié)果、193-209時(shí)段(7月中旬至8月上旬)MODIS農(nóng)業(yè)災(zāi)害監(jiān)測(cè)結(jié)果、209-225時(shí)段(8月上旬至8月下旬)農(nóng)業(yè)災(zāi)害監(jiān)測(cè)結(jié)果；

圖6是對(duì)2015年黑龍江省投保地塊采用本發(fā)明方法進(jìn)行MODIS災(zāi)害監(jiān)測(cè)獲得的監(jiān)測(cè)圖。圖中圖例由上至下依次為黑龍江省省界、黑龍江省縣界、177-193時(shí)段(6月下旬至7月中旬)MODIS農(nóng)業(yè)災(zāi)害監(jiān)測(cè)結(jié)果、193-209時(shí)段(7月中旬至8月上旬)MODIS農(nóng)業(yè)災(zāi)害監(jiān)測(cè)結(jié)果、209-225時(shí)段(8月上旬至8月下旬)農(nóng)業(yè)災(zāi)害監(jiān)測(cè)結(jié)果。

具體實(shí)施方式

具體實(shí)施方式一：下面結(jié)合圖1至圖6說(shuō)明本實(shí)施方式，本實(shí)施方式所述基于植被指數(shù)時(shí)空間統(tǒng)計(jì)特征的農(nóng)業(yè)災(zāi)害信息遙感提取方法，它包括以下步驟：

步驟一：采集被監(jiān)測(cè)區(qū)域作物生長(zhǎng)期的MODIS反射率產(chǎn)品MOD09Q1數(shù)據(jù)和MYD09Q數(shù)據(jù)；采集被監(jiān)測(cè)區(qū)域基準(zhǔn)年全年的植被指數(shù)產(chǎn)品MOD13Q1數(shù)據(jù)；采集被監(jiān)測(cè)區(qū)域基準(zhǔn)年內(nèi)典型受災(zāi)區(qū)域所需的HJ-1A/1B_CCD影像數(shù)據(jù)和GF-1/WFV影像數(shù)據(jù)；

步驟二：對(duì)所述MOD09Q1數(shù)據(jù)和MYD09Q數(shù)據(jù)轉(zhuǎn)投影，分別計(jì)算獲得歸一化植被指數(shù)MOD09Q1-NDVI和MYD09Q1-NDVI，將二者拼接結(jié)合，獲得被監(jiān)測(cè)區(qū)域作物生長(zhǎng)期的MOD_MYD-NDVI時(shí)間序列；

對(duì)所述MOD13Q1數(shù)據(jù)進(jìn)行轉(zhuǎn)投影，提取被監(jiān)測(cè)區(qū)域基準(zhǔn)年全年的23期歸一化植被指數(shù)MOD13Q1-NDVI時(shí)間序列；

步驟三：對(duì)所述HJ-1A/1B_CCD影像數(shù)據(jù)和GF-1/WFV影像數(shù)據(jù)分別進(jìn)行輻射定標(biāo)、大氣校正、正攝校正和自動(dòng)匹配項(xiàng)目的預(yù)處理，提取獲得所述典型受災(zāi)區(qū)域的基準(zhǔn)年植被覆蓋指數(shù)HJ-NDVI；用已知的該典型受災(zāi)區(qū)域的矢量文件裁剪所述基準(zhǔn)年植被覆蓋指數(shù)HJ-NDVI，并對(duì)裁剪后獲得的HJ-NDVI數(shù)據(jù)進(jìn)行分級(jí)處理；將分級(jí)后的HJ-NDVI數(shù)據(jù)與原始的HJ-1A/1B_CCD影像數(shù)據(jù)和GF-1/WFV影像數(shù)據(jù)對(duì)比，去除分級(jí)后的HJ-NDVI數(shù)據(jù)中非受災(zāi)的等級(jí)，保留受災(zāi)的等級(jí)作為災(zāi)害區(qū)域HJ-NDVI數(shù)據(jù)，用災(zāi)害區(qū)域HJ-NDVI數(shù)據(jù)裁剪所述的分級(jí)后的HJ-NDVI數(shù)據(jù)，再重新分級(jí)獲得最終災(zāi)害監(jiān)測(cè)基準(zhǔn)區(qū)；

步驟四：對(duì)歸一化植被指數(shù)MOD13Q1-NDVI時(shí)間序列進(jìn)行平滑重構(gòu)，在被監(jiān)測(cè)區(qū)域內(nèi)，利用基準(zhǔn)年全年的植被指數(shù)產(chǎn)品MOD13Q1數(shù)據(jù)，根據(jù)作物的物候特征，進(jìn)行S-G濾波平滑，提取11個(gè)物候參數(shù)；對(duì)11個(gè)物候參數(shù)進(jìn)行標(biāo)準(zhǔn)化處理，統(tǒng)一數(shù)值范圍，然后提取每個(gè)物候參數(shù)的有效成分，再對(duì)被監(jiān)測(cè)區(qū)域進(jìn)行分區(qū)獲得物候分區(qū)；

步驟五：將被監(jiān)測(cè)區(qū)域與各物候分區(qū)的矢量文件分別進(jìn)行交匯處理，獲得包含物候信息及作物信息的矢量文件，為該矢量文件添加包含物候信息和作物類型信息的字段，獲得包含物候信息和作物類型信息的矢量文件；

步驟六：對(duì)步驟五中獲得的包含物候信息和作物類型信息的矢量文件進(jìn)行提取，獲得各個(gè)物候分區(qū)各類作物的歸一化植被指數(shù)中值NDVI_m與標(biāo)準(zhǔn)差STD；

步驟七：對(duì)步驟三中所述最終災(zāi)害監(jiān)測(cè)基準(zhǔn)區(qū)的受災(zāi)年份與未受災(zāi)年份的NDVI灰度直方圖進(jìn)行分析，獲得作物受災(zāi)的判斷依據(jù)：當(dāng)某時(shí)相某區(qū)域作物的實(shí)際NDVI值小于NDVI_m-xSTD，并且在連續(xù)的下兩個(gè)時(shí)相內(nèi)仍然小于NDVI_m-xSTD時(shí)，認(rèn)定該區(qū)域作物受災(zāi)；由此，建立作物受災(zāi)監(jiān)測(cè)模型：NDVI-(NDVI_m-xSTD)；式中x為受災(zāi)監(jiān)測(cè)模型的閾值；

步驟八：由步驟二中的被監(jiān)測(cè)區(qū)域作物生長(zhǎng)期的MOD_MYD-NDVI時(shí)間序列和步驟七中作物受災(zāi)監(jiān)測(cè)模型，在0～1范圍內(nèi)嘗試不同閾值，通過(guò)空間分析法提取被監(jiān)測(cè)區(qū)域的災(zāi)害范圍，將被監(jiān)測(cè)區(qū)域分為6月下旬至7月中旬、7月中旬至8月上旬、8月上旬至八月下旬三個(gè)時(shí)段，每個(gè)時(shí)段分為三個(gè)時(shí)相，計(jì)算連續(xù)三個(gè)時(shí)相都受災(zāi)的柵格數(shù)據(jù)；

步驟九：將連續(xù)三個(gè)時(shí)相都受災(zāi)的柵格數(shù)據(jù)轉(zhuǎn)成矢量數(shù)據(jù)，計(jì)算受災(zāi)面積，將大于三個(gè)像元面積的區(qū)域認(rèn)作受災(zāi)區(qū)域的中心，再將受災(zāi)區(qū)域向外擴(kuò)展一個(gè)像元的大小，獲得新的矢量文件，用新的矢量文件裁剪之前得到的連續(xù)三個(gè)時(shí)相都受災(zāi)的柵格數(shù)據(jù)，得到不同閾值對(duì)應(yīng)的災(zāi)害監(jiān)測(cè)結(jié)果；

步驟十：將不同閾值對(duì)應(yīng)的災(zāi)害監(jiān)測(cè)結(jié)果與相應(yīng)的已知最終災(zāi)害監(jiān)測(cè)基準(zhǔn)區(qū)的監(jiān)測(cè)結(jié)果進(jìn)行對(duì)比，將每一對(duì)兩種不同分辨率監(jiān)測(cè)結(jié)果分別轉(zhuǎn)成矢量數(shù)據(jù)，進(jìn)行交匯處理，得到同時(shí)包含兩種分辨率監(jiān)測(cè)結(jié)果的矢量文件；取閾值＝0.5作為最優(yōu)閾值，獲得最終的災(zāi)害監(jiān)測(cè)模型為NDVI-(NDVI_m-0.5STD)；

步驟十一：將最終的災(zāi)害監(jiān)測(cè)模型NDVI-(NDVI_m-0.5STD)用于被監(jiān)測(cè)區(qū)域，獲得被監(jiān)測(cè)區(qū)域的農(nóng)業(yè)災(zāi)害信息。

步驟四中的11個(gè)物候參數(shù)為作物生長(zhǎng)起始期、作物生長(zhǎng)結(jié)束期、振幅、NDVI的平均值、生長(zhǎng)期長(zhǎng)度、NDVI的積分、NDVI最大值、左側(cè)上升曲線間斜率、右側(cè)下降曲線間斜率、整個(gè)時(shí)期的中間點(diǎn)和整個(gè)時(shí)期NDVI的積分。

一個(gè)像元的面積為250×250m²。

本發(fā)明使用的是30m空間分辨率、2d時(shí)間分辨率的HJ-1A/1B_CCD影像，16m空間分辨率、4d時(shí)間分辨率的GF-1/WFV影像、250m空間分辨率、8d時(shí)間分辨率的MODIS影像、250m空間分辨率、16d時(shí)間分辨率的MODIS影像。

步驟四中，獲取11個(gè)物候參數(shù)采用的S-G濾波平滑手段可通過(guò)Timesat軟件實(shí)現(xiàn)；對(duì)11個(gè)物候參數(shù)統(tǒng)一數(shù)值范圍是為了減少較大數(shù)值在綜合評(píng)價(jià)中的影響作用，對(duì)其進(jìn)行主成分分析，提取有效成分，避免數(shù)據(jù)冗余，使影像顏色更加突出明顯。物候分區(qū)是采用面向?qū)ο蟮姆椒ㄟM(jìn)行基于物候信息的多尺度分割，經(jīng)多次試驗(yàn)，得到2015年最優(yōu)尺度為70，該尺度下分割效果良好且不破碎，能夠充分體現(xiàn)物候影像的差異性，故70為最優(yōu)尺度。，得到物候分區(qū)結(jié)果，避免不同物候區(qū)造成的氣候、土壤、水分等干擾因素。

步驟五中，為矢量文件添加包含物候信息和作物類型信息的字段的具體方法是，在文件的屬性表中新添加一列字段，通過(guò)field calculator使這列新的字段同時(shí)包含物候信息和作物類型信息。

步驟六中，獲得各個(gè)物候分區(qū)各類作物的歸一化植被指數(shù)中值NDVI_m與標(biāo)準(zhǔn)差STD，能夠排除因?yàn)椴煌锖騾^(qū)和不同作物造成的NDVI差異的影響。

步驟七中，在ARCGIS軟件中分析已知典型災(zāi)害所在物候區(qū)受災(zāi)年份與未受災(zāi)年份的NDVI灰度直方圖，發(fā)現(xiàn)未受災(zāi)年份的NDVI灰度直方圖大致以NDVI_m為中心呈正太分布，受災(zāi)年份的NDVI灰度直方圖呈偏態(tài)分布，且偏向NDVI值較小的方向，故當(dāng)某時(shí)相某區(qū)域作物的實(shí)際NDVI值小于NDVI_m-xSTD，并且在連續(xù)的下兩個(gè)時(shí)相仍然小于NDVI_m-xSTD時(shí)，認(rèn)定作物受災(zāi)。

步驟八中，對(duì)被監(jiān)測(cè)區(qū)域劃分的關(guān)鍵生長(zhǎng)期三個(gè)時(shí)段的對(duì)應(yīng)關(guān)系分別為177-193對(duì)應(yīng)于6月下旬至7月中旬、193-209對(duì)應(yīng)于7月中旬至8月上旬、209-225對(duì)應(yīng)于8月上旬至八月下旬三個(gè)時(shí)段，利用步驟七的受災(zāi)監(jiān)測(cè)模型，利用ARCGIS軟件的空間分析功能分別提取2013年黑龍江177-225不同時(shí)期全省主要作物：玉米、水稻、大豆和麥類等農(nóng)業(yè)災(zāi)害空間信息。將相同作物的每個(gè)時(shí)段三個(gè)時(shí)相的受災(zāi)像元在ARCGIS軟件中利用calculator功能得到連續(xù)三個(gè)時(shí)相都受災(zāi)的柵格數(shù)據(jù)。利用raster to polygon功能轉(zhuǎn)成矢量文件。

步驟九中，由于MODIS影像的空間分辨率較低，會(huì)出現(xiàn)混合像元的干擾，因此認(rèn)定至少大于3個(gè)MODIS像元的面積才算受災(zāi)；將連續(xù)三個(gè)時(shí)相都受災(zāi)的柵格數(shù)據(jù)轉(zhuǎn)成矢量數(shù)據(jù)，計(jì)算面積，導(dǎo)出大于三個(gè)像元，即250²×3＝127500m²面積的區(qū)域，認(rèn)作受災(zāi)范圍的中心，再將受災(zāi)區(qū)域向外buffer一個(gè)像元，250m的大小，得到新的矢量文件。

步驟十中，根據(jù)與30個(gè)已知典型災(zāi)害對(duì)比分析，再在全黑龍江省投保地塊范圍內(nèi)隨機(jī)選取30個(gè)非受災(zāi)點(diǎn)，利用窗口變步長(zhǎng)法不斷搜索閾值，因?yàn)樽魑锸転?zāi)后其NDVI變小，故閾值x在0～1的范圍內(nèi)，計(jì)算不同閾值對(duì)應(yīng)的kappa系數(shù)PA％和總體精度Pc。最終當(dāng)閾值x為0.5時(shí)，此時(shí)的PA％為80％，Pc為0.9，確定了最終的災(zāi)害監(jiān)測(cè)模型。閾值＝0.5時(shí)，包含兩種分辨率監(jiān)測(cè)結(jié)果的矢量文件中包含兩種分辨率監(jiān)測(cè)結(jié)果的典型災(zāi)害最多，因此作為最優(yōu)閾值。

具體實(shí)施例如下：

步驟一：下載某研究區(qū)所需的MODIS反射率產(chǎn)品MOD09Q1和MYD09Q1，對(duì)作物生長(zhǎng)季的MOD09Q1和MYD09Q1數(shù)據(jù)進(jìn)行轉(zhuǎn)投影，利用空間分析功能計(jì)算NDVI，二者通過(guò)拼接處理結(jié)合使用，消除云影響。得到研究區(qū)2013年5月初到10月末的歸一化植被指數(shù)NDVI時(shí)間序列。

步驟二：下載研究區(qū)2013年已知典型災(zāi)害區(qū)域的HJ-1A/1B_CCD或GF-1/WFV無(wú)云影像，進(jìn)行輻射定標(biāo)、大氣校正、正攝校正、自動(dòng)匹配等預(yù)處理，提取NDVI，分級(jí)處理，保留災(zāi)害區(qū)域，得到最終的高分辨率災(zāi)害監(jiān)測(cè)結(jié)果。

步驟三：利用物候數(shù)據(jù)進(jìn)行信息提取，將11個(gè)物候數(shù)據(jù)進(jìn)行主成分分析及標(biāo)準(zhǔn)化處理。對(duì)處理后的數(shù)據(jù)采用面向?qū)ο蟮姆椒ㄟM(jìn)行基于物候信息的多尺度分割，確定最優(yōu)尺度，得到物候分區(qū)結(jié)果，避免不同物候區(qū)造成的氣候、土壤、水分等干擾因素。

步驟四：將耕地與物候區(qū)進(jìn)行交匯，使新得到的矢量文件屬性表中既含有物候又含有作物信息。

步驟五：利用Arcgis中分區(qū)統(tǒng)計(jì)功能提取不同物候區(qū)各類作物的NDVI中值NDVI_m與標(biāo)準(zhǔn)差STD。

步驟六：通過(guò)分析已知典型災(zāi)害所在物候區(qū)受災(zāi)前后的NDVI灰度直方圖，得出當(dāng)某時(shí)相某區(qū)域作物的實(shí)際NDVI值小于NDVIm-xSTD，并且在連續(xù)的下兩個(gè)時(shí)相仍然小于NDVIm-xSTD時(shí)，認(rèn)定作物受災(zāi)。依據(jù)這個(gè)原理，建立初步監(jiān)測(cè)模型。

步驟七：通過(guò)窗口變步長(zhǎng)法，調(diào)整步長(zhǎng)搜尋最優(yōu)閾值，得出Kappa系數(shù)和總體精度最高時(shí)即為最優(yōu)閾值。表1為窗口變步長(zhǎng)最優(yōu)閾值搜尋結(jié)果，得出最優(yōu)閾值為0.5。

表1 窗口變步長(zhǎng)最優(yōu)閾值搜尋結(jié)果

步驟八：通過(guò)步驟六確定的最優(yōu)閾值，得出最終的災(zāi)害監(jiān)測(cè)模型。利用此模型提取2014年和2015年全黑龍江省農(nóng)業(yè)災(zāi)害空間信息，每年分為177-193、193-209、209-225三個(gè)時(shí)段，與14個(gè)已知典型災(zāi)害對(duì)比分析，表2為2014年和2015年上報(bào)災(zāi)害詳情及提取結(jié)果?？傮w精度Pc為0.93，Kappa系數(shù)PA％為85.9％，詳情見(jiàn)表3，精度較高，證明了該監(jiān)測(cè)模型的通用性，可適用于大尺度范圍、長(zhǎng)時(shí)間序列災(zāi)害空間信息監(jiān)測(cè)。

表2 2014年和2015年上報(bào)災(zāi)害詳情及提取結(jié)果

注：表2中提取結(jié)果為是或否，表示MODIS災(zāi)害監(jiān)測(cè)結(jié)果是否提取出已知典型災(zāi)害。

表3 災(zāi)害監(jiān)測(cè)模型精度評(píng)價(jià)表