基于面向对象技术与NDVI时间序列相结合的农作物精细分类方法技术

本发明专利技术公开了一种基于面向对象技术与NDVI时间序列相结合的农作物精细分类方法，充分利用NDVI时间序列能够反应农作物物候信息的特点，实现农作物的区分，同时基于面向对象技术消除椒盐效应，有效提高农作物精细分类的精度，为农作物精细分类提供了一种新思路。

【技术实现步骤摘要】

本专利技术是一项农作物遥感精细分类技术，提出了一种基于面向对象技术与NDVI 时间序列相结合的农作物精细分类方法，充分利用NDVI时间序列能够反应农作物物候信 息的特点，实现农作物的区分，同时基于面向对象技术消除椒盐效应，有效提高农作物精细 分类的精度，为农作物精细分类提供了一种新思路。
技术介绍
农作物的种植面积、产量等信息是国家制定粮食规划和经济政策的重要依据，而 及时准确地掌握农作物种植分布是获取作物种植面积和进行产量预测估产的基础。随着遥 感平台的不断发展及影像分辨率不断提高，遥感技术在农业领域中得到了广泛的应用，如 作物种类提取、种植面积监测、长势监测和产量估算等。利用遥感技术能够在短期内快速、 连续获取大尺度农作物的高分辨率影像，为农作物的精细分类提供了强有力的技术支撑。 我国农作物类型复杂多样，许多作物的光谱特征极为相似，利用单一时相遥感 影像数据进行农作物提取经常会出现"错分、漏分"的现象。近年来，归一化植被指数 (Normalized Difference Vegetation Index, NDVI)时间序列数据，能够精确地反映植被 物候信息，有效削弱"同物异谱，同谱异物"现象，逐渐应用于农作物的提取。目前较为流行 的方法是基于M0DIS、NOAA/AVHRR的NDVI时间序列数据，但由于影像空间分辨率较低加之 我国农作物种植类别复杂多样，地块较为破碎，仅有极少的像元是由单一地物所组成，农作 物分类精度有限。随着遥感数据源的不断丰富，目前中、高分辨率影像时间序列的构建逐步 成为热点，主要方法包括图像模拟法、多源数据综合法，而且高分辨率NDVI时间序列已经 应用于农作物分类。 随着遥感影像空间分辨率的不断提升，面向对象的分类方法已成为主流，该方法 将具有相同光谱、纹理和空间组合关系等特征的像元合并成一个对象，W对象为单位进行 分类。相对基于像元的分类方法，面向对象的分类方法能够明显消除椒盐噪声，而且地物边 界信息清晰。目前该方法主要集中应用于单一时相高分辨率遥感影像的分类，因此无法区 分"异物同谱"的地物类型。 基于上述问题，本专利提出了一种基于面向对象技术与NDVI时间序列相结合的 农作物精细分类算法，该算法针对高分辨率遥感数据时相分辨率的不足，综合利用LANDSAT TM数据和町-1数据构建高分辨率NDVI时间序列，并与面向对象技术进行优势互补，即削弱 "同物异谱、异物同谱"现象，又消除椒盐效应，从而提升分类精度。
技术实现思路
本专利提出了一种基于面向对象技术与NDVI时间序列相结合的农作物精细分类 算法，该方法综合了农作物的光谱信息（NDVI)和物候信息（时间序列）削弱了农作物"同 物异谱、同谱异物"现象，同时结合面向对象的技术消除椒盐效应，能有效提升农作物分类 的精度。该方法包括如下步骤： 步骤1)获取TM数据和町-1数据，利用TM数据和町-1数据构建NDVI时间序列； [000引步骤2)对步骤1)得到的NDVI时间序列进行主成分分析，提取前3个主成分形成 主成分数据； 步骤3)对步骤2)得到的主成分数据进行多尺度分割，得到一系列分割单元，每 个分割单元由空间上相邻、同质性达到80%W上的像元组成，将每个分割单元作为一个对 象； 步骤4)将步骤3)所得到的对象作为面状矢量与步骤1构建的NDVI时间序列进 行叠加，提取每个对象对应区域不同时相的NDVI均值，从而获得每个对象相应的NDVI时序 数据，形成基于对象的NDVI时间序列； 步骤5)利用全球30米地表覆盖数据获取试验区的耕地分布图，形成对应区域的 掩膜； 步骤6)针对基于对象的NDVI时间序列数据添加步骤5)形成的掩膜，利用地面实 测农作物样本数据，采用支持向量机（SVM)的监督分类算法对耕地区域进行分类，形成农 作物精细分类图。 进一步地，多尺度分割的分割尺度为80、颜色因子为0. 7、光滑度为0. 5。 进一步地，地面实测农作物样本为棉花、玉米、小麦、打瓜和葡萄，样本数据为作物 的几何位置信息。 本专利技术的优点；本专利技术针对高分辨率遥感数据时相分辨率的不足，综合利用多源 遥感数据分辨率、波段相近的特点，实现了高分辨率NDVI时间序列的构建；同时将面向对 象技术与农作物物候特征进行了有机结合，应用于高分辨率遥感影像，即削弱"同物异谱、 异物同谱"现象，又消除椒盐效应，提高了分类的精度。【附图说明】 图1为试验区30m-NDVI主成分数据分割图； 图2为试验区农作物精细分类图。【具体实施方式】 下面结合实例对本专利技术作进一步说明。 步骤一；高空间分辨率NDVI时间序列的构建。高分辨率影像虽然空间分辨率较 高，但回访周期较长，且受制于云、水汽等天气影响，很难利用同源高分辨率影像构建NDVI 时间序列数据。而町-1卫星搭载的中分辨率多光谱CCD相机，其传感器波段设置和空间分 辨率与LandsatTM基本一致，所W本专利技术获取了试验区（位于新疆博尔塔拉蒙古自治州博 乐市中部）（2011年4月至10月）5景町-1影像和6景TM影像（影像序列的获取时间见 表1)，经过福射定标、大气校正、几何校正等处理后，提取NDVI并构建30m-NDVI时间序列， W实现对作物生长发育关键时期的连续观测。 表1町-1CCD和 LandsatTM影像 步骤二；NDVI时间序列主成分提取。对步骤一获取的30m-NDVI时间序列进行主 成分分析，W去除或减弱波段之间的相关性，提取前3个主成分形成30m-NDVI主成分数据。 步骤S ;对30m-NDVI主成分数据进行多尺度分割，得到一系列空间上相邻、同质 性较高的分割单元，将每个单元作为一个对象。利用30m-NDVI时间序列前=个主成分进行 影像分割，既能减弱信息冗余对分割精度的影响，同时由于维数的降低能够提高影像分割 效率。多尺度分割试验采用的参数为；分割尺度为80、颜色因子为0. 7、光滑度为0. 5。 步骤四；将步骤S所得到的对象作为面状矢量与步骤一构建的NDVI时间序列进 行叠加，提取每个对象对应区域不同时相的NDVI均值，从而获得每个对象相应的NDVI时序 数据，形成基于对象的NDVI时间序列； 步骤五：利用全球30米地表覆盖数据，获取耕地分布图，做成掩膜；本专利技术主要目 的是利用物候信息结合面向对象技术开展农作物精细分类，为了避免其它地物的干扰，从 网站化ttp ;//glc30. tiandi1:u. com/background. html)下载实验区的30米地表覆盖数据， 该数据是由国家基础地理信息中屯、牵头制作的全球30米地表覆盖数据佑lobeLand30)，获 取试验区耕地分布数据，制作成掩膜。 步骤六：针对试验区的耕地，利用地面实测农作物数据作为训练样本，开展农作物 精细分类。试验区的主要农作物为棉花、玉米、小麦、小麦-玉米（套种）、打瓜和葡萄，通 过野外实地调查获取了各类农作物种植地块的样本数据（样本数据为作物的几何位置信 息），形成训练样本，同时添加步骤五形成的掩膜，对基于对象的NDVI时序数据，采用支持 向量机（SVM)的监督分类算法首先对从农作物样本的NDVI时间序列中获取农作物的物候 特征，进而利用各农作物的物候特征对耕地区域进行分类，形成农作物精细分本文档来自技高网...

【技术保护点】
基于面向对象技术与NDVI时间序列相结合的农作物精细分类方法，其特征在于，该方法包括以下步骤：步骤1)获取TM数据和HJ‑1数据，利用TM数据和HJ‑1数据构建NDVI时间序列；步骤2)对步骤1)得到的NDVI时间序列进行主成分分析，提取前3个主成分形成主成分数据；步骤3)对步骤2)得到的主成分数据进行多尺度分割，得到一系列分割单元，每个分割单元由空间上相邻、同质性达到80％以上的像元组成，将每个分割单元作为一个对象；步骤4)将步骤3)所得到的对象作为面状矢量与步骤1)构建的NDVI时间序列进行叠加，提取每个对象对应区域不同时相的NDVI均值，从而获得每个对象相应的NDVI时序数据，形成基于对象的NDVI时间序列；步骤5)利用全球30米地表覆盖数据获取试验区耕地分布图，形成对应区域的掩膜；步骤6)针对基于对象的NDVI时间序列数据添加步骤5)形成的掩膜，利用地面实测农作物样本数据，采用支持向量机(SVM)的监督分类算法对耕地区域进行分类，形成农作物精细分类图。

【技术特征摘要】

【专利技术属性】
技术研发人员：占玉林，郝鹏宇，牛铮，王力，黄妮，高帅，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：北京;11