一种基于NDVI时间序列坐标转换的冬小麦识别方法技术

本发明专利技术提出了一种基于NDVI时间序列坐标转换的冬小麦识别方法，本发明专利技术采用覆盖冬小麦生长周期NDVI时间序列，充分利用冬小麦区别于其它地物的特有物候特征，并通过NDVI时间序列的坐标转换，显著提升冬小麦与其它地物的差异，并基于均值与标准差阈值分割法实现了冬小麦的高精度识别。

【技术实现步骤摘要】

本专利技术是一项冬小麦遥感识别技术，提出了一种基于NDVI时间序列坐标转换的 冬小麦识别方法，通过NDVI时间序列的坐标转换，显著提升冬小麦与其它地物的差异，实 现了冬小麦的高精度识别。
技术介绍
小麦是全球最重要粮食作物之一，在全球种植范围最广泛。我国小麦也是最重要 的粮食作物，种植面积占粮食作物总播种面积的五分之一，在我国粮食构成中占重要地位。 我国以冬小麦为主，及时准确地提取冬小麦种植面积是开展产量预测的基础，是关系到国 家粮食安全和社会稳定的重要因素。 基于实地观测的传统冬小麦面积获取方法，不能满足及时、准确的获取大区域冬 小麦面积的需求。随着遥感技术的高速发展，遥感影像在冬小麦监测领域中得到了广泛 的应用。早期主要采用单一时相遥感影像数据开展冬小麦的识别，由于作物类型复杂多 样，不同作物之间存在明显的光谱重叠，利用单一时相遥感影像数据进行作物分类时易出 现"错分、漏分"现象，很难达到理想的分类精度。随着遥感数据源的不断丰富，考虑到不 同作物随季节变化的差异，多时相遥感数据甚至时间序列遥感数据可以增强不同作物之间 的光谱可分性，目前遥感数据时间序列，尤其是归一化植被指数（normalizeddifference vegetationindex，NDVI)时间序列已经成为作物识别研究的热点。NDVI是应用遥感技术提取作物信息的一个最常用指标，被广泛应用于作物分类和 生长状况评价。NDVI时间序列数据能够精确地反映植被物候信息（出苗、拔节、抽穗、成熟)， 有效削弱"同物异谱，同谱异物"现象，在作物分类研究中发挥了重要作用，可以应用于冬小 麦的识别。目前较为流行的方法是基于MODIS、N0AA/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，冬小麦识别精度有限。随着我国高分专项首颗卫星GF-1卫星的发射， 其搭载的宽覆盖相机（WideFieldofView，WFV)具备16米空间分辨率及4天重访周期 的影像获取能力，为高空间分辨率NDVI时间序列的构建提供了有效数据源。 在NDVI时间序列识别作物领域，当前应用较为成熟的方法是决策树分类法，该方 法仅仅利用时间序列中的几个特征波段，而没有综合考虑整个序列。为此本专利技术提出了一 种基于NDVI时间序列坐标转换的冬小麦识别方法，充分考虑了整个NDVI时间序列，而且操 作流程简单实用。
技术实现思路
本专利技术提出了一种基于NDVI时间序列坐标转换的冬小麦识别方法，充分利用冬 小麦区别于其它作物的特有物候特征，并通过NDVI时间序列的坐标转换，显著提升冬小麦 与其它地物的差异，实现了冬小麦的高精度识别。 步骤一：获取冬小麦生长周期内的GF-1WFV影像序列，并构建NDVI时间 序列，形成以时间为横坐标，NDVI为纵坐标的NDVI时间序列曲线；步骤二：通过实 地调查或历史数据，获取冬小麦样本数据；步骤三：基于冬小麦样本，获取相应的 像元的NDVI时间序列曲线，对所有样本像元的NDVI时间序列进行算术平均，形成 冬小麦NDVI时间序列的参考曲线；步骤四：以冬小麦NDVI时间序列参考曲线为基 准对NDVI时间序列曲线进行坐标转换，也就是将试验区内所有像元对应NDVI时间 序列曲线减去参考曲线，其中，像元的NDVI时间序列表示为 ，冬小麦的NDVI时间序列参考曲线表不为，，按照公式|计算得到每个像元的NDVI时间序列 转换曲线；步骤五：基于NDVI时间序列转换曲线，利用冬小麦样本数据，分别计算样本像元 对应的转换曲线的均值与标准差，然后通过统计分析获取均值绝对值和标准差的最大值作 为小麦识别的阈值，实现阈值的自动确定；步骤六：利用步骤四得到的转换曲线，分别计算 试验区内每个像元对应的转换曲线的均值与标准差，并利用步骤五得到的阈值进行判断， 当均值和标准差都在阈值范围时，则判定该像元为冬小麦，遍历整个试验区，最后形成冬小 麦分布图。 进一步地，所述步骤一中冬小麦的生长周期为当年10月至次年6月，尽量确保每 个月有一期GF-1WFV数据，NDVI时间序列构建前需要对数据经过辐射定标、大气校正、几 何校正等处理，然后利用红光波段与近红外波段计算得到NDVI，最后形成NDVI时间序列。 进一步地，所述步骤四中，以冬小麦NDVI参考曲线为基准进行坐标转换，可以将 冬小麦的NDVI时间序列控制在0值附近，并降低冬小麦NDVI时间序列的离散度，同时提高 其它地物NDVI时间序列均值的绝对值或NDVI时间序列的离散度，有利于提升冬小麦的识 别精度。 进一步地，所述步骤五中，冬小麦样本数据具有代表性，即利用样本像元获取的转 换曲线均值与标准差的动态范围能代表整个试验区冬小麦NDVI时间序列转换曲线均值与 标准差的动态范围，并采用均值与标准差两个量的阈值范围作为冬小麦识别的标准。本专利技术的优点：本专利技术采用单一数据源构建了高空间分辨率NDVI时间序列，NDVI时间序列覆盖整个冬小麦生长周期，通过建立坐标转换模型，降低冬小麦NDVI时间序列的 离散度，并利用样本数据完成了阈值的自动获取，实现了冬小麦识别精度的提升。【附图说明】 图1为基于NDVI时间序列坐标转换的冬小麦识别方法流程图。 图2为2014年10月到2015年5月试验区典型地物的NDVI时间序列曲线。 图3为试验区典型地物的NDVI时间序列转换曲线。 图4为试验区冬小麦识别结果图。【具体实施方式】下面结合实例对本专利技术作进一步说明，本专利技术的实施流程如图1所示，各部分具 体实施细节如下。 步骤一：获取冬小麦生长周期内的GF-1WFV数据，并构建NDVI时间序列；本专利技术 以河北省衡水冀州市为试验区，获取了从2014年10月至2015年5月覆盖冬小麦生长周期 的GF-1WFV数据共8景(见表1)，经过辐射定标、大气校正、几何校正等处理后，提取NDVI 并构建NDVI时间序列，以实现对作物生长发育关键时期的连续观测。其中NDVI是利用GF-1 WFV数据的红光波段与近红外波段，通过公式（1)计算得到。式中邊为近红外波段反射率，:为红光波段反射率。表 1GF-1WFV影像试验区典型地物包括林地、不透水面、水体、裸地，在2014年10月至2015年5月期间 农作物以冬小麦为主，典型地物的NDVI曲线图如图2所示。 步骤二：通过实地调查在试验区获取了 1500个冬小麦样本数据，样本数据在试验 区尽可能均匀分布。 步骤三：基于冬小麦样本数据构建参考曲线。本专利技术案例中NDVI时间序列含8个 时相，则每个像元的NDVI时间序列曲线可表示为不同位置的小麦 由于播种时间、水肥条件等方面的影响，其NDVI时间序列曲线会有所差异，因此，对所有样 本像元的NDVI时间序列曲线进行算术平均(见式（2))，形成冬小麦NDVI时间序列参考曲线 1.W〇步骤四：NDVI时间序列坐标转换。以参考曲线为基准对NDVI时间序列曲线进行坐标 转换，也就是将试验区内所有像元对应NDVI时间序列曲线减去参考曲线(见式（3))，得到 每个像元的NDVI时间序列转换曲线|。坐标转换后的NDVI时间序列曲线如图3所示，从图中可以看出，冬小麦的NDVI时间序 列转换曲线相对其它本文档来自技高网...

【技术保护点】
一种基于NDVI时间序列坐标转换的冬小麦识别方法，该方法包括如下步骤：步骤一：获取冬小麦生长周期内的GF‑1 WFV影像序列，并构建NDVI时间序列，形成以时间为横坐标，NDVI为纵坐标的NDVI时间序列曲线；步骤二：通过实地调查或历史数据，获取冬小麦样本数据； 步骤三：基于冬小麦样本，获取相应的像元的NDVI时间序列曲线，对所有样本像元的NDVI时间序列进行算术平均，形成冬小麦NDVI时间序列的参考曲线；步骤四：以冬小麦NDVI时间序列参考曲线为基准对NDVI时间序列曲线进行坐标转换，也就是将试验区内所有像元对应NDVI时间序列曲线减去参考曲线，其中，像元的NDVI 时间序列表示为，冬小麦的NDVI时间序列参考曲线表示为，按照公式计算得到每个像元的NDVI时间序列转换曲线；步骤五：基于NDVI时间序列转换曲线，利用冬小麦样本数据，分别计算样本像元对应的转换曲线的均值与标准差，然后通过统计分析获取均值绝对值和标准差的最大值作为小麦识别的阈值，实现阈值的自动确定；步骤六：利用步骤四得到的转换曲线，分别计算试验区内每个像元对应的转换曲线的均值与标准差，并利用步骤五得到的阈值进行判断，当均值和标准差都在阈值范围时，则判定该像元为冬小麦，遍历整个试验区，最后形成冬小麦分布图。...

【技术特征摘要】

【专利技术属性】
技术研发人员：占玉林，孟庆岩，顾行发，余涛，王春梅，李娟，魏香琴，刘苗，李玲玲，
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