广义DEM思想下的农作物种植结构遥感提取方法技术
【技术实现步骤摘要】
本专利技术属于农业遥感领域，具体涉及广义DEM思想下的农作物种植结构遥感提取方法。
技术介绍
农业领域应用遥感技术提取农作物种植结构的方法日益丰富，技术越来越成熟、可靠，整体效果逐步被业内认可。目前，农作物种植结构遥感提取方法很多，如基于不同数据源的遥感提取方法，包括基于MODIS、TM/ETM、SPOT、高分等不同来源、不同分辨率影像数据；如基于不同分类技术的提取方法，包括目视解译、决策树、神经网络、支持向量机等分类技术。根据已有研究成果分析发现，现有提取效果较好的农作物提取方法存在以下问题：一是需要人工采集大量的农作物训练样本；二是人为因素干扰较大；三是自动化程度较低。
技术实现思路
为了克服现有农作物种植结构遥感提取方法中存在的上述问题，本专利技术提供了一种基于广义DEM思想的农作物种植结构遥感提取方法。本专利技术采用的技术方案是：广义DEM思想下的农作物种植结构遥感提取方法，包括以下过程：第一，获取目标区域遥感数据。遥感数据可以是高、中、低分辨率遥感影像的植被指数数据，其中，植被指数可以是ndvi、evi等。第二，增强所要提取的农作物信息。由于某些外在影响因素，可能会导致影像数据无法达到预期要求。因此，根据专家知识，本方法选择目标区域农作物植被指数相对最大和最小时的相邻时相遥感影像各两期。其中，植被指数最大的相邻两期数据做最大合成，记为Max影像，最小的相邻两期数据做最小合成，记为Min影像。然后，通过差值法增强农作物信息，即Max影像减去Min影像，记为农作物信息差值增强影像。农作物差值增强影像应尽可能地确保所要提取的农作物位于该影像的高值区域，而...
【技术保护点】
广义DEM思想下的农作物种植结构遥感提取方法，其特征在于，包括以下过程：第一，获取目标区域遥感数据；第二，增强所要提取的农作物信息，选择目标区域农作物植被指数相对最大和最小时的相邻时相遥感影像各两期；其中，植被指数最大的相邻两期数据做最大合成，记为Max影像，最小的相邻两期数据做最小合成，记为Min影像。然后，通过差值法增强农作物信息，即Max影像减去Min影像，记为农作物信息差值增强影像；第三，引入广义DEM思想中地形特征点“山顶点”原理自动随机提取某类农作物一定数量的样本点；第四，引入广义DEM思想中特征线“山脊线”作为二次筛选条件，将错误的样本点去掉，统计剩余样本点最小值作为提取该类农作物的阈值，应用阈值法提取该类农作物种植面积，并进行精度验证；其中，二次筛选原理是“山顶点”必然位于“山脊线”上；第五，精度验证，应用统计数据或更高分辨率遥感影像目视解译结果对提取的农作物种植面积结果进行精度验证；第六，若精度达不到应用要求，从第二步开始重新选择合适时相遥感影像，并应用新选择数据增强农作物信息，重复第三、第四、第五步骤，直到精度达到要求。
【技术特征摘要】
1.广义DEM思想下的农作物种植结构遥感提取方法，其特征在于，包括以下过程：第一，获取目标区域遥感数据；第二，增强所要提取的农作物信息，选择目标区域农作物植被指数相对最大和最小时的相邻时相遥感影像各两期；其中，植被指数最大的相邻两期数据做最大合成，记为Max影像，最小的相邻两期数据做最小合成，记为Min影像。然后，通过差值法增强农作物信息，即Max影像减去Min影像，记为农作物信息差值增强影像；第三，引入广义DEM思想中地形特征点“山顶点”原理自动随机提取某类农作物一定数量的样本点；第四，引入广义DEM思想中特征线“山脊线”作为二次筛选条件，将错误的样本点去掉，统计剩余样本点最小值作为提取该类农作物的阈值，应用阈值法提取该类农作物种植面积，并进行精度验证；其中，二次筛选原理是“山顶点”必然位于“山脊线”上；第五，精度验证，应用统计数据或更高分辨率遥感影像目视解译结果对提取的农...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。