基于水体指数变异系数的水稻亚像元识别方法技术

本发明专利技术公开了一种基于水体指数变异系数的水稻亚象元识别方法，包括如下步骤：S1.构建水体指数、植被指数、地表温度时序数据集；S2.剔除研究区域内非耕地像元；S3.根据地表温度确定作物生长季的时期；S4.计算各像元生长季内水体指数的变异系数；S5.确定水体指数变异系数与水稻种植面积比例的关系；S6.依据水体指数的变异系数进行水稻种植面积比例计算。该方法利用水稻的需水特性，根据水体指数变异系数随水稻种植面积比例的增加而降低，二者具有显著的线性相关性。通过设计水体指数的变异系数，用于水稻亚像元识别并计算种植面积的比例，具有不依赖于先验知识、鲁棒性好、分类精度高、识别能力强等特点。

Identification of rice sub pixel based on water index variation coefficient

The invention discloses a water index based on coefficient of variation of the rice sub-pixel recognition method, which comprises the following steps: constructing S1. water index, vegetation index and surface temperature time series data set; S2. removed from the research region of cultivated land is determined according to the S3. pixel; crop growth season surface temperature; S4. calculation of the coefficient of variation of each pixel growth season water index; S5. water index to determine the relationship between coefficient of variation and the proportion of rice planting area; calculate rice planting area ratio variation coefficient of S6. according to the water index. According to the water demand characteristics of rice, the coefficient of variation of water index decreased with the increase of rice planting area, and the two had significant linear correlation. By designing the coefficient of variation of water index, it can be used in rice sub-pixel identification and calculation of the proportion of planting area. It has the characteristics of not relying on prior knowledge, good robustness, high classification accuracy and strong recognition ability.

【技术实现步骤摘要】
基于水体指数变异系数的水稻亚像元识别方法
本专利技术属于农业遥感
更具体地，涉及一种基于水体指数变异系数的水稻亚像元识别方法。
技术介绍
水稻种植空间分布的变化对于我国农业产业结构调整、水资源监测以及温室气体排放至关重要。作为世界上最大的水稻生产国，快速精确监测水稻的空间分布，对于确保粮食安全和气候变化研究具有重要意义。高精度的光学遥感和合成孔径雷达由于受数据可获得性及计算能力的限制，很难应用于区域水稻面积制图。目前区域或国家尺度水稻面积制图大都采用中等分辨率的遥感数据，这些数据具有较高的时间分辨率并且数据比较容易获取。水稻面积制图已经开展了大量的工作。与自然植被相比，在人类水肥管理条件下，水稻具有特定的物候期和生长发育阶段。早期的研究大都采用单波段反射率，利用监督/非监督分类的方法进行水稻面积制图。但由于受水稻生长物候期的区域差异，这种方法很难大面积推广。一些研究采用多时相的遥感影像和植被指数进行水稻面积制图。近几年比较常用的方法是XiangmingXiao（2002）提出的基于植被指数和水体指数算法，该方法通过比较水稻插秧期植被指数（NDVI/EVI）与水分指数（LSWI），如果满足（NDVI/EVI+T>LSWI），则该像元被判定为水稻。其中NDVI为归一化植被指数，EVI为增强型植被指数，LSWI为水体指数，T为常数。该方法充分利用水稻插秧期淹水的条件下，LSWI比较高，而NDVI或EVI比较低的特点进行水稻识别，在东亚、东南亚以及南亚地区得到了很好的应用。另外，BingwenQiu（2015）提出了一种基于水体与植被指数变化比值指数的水稻自动制图方法。但是上述这些方法都没有考虑水稻的亚像元问题，对于山区水稻和水稻与其它作物间作种植区域识别度比较低。因此，需要发展一种亚像元的水稻识别方法来进一步提高中等分辨率遥感数据的水稻识别能力。
技术实现思路
本专利技术所要解决的技术问题是克服现有水稻面积制图中的缺陷和不足，提供一种基于水体指数变异系数的水稻亚像元自动识别方法。所述方法不依赖于田间观测，鲁棒性好分类精度比较高；可进一步提高对山区水稻和水稻与其它空间作物间作种植区域的识别度，提高中等分辨率遥感数据的水稻识别能力。本专利技术的目的是提供一种基于水体指数变异系数的水稻亚像元识别方法。本专利技术的上述目的是通过以下技术方案给予实现的：一种基于水体指数变异系数的水稻亚象元自动识别方法，包含如下步骤，S1.构建水体指数、植被指数、夜间地表温度时序数据集；S2.剔除研究区域内非耕地像元；S3.根据地表温度确定生长季的时期；S4.计算各像元生长季内水体指数的变异系数；S5.确定水体指数变异系数与水稻种植面积比例的关系；S6.依据水体指数的变异系数进行水稻种植面积比例计算。本专利技术基于水分指数变异系数的水稻亚像元识别方法，流程如图1所示，首先建立研究区LSWI、NDVI和LST的年内时序数据集，在对研究区内的非耕地像元进行掩膜处理的基础上，利用地表温度数据确定作物的生长季时期，并计算每个像元生长季LSWI指数的CV值，根据MODIS土地利用类型图自动获取水稻纯像元（以水体代替，与水稻具有相近的CV值）和旱地零像元，并计算CV值，确定CV值与水稻种植面积比例的线性关系，然后根据研究区内每个像元的CV值计算水稻种植面积的比例。优选地，步骤S1所述水体指数与植被指数是根据MOD09A1产品计算得出的；地表温度是根据MYD11A2产品计算得出的。优选地，步骤S2具体为设定生长季NDVI最大值为A，若A<0.6，则判定该像元为稀疏植被；设定夜间地表温度0到10℃期间NDVI最大值为B，若B>0.4，则判定该像元为自然植被，从而剔除非耕地像元；耕地具有比较高的NDVI值，若生长季内NDVI最大值小于0.6，则判定该像元为稀疏植被（包括水体、建筑用地、盐碱地等），即不为耕地；满足NDVI大于0.6的，除了耕地，还有可能是林地等盖度比较大的自然植被，这些自然植被返青一般比较早，NDVI值相对比较高，而耕地在夜间地表温度0到10℃的时候的NDVI还比较小，所以设定了第二个条件，去除林地等盖度比较大的自然植被。优选地，步骤S3中，夜间地表温度（LST）稳定大于0℃时，作物出苗不受冻害影响，以此判定为作物生长季的时期；优选地，步骤S4的水体指数变异系数为耕地作物生长季时期的水体指数的标准偏差与平均值的比值。优选地，步骤S5中，依据水稻纯像元（100%水稻面积）与旱地零像元（0%水稻面积）的CV值，确定水稻种植面积的比例：Yarea=-a×Xcv+b；其中，Yarea为水稻种植面积的比例，Xcv为像元水体指数的变异系数，a、b为常数。优选地，步骤S5中，为了提高该方法的自动性，利用MODIS土地利用类型图被用来自动获取水稻纯像元与旱地零像元；因为水体像元与水稻纯像元具有相近的CV值，因此水体像元被用来作为纯像元。由于一年一熟地区作物的生长发育主要受温度限制，因而可以利用地表生长温度判定作物的生长季，从而再研究作物水体指数变异系数与种植面积比例之间的关系。因此，上述任一所述方法在一年一季作物生长区农作物或/和土地利用分类的遥感自动识别方面的应用亦在本专利技术保护范围内。优选地，所述农作物为水稻、小麦、大豆或玉米。具体地，所用应用为在水稻精确制图中的应用。本专利技术充分利用水稻的需水特性，在整个生育期内水稻基本处于淹水条件，其水体指数的变异性小于其它农作物，并且水体指数变异系数随水稻种植面积比例的增加而降低，二者具有显著的线性相关性。通过设计水体指数的变异系数，用于水稻亚像元识别并计算种植面积的比例。与现有技术变比，本专利技术具有以下有益效果：（1）本专利技术能够进行中等分辨率尺度上水稻的亚像元识别，提高了水稻的识别能力；（2）本专利技术通过计算植被生长季内水体指数的变异系数，而非某个时刻水体指数的值，能在很大程度上消除噪声和降水带来的干扰；（3）本专利技术相较于其它水稻制图方法，仅利用水分指数一个指标，简洁方便，易于操作；（4）本专利技术不借助于观察数据，自动性强，鲁棒性好分类精度比较高，结果稳定可靠。附图说明图1为本专利技术的实现流程图。图2为LST、LSWI年内时序信号图；LSWI100代表纯水稻像元，LSWI50为水稻种植面积占50%的像元，LSWI0代表旱地像元。图3为水稻种植面积比例与像元CV值之间的关系。具体实施方式以下结合说明书附图和具体实施例来进一步说明本专利技术，但实施例并不对本专利技术做任何形式的限定。除非特别说明，本专利技术采用的试剂、方法和设备为本
常规试剂、方法和设备。除非特别说明，以下实施例所用试剂和材料均为市购。实施例1一种基于水体指数变异系数的水稻亚象元自动识别方法，具体包括如下步骤：步骤S1：构建植被指数、水体指数、地表温度时序数据集；首先根据MOD09A18天合成的反射率产品，计算NDVI（波段1和2）、LSWI（波段2和6）。利用Savitzky-Golayfilter等去噪方法，对原始年内时序数据集进行平滑去噪处理。根据MYD11A2产品计算夜间地表温度。共获得46幅年内时序数据集，作为水稻亚象元识别的基础。步骤S2：剔除研究区内非耕地像元；依据植被指数值域分布特征，对研究区内的稀疏植被（包括水体、建筑用地、盐碱本文档来自技高网...

【技术保护点】
一种基于水体指数变异系数的水稻亚象元识别方法，其特征在于，包括如下步骤：S1.构建水体指数、植被指数、地表温度时序数据集；S2.剔除研究区域内非耕地像元；S3.根据地表温度确定作物生长季的时期；S4.计算各像元生长季内水体指数的变异系数；S5.确定水体指数变异系数与水稻种植面积的比例的关系；S6.依据水体指数的变异系数进行水稻种植面积比例计算。

【技术特征摘要】
1.一种基于水体指数变异系数的水稻亚象元识别方法，其特征在于，包括如下步骤：S1.构建水体指数、植被指数、地表温度时序数据集；S2.剔除研究区域内非耕地像元；S3.根据地表温度确定作物生长季的时期；S4.计算各像元生长季内水体指数的变异系数；S5.确定水体指数变异系数与水稻种植面积的比例的关系；S6.依据水体指数的变异系数进行水稻种植面积比例计算。2.根据权利要求1所述的方法，其特征在于，步骤S1所述水体指数与植被指数是根据MOD09A1产品计算得出的；地表温度是根据MYD11A2产品计算得出的。3.根据权利要求1所述的方法，其特征在于，步骤S2具体为设定生长季NDVI最大值为A，若A<0.6，则判定该像元为稀疏植被；设定夜间地表温度0到10℃期间NDVI最大值为B，若B>0.4，则判定该像元为自然植被，...

【专利技术属性】
技术研发人员：袁文平，刘伟，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东,44