The invention relates to a dry land crop identification method based on remote sensing time series data. This method is based on the time series data of vegetation index and SWIR, for each growth period of the crop growth stage, and then infer the crop growth stage and late growth stage of crop growth, followed by the establishment of early SWIR and EVI increment product index, crop growth period SWIR and EVI incremental product index, integrated to form the entire crop the growth period SWIR and EVI incremental product index, based on the whole crop growth period SWIR and EVI product development index incremental Dryland Crop identification. This method makes full use of dryland crops in the whole growth period, SWIR band varies greatly with the change of EVI and SWIR in the opposite direction, and the band changed little water crops and relatively consistent with the direction of EVI characteristics, design of the whole crop growth period SWIR and EVI incremental product index, for Dryland Crop identification, has the characteristics of good robustness and high classification accuracy, automation and strong anti-interference ability etc..
【技术实现步骤摘要】
一种基于遥感时序数据的旱地作物识别方法
本专利技术涉及遥感信息处理领域,具体涉及一种基于遥感时序数据的旱地作物识别方法。
技术介绍
准确快速掌握农作物种植面积及其空间分布范围,对于确保粮食安全至关重要。大宗旱地作物如小麦、玉米、土豆的分布范围很广,在我国农业生产中占有重要地位。其他旱地作物如花生、棉花、油菜、大豆、芝麻等等,作为油料、饲料或纺织原料,均与人们生活密切相关。因此快速自动监测旱地作物的空间分布,具有非同寻常的意义。传统的农业抽样调查方法难以突破人力财力成本高、耗时长以及无法全覆盖的局限性。遥感影像具有时效性强、覆盖范围大的特点,在农作物面积监测中发挥着重要作用。我国已经初步建立了农情遥感监测与信息服务系统,实现了主要农作物、草地和农业灾害的实时监测。然而,在我国农情信息遥感监测系统的作物遥感监测业务中,有两个方面问题值得关注:(1)在主要农作物识别中,通常需要用到耕地掩膜数据,由于土地利用/覆盖数据的时效性与精度等各方面问题,不可避免地带来误差,从而直接影响到农作物面积遥感估算的精度;(2)由于农作物生长期内云雨天气比较频繁,一些时期的遥感影像不免受到云的影响,导致遥感指数时序曲线受到干扰,为基于多期或时间序列的遥感分类方法带来挑战。针对问题1,有必要加强旱地作物空间分布的快速自动监测工作,能一次性提取所有旱地作物空间分布范围,为进一步分别开展各种旱地作物识别提供掩膜数据。针对问题2,有必要加强时序遥感分类技术研究,尽可能避免云雨天气带来的干扰,建立自动化程度高、鲁棒性强的时序分类方法。本专利技术拟针对上述问题,建立一种能高效识别旱地作物的方法 ...
【技术保护点】
一种基于遥感时序数据的旱地作物识别方法,其特征在于:包括如下步骤,步骤S01:逐像元建立研究区植被指数、短波红外波段的时序数据;步骤S02:逐像元计算每个生长周期内的EVI最大值,获取农作物生长盛期时间;步骤S03:依据农作物生长盛期时间,推断农作物生长前期和生长后期;步骤S04:建立农作物生长前期的SWIR和EVI增量乘积指数;步骤S05:建立农作物生长后期的SWIR和EVI增量乘积指数;步骤S06:建立整个农作物生长期的SWIR和EVI增量乘积指数;步骤S07:依据SWIR和EVI增量乘积指数进行旱作种植区提取。
【技术特征摘要】
1.一种基于遥感时序数据的旱地作物识别方法,其特征在于:包括如下步骤,步骤S01:逐像元建立研究区植被指数、短波红外波段的时序数据;步骤S02:逐像元计算每个生长周期内的EVI最大值,获取农作物生长盛期时间;步骤S03:依据农作物生长盛期时间,推断农作物生长前期和生长后期;步骤S04:建立农作物生长前期的SWIR和EVI增量乘积指数;步骤S05:建立农作物生长后期的SWIR和EVI增量乘积指数;步骤S06:建立整个农作物生长期的SWIR和EVI增量乘积指数;步骤S07:依据SWIR和EVI增量乘积指数进行旱作种植区提取。2.根据权利要求1所述的一种基于遥感时序数据的旱地作物识别方法,其特征在于:所述步骤S02具体实现即:首先依据耕地复种指数空间分布图逐像元推断农作物生长周期个数,而后逐像元计算每个生长周期内的EVI最大值,获取每个生长周期所对应的农作物生长盛期时间。3.根据权利要求1所述的一种基于遥感时序数据的旱地作物识别方法,其特征在于:所述步骤S03中,将农作物生长盛期出现时间往前推70天,确定为农作物播种期,并将农作物播种期到生长盛期这段时间确定为农作物生长前期;同时将农作物生长盛期出现时间往后推50天,确定为农作物收获期,进而将农作物生长盛期到收获期这段时间确定为农作物生长后期。4.根据权利要求1所述的一种基于遥感时序数据的旱地作物识别方法,其特征在于:所述步骤S04中,基于农作物播种期与生长盛期中SWIR的差值,计算农作物生长前期的SWIR增量,记为DS1;基于农作物播种期与生长盛期EVI的差值,计算农作物生长前期的EVI增量,记为DE1;通过将DS1和DE1相乘,获得农作物生长前期的SWIR和EVI增量乘积指数T1:T1=DS1×DE1=(SWIRheading-SWIRseedling)×(EVIheading-EVIseedling)其中,EVIheading、EVIseedling分别为农作物生长盛期、播种期EVI的数值,SW...
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。