基于MODIS数据的区域大尺度作物种植结构提取方法技术

基于MODIS数据的区域大尺度作物种植结构提取方法，属于农业种植结构技术领域。本发明专利技术是为了解决现有农业遥感监测中农作物种植结构的提取方法分类误差大的问题。它首先采集大尺度监测区域的全年影像数据，并进行预处理，获得多张大尺度监测区域的完整影像；再对完整影像进行裁剪，建立提取年份的完整时序文档，并获取每个像元的NDVI时间序列曲线；提取全年的11个物候数据，并进行浮点化；再提取每个物候数据的关键信息；获得多个物候分区；进行多尺度分割获取种植结构单元；最后采用最邻近分类方法进行基于样本的分类提取，获得大尺度监测区域的作物种植结构。本发明专利技术用于作物种植结构的提取。

【技术实现步骤摘要】
基于MODIS数据的区域大尺度作物种植结构提取方法
本专利技术涉及基于MODIS数据的区域大尺度作物种植结构提取方法，属于农业种植结构

技术介绍
农作物的种植结构对高效作物规范管理具有重要的意义，农作物的遥感影像获取是种植结构调整的关键环节，在大尺度下准确提取作物种植结构关乎整个农业发展。遥感技术的不断发展带动农业遥感的不断进步，目前农业遥感应用于作物估产、作物面积提取、灾害监测、土地覆盖分类、作物时空格局演变研究等诸多领域，是农业管理的一个重要基础，也是制定农业发展策略乃至整个国民经济发展方向的重要依据之一。但农用地遥感研究一般集中在两个尺度上：一是地块尺度的作物分类；二是土地利用中的耕地提取，部分研究划分了水田和旱地。地块尺度的作物分类对遥感数据的时间、空间分辨率以及地面样本数据要求高，且成本高、耗时耗力；耕地提取结果中，耕地作为最小信息单元，缺乏内部的作物种植结构信息，尽管获取相对容易，但难以用于农业生产管理、生态环境时空模型的定量模拟。作物种植结构的研究一方面影响着作物长势遥感监测的准确性与发展方向，而且在分作物、分区的模型建立中也起到重要的作用。为了能够更好地、准确地获取农作物的种植结构、面积、产量等信息，并能及时、精确地取得农业灾情等关键信息，有关作物种植结构的研究也越来越受到了较多学者的关注。因此，如何获取较大尺度范围内农作物分布情况已经成为农业遥感、作物生长状况监测、农情预测的核心问题。传统作物类型及种植结构的提取方法通常是根据波谱特征的统计差异与训练区的样本相结合进行分类的。但对于混作区的定义却比较模糊，仅仅依据光谱特征进行分类使得农作物生长的季节性和物候特征的稳定性规律难以发挥优势。而且不同地区同一类型的作物生长节律不同，导致植被覆盖指数NDVI的时间序列曲线形状也不相同，会带来较大的分类误差。
技术实现思路
本专利技术目的是为了解决现有农业遥感监测中农作物种植结构的提取方法分类误差大的问题，提供了一种基于MODIS数据的区域大尺度作物种植结构提取方法。本专利技术所述基于MODIS数据的区域大尺度作物种植结构提取方法，它包括以下步骤：步骤一：采集大尺度监测区域的全年影像数据，并进行预处理，将同一采样时刻的影像数据进行影像拼接，获得多张大尺度监测区域的完整影像；步骤二：对所述的完整影像根据相应的耕地矢量图范围进行裁剪，建立提取年份的完整时序文档，并获取每个像元的NDVI时间序列曲线；步骤三：对NDVI时间序列曲线趋势进行平滑重构，提取全年的11个物候数据，并对11个物候数据进行浮点化；步骤四：对11个物候数据进行合成处理，获取综合信息数据，对综合信息数据进行标准化，再对标准化综合信息数据进行主成分分析，选取最优波段，提取每个物候数据的关键信息；步骤五：根据物候数据的关键信息对所有完整影像进行分区获得多个物候分区；步骤六：对物候分区进行多尺度分割获取种植结构单元；步骤七：对种植结构单元采用最邻近分类方法进行基于样本的分类提取，获得大尺度监测区域的作物种植结构。本专利技术的优点：本专利技术利用TIMESAT进行物候数据提取，在分区基础上采用面向对象分割的种植结构提取方法获取种植结构信息。它采用MODIS遥感影像，空间分辨率为250m，时间分辨率为16天，在省级尺度，250m空间分辨率十分适合种植结构提取的研究。本专利技术提出了作物种植结构单元(CRoppingPatternUnit,CRPU)这一概念，构建出一种快速、低成本、准确的区域尺度CRPU提取方法。它应用遥感手段进行物候数据提取，对区域大尺度范围进行农业分区，避免由于同地区间生长季长短不一以及气候、地貌、植被、土壤等各种条件对同一区域内各种作物的配制结构制约等的影响，区域大尺度分区的方法更简单、直观、准确、快速；分区的界线更为合理，更能反映区域间的综合特征和微妙差异。同时该专利技术做到精准、及时、方便，很真实的反映作物的空间分布形式，为农业决策带来准确的分布结果。本专利技术的应用也是保证农业粮食安全、进行种植结构优化的依据，也对农业产业结构调整乃至制定进一步战略性目标具有一定理论意义。由此可见，开展基于遥感技术的作物种植结构监测具有深远的意义。附图说明图1是步骤三中采用Savitsky-Golay算法平滑前后各作物NDVI时间序列图；图中点数据为平滑前数据，线数据为平滑后数据；图2TIMESAT中的物候参数起始时间图；图中：a表示作物生长期起始点；e表示作物生长期终止点；b表示上升幅度为整体增幅的20％时的某一时间；d表示下降幅度为整体降幅的20％时的某一时间；c表示最大值；g表示生长过程中的振幅；f表示生长季的长度；h和h+i表示两种积分。图3是耕地物候分区图；图中轮廓线为分区边界；图4是黑龙江省耕地物候分区最优分割尺度评价图；图5是采用本专利技术方法进行多尺度分割，获取种植结构单元后进行评价的曲线图；图6是本专利技术提取种植结构分类体系的特征空间构建图；图7是以黑龙江省为例的种植结构提取结果图。具体实施方式具体实施方式一：下面结合图1至图7说明本实施方式，本实施方式所述基于MODIS数据的区域大尺度作物种植结构提取方法，它包括以下步骤：步骤一：采集大尺度监测区域的全年影像数据，并进行预处理，将同一采样时刻的影像数据进行影像拼接，获得多张大尺度监测区域的完整影像；步骤二：对所述的完整影像根据相应的耕地矢量图范围进行裁剪，建立提取年份的完整时序文档，并获取每个像元的NDVI时间序列曲线；步骤三：对NDVI时间序列曲线趋势进行平滑重构，提取全年的11个物候数据，并对11个物候数据进行浮点化；步骤四：对11个物候数据进行合成处理，获取综合信息数据，对综合信息数据进行标准化，再对标准化综合信息数据进行主成分分析，选取最优波段，提取每个物候数据的关键信息；步骤五：根据物候数据的关键信息对所有完整影像进行分区获得多个物候分区；步骤六：对物候分区进行多尺度分割获取种植结构单元；步骤七：对种植结构单元采用最邻近分类方法进行基于样本的分类提取，获得大尺度监测区域的作物种植结构。步骤一中的预处理可以包括以下至少一种方式：格式与投影转换及利用双线性内插的采样方法提取NDVI。步骤五中获得多个物候分区的具体方法可以为：对完整影像利用多尺度间隔执行分割，在多次分区的基础上，利用各区域间同质性及异质性计算评价指数，对每次的分区结果进行有效评价，获取最优分区尺度，将按照最优分区尺度进行分区获得的结果作为物候分区结果。步骤一中，采集的全年影像数据，可以是下载的MODIS16天合成的陆地产品(MODIS/TerraVegetationIndices16-Day/MOD13Q1/16d)，包括生长季在内的全年影像，对遥感影像利用MODIS转换工具——MODISReprojectionTool(MRT)进行格式与投影转换、采用双线性内插的采样方法提取植被指数(NormalDifferentialVegetationIndex/NDVI)，利用ERDAS软件拼接工具(MosaicTool)进行影像拼接等预处理。步骤二中，将步骤一中处理后的影像根据区域大尺度耕地矢量图范围进行裁剪，在ENVI软件中存为标准格式，建立一个完整提取年份的时序的TXT文档，从而获取每个像元的NDVI时间序列曲线本文档来自技高网...

【技术保护点】
一种基于MODIS数据的区域大尺度作物种植结构提取方法，其特征在于，它包括以下步骤：步骤一：采集大尺度监测区域的全年影像数据，并进行预处理，将同一采样时刻的影像数据进行影像拼接，获得多张大尺度监测区域的完整影像；步骤二：对所述的完整影像根据相应的耕地矢量图范围进行裁剪，建立提取年份的完整时序文档，并获取每个像元的NDVI时间序列曲线；步骤三：对NDVI时间序列曲线趋势进行平滑重构，提取全年的11个物候数据，并对11个物候数据进行浮点化；步骤四：对11个物候数据进行合成处理，获取综合信息数据，对综合信息数据进行标准化，再对标准化综合信息数据进行主成分分析，选取最优波段，提取每个物候数据的关键信息；步骤五：根据物候数据的关键信息对所有完整影像进行分区获得多个物候分区；步骤六：对物候分区进行多尺度分割获取种植结构单元；步骤七：对种植结构单元采用最邻近分类方法进行基于样本的分类提取，获得大尺度监测区域的作物种植结构。

【技术特征摘要】
1.一种基于MODIS数据的区域大尺度作物种植结构提取方法，其特征在于，它包括以下步骤：步骤一：采集大尺度监测区域的全年影像数据，并进行预处理，将同一采样时刻的影像数据进行影像拼接，获得多张大尺度监测区域的完整影像；步骤二：对所述的完整影像根据相应的耕地矢量图范围进行裁剪，建立提取年份的完整时序文档，并获取每个像元的NDVI时间序列曲线；步骤三：对NDVI时间序列曲线趋势进行平滑重构，提取全年的11个物候数据，并对11个物候数据进行浮点化；步骤四：对11个物候数据进行合成处理，获取综合信息数据，对综合信息数据进行标准化，再对标准化综合信息数据进行主成分分析，选取最优波段，提取每个物候数据的关键信息；步骤五：根据物候数据的关键信息对所有完整影像进行分区获得...

【专利技术属性】
技术研发人员：刘焕军，闫岩，王宗明，郭栋，
申请(专利权)人：中国科学院东北地理与农业生态研究所，
类型：发明
国别省市：吉林,22