The present invention relates to an automatic recognition method for returning farmland to forests based on the changing trend of multi-temporal indexes. By establishing a multi-year day-by-day enhanced vegetation index time series data set in the study area, pixel-by-pixel time series data based on enhanced vegetation index are used to extract abundance, time series dispersion, growth period length, high-fraction persistence and low-value. Five time series indicators, such as site persistence, were detected in turn. Based on the change trend of five time series indicators, the flow chart of automatic identification of returning farmland to forests was established to realize automatic identification of returning farmland to forests. The method divides vegetation growth state according to fractional value, designs multiple time series indexes from cover time, average state, change range and other aspects, characterizes the growth characteristics of single crop, multi-season crop and forest vegetation, and then uses the change trend of multi-time series indexes to indicate the change from crop to forest. Thus, automatic identification of the area of returning farmland to forests has good flexibility and expansibility.
【技术实现步骤摘要】
一种基于多时序指标变化趋势的退耕还林自动识别方法
本专利技术涉及遥感信息处理领域,具体涉及一种基于多时序指标变化趋势的退耕还林自动识别方法。
技术介绍
万物土中生。耕地是人类赖以生存和发展最基本的自然资源。随着人口的增长,人类向土地不断索取食物的需求加剧。山地丘陵区由于耕地稀少,盲目开垦播种坡地带来严重的水土流失问题。干旱区沙地耕种,造成干旱、沙尘暴等自然灾害频发,严重威胁了生态安全。因此通过投入大量资金,有计划、分步骤地实施退耕还林政策。据报道,自退耕还林政策实施10多年来,取得了显著的成效。但退耕还林究竟发生在哪些区域,有必要开展退耕还林实施区域大范围实时监测,而且大范围快速自动监测退耕还林的空间分布,具有重要意义。传统的人工调查方法不仅费时费力,而且难以实现全覆盖,容易受到主观因素的干扰。遥感影像具有时效性强、覆盖范围大的特点,在土地变化检测中发挥着重要作用。然而,由于不同土地覆盖光谱的“类内异质性、类间相似性”的干扰,以及遥感分类人员的经验、分类器、相关数据的丰富程度以及研究区特点等众多因素的影响,导致土地覆盖自动制图精度难以保证。传统的土地覆盖变化检测多基于分类后变化检测的方法,这种方法的不足之处在于:多次分类带来累计误差,并且发生土地覆盖变化区域本身比较小,很容易造成错分或遗漏现象。因此直接提取变化区域的土地覆盖变化检测方法受到极大关注。本专利技术所提出的方法,通过设计多个时序指标,刻画耕地范围内种植的单季农作物、多季农作物以及森林等多种植被类型,进而依据多个时序指标的变化趋势,揭示单季农作物或多季农作物转变为森林的变化过程,最终建立一种基于多 ...
【技术保护点】
1.一种基于多时序指标变化趋势的退耕还林自动识别方法,其特征在于,按照如下步骤实现:步骤S1:逐像元建立研究区历年增强型植被指数年内逐日时序数据集;步骤S2:设定丰度指标、时序离散度指标以及生长期长度指标;步骤S3:设定高分位持续度指标、低分位持续度指标;步骤S4:建立上述五个时序指标的多年时序数据集;步骤S5:计算所述五个时序指标的多年变化趋势Q;步骤S6:对所述五个时序指标的多年变化趋势Q的显著性进行检验;步骤S7:建立退耕还林自动识别流程图;步骤S8:获得研究区退耕还林空间分布图。
【技术特征摘要】
1.一种基于多时序指标变化趋势的退耕还林自动识别方法,其特征在于,按照如下步骤实现:步骤S1:逐像元建立研究区历年增强型植被指数年内逐日时序数据集;步骤S2:设定丰度指标、时序离散度指标以及生长期长度指标;步骤S3:设定高分位持续度指标、低分位持续度指标;步骤S4:建立上述五个时序指标的多年时序数据集;步骤S5:计算所述五个时序指标的多年变化趋势Q;步骤S6:对所述五个时序指标的多年变化趋势Q的显著性进行检验;步骤S7:建立退耕还林自动识别流程图;步骤S8:获得研究区退耕还林空间分布图。2.根据权利要求1所述的一种基于多时序指标变化趋势的退耕还林自动识别方法,其特征在于,在所述步骤S1中,所述增强型植被指数年内逐日时序数据集按照如下步骤获取:步骤S11:通过基于每日的MODIS遥感影像波段数据逐日计算或通过基于8天最大化合成的MODIS遥感影像波段数据计算以及线性插值获取原始年内时序数据集;步骤S12:利用Whittakersmoother平滑方法,对所述原始年内时序数据集进行平滑处理,获取所述增强型植被指数年内逐日时序数据集。3.根据权利要求1所述的一种基于多时序指标变化趋势的退耕还林自动识别方法,其特征在于,在所述步骤S2中,计算所述增强型植被指数年内逐日时序数据集中增强型植被指数年内逐日时序数据的第50分位值,并提取其中大于或等于第50分位值的所有数据,并计算该所有数据的平均值,作为所述丰度指标。4.根据权利要求1所述的一种基于多时序指标变化趋势的退耕还林自动识别方法,其特征在于,在所述步骤S2中,计算所述增强型植被指数年内逐日时序数据集中增强型植被指数年内逐日时序数据的第75分位值,逐像元依次提取所述增强型植被指数年内逐日时序数据集中大于或等于第75分位值的所有数据,建立高值区域;将所述高值区域的极差和标准差的乘积,作为所述时序离散度指标。5.根据权利要求1所述的一种基于多时序指标变化趋势的退耕还林自动识别方法,其特征在于,在所述步骤S2中,计算所述增强型植被...
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。