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

本发明专利技术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，通过建立研究区多年逐日增强型植被指数时序数据集，逐像元逐年基于增强型植被指数时序数据，提取丰度、时序离散度、生长期长度、高分位持续度、低分位持续度等五个时序指标；依次检测上述五个时序指标的多年变化趋势；基于五个时序指标的变化趋势，建立退耕还林自动识别流程图，从而实现退耕还林自动识别。本发明专利技术提出的方法依据分位值划分植被生长状态，从覆盖时间、平均状态、变化幅度等侧面设计多个时序指标，刻画单季农作物、多季农作物和森林植被的生长特征，进而利用多时序指标的变化趋势指示从农作物到森林的变化，从而自动识别退耕还林区域，具有很好的灵活性和拓展性。

An automatic recognition method of returning farmland to forests based on the trend of multiple time series indicators

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时序指标变化趋势的退耕还林自动识别方法。
技术实现思路
本专利技术的目的在于提供一种基于多时序指标变化趋势的退耕还林自动识别方法，以克服现有技术中存在的缺陷。为实现上述目的，本专利技术的技术方案是：一种基于多时序指标变化趋势的退耕还林自动识别方法，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。在本专利技术一实施例中，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。在本专利技术一实施例中，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。在本专利技术一实施例中，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。在本专利技术一实施例中，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最大值Max和最小值Min，计算该最大值Max和最小值Min的极差(Max-Min)，将按时间顺序依次获取的大于或等于(Min+(Max-Min)/2)的数据对应的持续时间累加，作为生长期长度指标。在本专利技术一实施例中，在所述步骤S3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65分位值，将经逐像元按时间顺序依次检索大于或等于第65分位值的持续时间后获取的最大值作为高分位持续度指标。在本专利技术一实施例中，在所述步骤S3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，将经逐像元按时间顺序依次检索大于或等于第50分位值的持续时间后获取的次大值作为低分位持续度指标。在本专利技术一实施例中，在所述步骤S5中，通过采用Sen氏斜率法获取所述多年变化趋势Q。在本专利技术一实施例中，在所述步骤S6中，所述多年变化趋势Q的显著性检验包括空间显著性检验以及时序显著性检验且将显著性检验的结果记为：显著正趋势、无趋势和显著负趋势。在本专利技术一实施例中，在所述步骤S7中，通过如下方式建立所述退耕还林自动识别流程图：(1)当丰度和生长期长度均具有显著正趋势，而时序离散度呈现出显著负趋势，并且高分位持续度、低分位持续度均无趋势时，则该像元由单季农作物转变为森林，即该像元为退耕还林区域；(2)当高分位持续度、生长期长度均具有显著正趋势，而低分位持续度呈现出显著负趋势，并且丰度、时序离散度均无趋势时，则该像元由多季农作物转变为森林，即该像元为退耕还林区域。相较于现有技术，本专利技术具有以下有益效果：(1)通过采用基于植被指数时序数据分位数，划分若干植被生长阶段。由于单季农作物、多季农作物、森林等植被在不同植被生长阶段呈现出各自的特点。基于若干植被生长阶段，通过从覆盖时间、平均状态、变化幅度等侧面，设计丰度、时序离散度、连续度等多个时序指标，用于刻画不同植被类型的多方位特征，具有很好的灵活性和拓展性。(2)通过采用基于多个时序指标的总体变化趋势，对某些年份数据出现错误或异常等情况，具有更好的容错能力。(3)不依赖多次分类，直接自动识别退耕还林这种特定的变化方式，具有简洁明了的特点。(4)可以不借助已知训练数据，不需要人机交互，不依赖监督分类或机器学习方法，实现退耕还林自动识别。附图说明图1为本专利技术一实施例中的流程图。图2为本专利技术一实施例中单季农作物2001-2016年退耕还林点位的EVI时序曲线图。图3为本专利技术一实施例中双季农作物2001-2016年退耕还林点位的EVI时序曲线图。图4为本专利技术一实施例中单季农作物2001-2016年退耕还林点位的五个时序指标的变化趋势图。图5为本专利技术一实施例中双季农作物2001-2016年退耕还林点位的五个时序指标的变化趋势图。图6为本专利技术一实施例中2001-2016年研究区五个时序指标变化趋势的空间分布图。图7为本专利技术一实施例中退耕还林自动识别流程图。图8为本专利技术一实施例中研究区退耕还林空间分布图。具体实施方式下面结合附图，对本专利技术的技术方案进行具体说明。本专利技术提供一种基于多时序指标变化趋势的退耕还林自动识别方法，如图1所示：首先建立研究区每个栅格单元的多年逐日增强型植被指数时序数据集，然后逐像元基于增强型植被指数时序数据，逐年提取丰度、时序离散度、生长期长度、高分位持续度、低分位持续度五个时序指标，逐像元依次检测上述五个时序指标的多年变化趋势，在此基础上基于五个时序指标的变化趋势，建立退耕还林自动识别流程图，最终达到退耕还林自动识别的目标。为了让本领域技本文档来自技高网...

【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...

【专利技术属性】
技术研发人员：邱炳文，钟江平，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35