一种基于SAR技术的农作物解译方法技术

本发明专利技术属遥感数据解译方法技术领域，尤其涉及一种基于SAR技术的农作物解译方法，针对极端天气条件下光学遥感影像受厚云等大气条件的影响无法使用的情况，通过大量实验分析，将光学影像的高可视化特征和SAR影像的高穿透性特征相结合，针对项目研究区域光学影像几乎无法使用的情况下，通过SAR时间序列影像和光学影像的ROI特征配合来完成作物类型的定性和定量等解译工作，解决了受灾严重情况下光学遥感影像不能用的难题，实验提取精度达到了87.7%。在气候条件比较恶劣的受灾区域可以快速的高效的确定受灾情况，为作物受灾的精确提取判读提供了新的方法。

A Crop Interpretation Method Based on SAR Technology

The invention belongs to the technical field of remote sensing data interpretation method, in particular relates to a crop interpretation method based on SAR technology. In view of the situation that optical remote sensing images can not be used under extreme weather conditions affected by thick clouds and other atmospheric conditions, through a large number of experimental analysis, the high visualization characteristics of optical images and the high penetration characteristics of SAR images are combined to study regional light for the project. When the image is almost unusable, the qualitative and quantitative interpretation of crop types can be accomplished by combining the ROI features of SAR time series images and optical images. The problem that optical remote sensing images can not be used in severe disaster situations is solved. The experimental extraction accuracy reaches 87.7%. The disaster situation can be quickly and efficiently determined in the disaster-stricken areas with bad climatic conditions, which provides a new method for accurate extraction and interpretation of crop disaster.

【技术实现步骤摘要】
一种基于SAR技术的农作物解译方法
本专利技术属遥感数据解译方法
，尤其涉及一种基于SAR技术的农作物解译方法。
技术介绍
现有的农作物提取解译流程通常包括以下步骤：1）遥感人员确定需要提取的作物类型和项目研究区域；2）开始收集该区域的遥感影像（主要是光学影像，分辨率在10米左右），然后经过对影像进行目视判读并选取ROI（RegionOfInteresting，感兴趣区域）作为目标提取物的样本数据；3）建立决策树对影像进行分类，对分类后的结果进行实地查勘验证并在精度不高的区域采集一些样本以便对分类结果进行修正处理，最终完成农作物的提取。已有技术缺点：1）在光学卫星获取影像时经常会遇到研究区域由于受到多云及阴雨等极端天气的影响（尤其在多山区域），导致光学传感器获取的影像结果无法使用；2）虽然使用SAR（SyntheticApertureRadar，合成孔径雷达）遥感成像方式可以不受云和阴雨等极端天气的影响，但是SAR影像上无法直接对地物的光谱特征分析或者目视解译地物的类型，此外，在SAR影像上是无法看出植物的特征并进行类别区分的。
技术实现思路
本专利技术专利针对极端天气条件下光学遥感影像受厚云等大气条件的影响无法使用的情况,提供了利用SAR技术和光学影像相结合来判读作物类型和受灾面积的一种基于SAR技术的农作物解译方法，该方法是将光学影像的高可视化特征和SAR影像的高穿透性特征相结合,通过SAR时间序列影像和光学影像的ROI特征配合来完成作物类型的定性和定量等解译工作,使得能够在气候条件比较恶劣的受灾区域可以快速的高效的确定受灾情况，为作物的受灾情况提取精确的判读。本专利技术采用的技术方案是：一种基于SAR技术的农作物解译方法，包括以下步骤：步骤1）、确定需要提取的作物类型和项目研究区域；步骤2）、收集该区域可用的最近时间内可用的光学遥感影像和目标地物生长周期内的SARGRD强度数据；将收集到的SARGRD强度数据以一定的时间间隔，组成时间序列影像组；步骤3）、对雷达强度数据按照项目所在研究区域边界进行裁剪操作，将裁剪后的雷达强度数据进行导入处理得到VH和VV极化方式的时间序列影像组强度数据；步骤4）、对步骤3裁剪后的时间序列影像组数据进行批量的滤波和重采样操作，得到剔除噪声干扰的时间序列影像组强度数据；步骤5）、对经过步骤4处理后的时间序列影像组强度数据,采用雷达数据自带的高精度的轨道参数文件进行几何校正，使其达到亚像元级别的配准精度要求；步骤6）、对步骤5处理后的时间序列影像组强度数据进行地理编码和辐射定标,得到反映地物真实辐射率的雷达强度时间序列影像组数据；步骤7）、根据查勘人员外业采集的样本点和地块调查信息,确定目标地物的分布区域，并生成将采集的样本点生成的ROI，区域使用编写代码进行随机打乱顺序处理进行随机打乱处理，并分成验证样本、测试样本和训练样本三部分；对训练样本采用KNN将样本点的光谱特征信息进行提纯，剔除由于受噪声影响而偏离整体聚类的样本点；步骤8）、使用决策树的方法对经过预处理的光学影像进行预分类,并将分类结果和外业采集的地块进行对比分析验证分类精度，使用混淆矩阵或ROC曲线进行精度分析；对分类的结果使用步骤7中选出的测试样本对光学影像的分类结果进行精度验证；步骤9）根据样本点及步骤8中从光学影像提取解译结果及光学影像上的目标地物的光谱特征，通过ENVI软件中的光谱分割工具来分析不同作物的光谱特征，进而确定目标作物的特征阈值范围,将经过实施方式中步骤1-6流程处理过雷达强度时间序列影像组数据和已经过分类验证的光学影像进行地理关联,然后在实施方式中步骤1-6流程处理过的雷达强度时间序列影像上选取样本；步骤10）、在步骤8中得到的光学影像的分类结果上，将目标地物的提取结果作为雷达强度时间序列影像上的候选样本区域，选取种植集中的区域进行ROI的绘制，然后步骤1-6处理后的雷达强度时间序列数据上使用选取的ROI样本进行监督分类；步骤11）、分类的结果的优化,通过对非目标地物的其他地物，提取建立掩膜来降低易误分地物的干扰，以提高雷达时序影像的分类精度。进一步的，所述步骤2）中一个时间间隔为15天。进一步的，所述步骤7）中，验证样本占样本点总数的20%，测试样本占样本点总数的20%，训练样本占样本点总数的60%。进一步的，所述步骤7）中对训练样本采用KNN将样本点的光谱特征信息进行提纯时，将设定值K取值2。进一步的，所述步骤10）中所选取的种植集中的区域为像元不少于20个的区域。进一步的，所述步骤10）中对ROI样本进行监督分类的方法为SVM、决策树或最大似然法。本专利技术的有益效果是：1）通过作物生长周期内时间序列雷达影像对农作物提取分析，创造了微波雷达影像在农业解译中的一种新的技术方法，增加了雷达数据应用的领域；2）该技术流程可以有效缓解极端天气或多云区域无可用光学影像（云量较少的影像）的状况，也为大面积发生自然灾害时，可以使用该技术进行灾害的快速评估和定损；3）雷达微波不受天气的影响，全天候、全天时获取数据的特性，达到了实时监测的效果；同时，也为植被解译及农业灾害的精确定位和定损提供了一种新的方法；4）将微波雷达数据和光学遥感数据相结合，实现了作物光谱特征的迁移，同时又巧妙的将地物在光学影像上的光谱特征附加到相同位置的雷达数据的微波反射率上，实现了不同数据源优点的融合，为微波雷达数据下的作物的深层特征挖掘提供了新的方法；5）该专利技术丰富了作物提取的手段，利用已有方法进行拼接优化，充分挖掘了雷达数据的可用性，也为后期更深入的探究指明了一个方向，增加了研究方案的可选择性。附图说明图1是本专利技术提供的一种基于SAR技术的农作物解译方法的流程图。具体实施方式本专利技术的核心是提供一种基于SAR技术的农作物解译方法。如图1所示，一种基于SAR技术的农作物解译方法，包括以下步骤：一种基于SAR技术的农作物解译方法，包括以下步骤：步骤1）、确定需要提取的作物类型和项目研究区域；步骤2）、收集该区域可用的生长周期内现有最新可用的内可用的光学遥感影像和目标地物生长周期内的SARGRD（GroundRangeDetected，地距多视探测）强度数据，将收集到的SARGRD强度数据以15天为一个时间间隔，组成时间序列影像组；步骤3）、使用ENVI软件的SARScape模块对时间序列影像组数据进行导入，得到VH（Vertical、Horizontal，垂直，水平）和VV（Vertical、Vertical垂直，垂直）极化方式的时间序列影像组强度数据；由于雷达时间序列影像组数据量较大（20G左右）,为了提高数据的处理效率，因此在对雷达时间序列影像组数据进行导入操作前，先对雷达时间序列影像组按照所在研究区域行政区划边界进行裁剪操作，只保留研究区域内的部分；步骤4）、对步骤3裁剪后的时间序列影像组数据进行批量的滤波和重采样操作，得到剔除噪声干扰的时间序列影像组强度数据；步骤5）、对经过步骤4处理后的时间序列影像组强度数据由于传感器定位精度存在偏差导致的定位精度不是很高，为了保证地理位置的精确性,采用雷达数据自带的高精度的轨道参数文件进行几何校正，从而达到亚像元级别的配准精度要求；步骤6）、对步骤5处理后的时间序列影像组强度数本文档来自技高网...

【技术保护点】
1.一种基于SAR技术的农作物解译方法，其特征在于，包括以下步骤：步骤1）、确定需要提取的作物类型和项目研究区域；步骤2）、收集该区域可用的最近时间内可用的光学遥感影像和目标地物生长周期内的SAR GRD强度数据；将收集到的SAR GRD强度数据以一定的时间间隔，组成时间序列影像组；步骤3）、对雷达强度数据按照项目所在研究区域边界进行裁剪操作，将裁剪后的雷达强度数据进行导入处理得到VH和VV极化方式的时间序列影像组强度数据；步骤4）、对步骤3裁剪后的时间序列影像组数据进行批量的滤波和重采样操作，得到剔除噪声干扰的时间序列影像组强度数据；步骤5）、对经过步骤4处理后的时间序列影像组强度数据,采用雷达数据自带的高精度的轨道参数文件进行几何校正，使其达到亚像元级别的配准精度要求；步骤6）、对步骤5处理后的时间序列影像组强度数据进行地理编码和辐射定标,得到反映地物真实辐射率的雷达强度时间序列影像组数据；步骤7）、根据查勘人员外业采集的样本点和地块调查信息,确定目标地物的分布区域，并生成将采集的样本点生成的ROI，区域使用编写代码进行随机打乱顺序处理进行随机打乱处理，并分成验证样本、测试样本和训练样本三部分；对训练样本采用KNN将样本点的光谱特征信息进行提纯，剔除由于受噪声影响而偏离整体聚类的样本点；步骤8）、使用决策树的方法对经过预处理的光学影像进行预分类,并将分类结果和外业采集的地块进行对比分析验证分类精度，使用混淆矩阵或ROC曲线进行精度分析；对分类的结果使用步骤7中选出的测试样本对光学影像的分类结果进行精度验证；步骤9）根据样本点及步骤8中从光学影像提取解译结果及光学影像上的目标地物的光谱特征，通过ENVI软件中的光谱分割工具来分析不同作物的光谱特征，进而确定目标作物的特征阈值范围, 将经过实施方式中步骤1‑6流程处理过雷达强度时间序列影像组数据和已经过分类验证的光学影像进行地理关联, 然后在实施方式中步骤1‑6流程处理过的雷达强度时间序列影像上选取样本；步骤10）、在步骤8中得到的光学影像的分类结果上，将目标地物的提取结果作为雷达强度时间序列影像上的候选样本区域，选取种植集中的区域进行ROI的绘制，然后步骤1‑6处理后的雷达强度时间序列数据上使用选取的ROI样本进行监督分类；步骤11）、分类的结果的优化,通过对非目标地物的其他地物，提取建立掩膜来降低易误分地物的干扰，以提高雷达时序影像的分类精度。...

【技术特征摘要】
1.一种基于SAR技术的农作物解译方法，其特征在于，包括以下步骤：步骤1）、确定需要提取的作物类型和项目研究区域；步骤2）、收集该区域可用的最近时间内可用的光学遥感影像和目标地物生长周期内的SARGRD强度数据；将收集到的SARGRD强度数据以一定的时间间隔，组成时间序列影像组；步骤3）、对雷达强度数据按照项目所在研究区域边界进行裁剪操作，将裁剪后的雷达强度数据进行导入处理得到VH和VV极化方式的时间序列影像组强度数据；步骤4）、对步骤3裁剪后的时间序列影像组数据进行批量的滤波和重采样操作，得到剔除噪声干扰的时间序列影像组强度数据；步骤5）、对经过步骤4处理后的时间序列影像组强度数据,采用雷达数据自带的高精度的轨道参数文件进行几何校正，使其达到亚像元级别的配准精度要求；步骤6）、对步骤5处理后的时间序列影像组强度数据进行地理编码和辐射定标,得到反映地物真实辐射率的雷达强度时间序列影像组数据；步骤7）、根据查勘人员外业采集的样本点和地块调查信息,确定目标地物的分布区域，并生成将采集的样本点生成的ROI，区域使用编写代码进行随机打乱顺序处理进行随机打乱处理，并分成验证样本、测试样本和训练样本三部分；对训练样本采用KNN将样本点的光谱特征信息进行提纯，剔除由于受噪声影响而偏离整体聚类的样本点；步骤8）、使用决策树的方法对经过预处理的光学影像进行预分类,并将分类结果和外业采集的地块进行对比分析验证分类精度，使用混淆矩阵或ROC曲线进行精度分析；对分类的结果使用步骤7中选出的测试样本对光学影像的分类结果进行精度验证；步骤9）根据样本点及步骤8中从光学影像...

【专利技术属性】
技术研发人员：谷俊鹏，蒋鹏飞，焦航，杜斌，
申请(专利权)人：中科光启空间信息技术有限公司，
类型：发明
国别省市：河南,41