【技术实现步骤摘要】
一种大范围快速提取农作物种植面积和物候信息的方法
本专利技术涉及农业遥感
，具体而言涉及一种大范围快速提取农作物种植面积和物候信息的方法。
技术介绍
作物种植范围、种植面积及关键物候期是实际农业生产状况中最为基础也是最重要的农情信息。物候期是反映作物生长发育阶段的关键指标，掌握作物的种植分布情况也是进行大范围农业监测的必要条件。当前可获取的作物物候期数据主要来自于农业气象站或实验站的记录，这些数据具有权威性和真实性，但全国范围内的站点数量非常有限，同时农业气象站的运行维护成本高，无法全面覆盖到大片区域。在实际农业生产过程中，农户往往会因局地小气候、个人生活安排等因素调整耕作习惯，这使得物候信息在小尺度范围也具有空间差异性。因此，仅依靠农气站的记录来开展大范围作物生长过程模型的模拟会存在很大的不确定性，常常会过高或过低估计最终的产量。对此，近几年来大部分学者尝试用遥感影像提取作物物候信息，主要基于NDVI、EVI等遥感时序数据设定一定的规则来识别作物种植区并反演物候期。这种基于遥感的物候反演和作物种植区识别方法能够充分发挥遥感数据的时空信息丰富的优势，有着广泛...
【技术保护点】
1.一种大范围快速提取农作物物候信息的方法，包括如下步骤：S1:根据土地利用数据，在研究区内选取耕地样本格点，基于低空间分辨率遥感产品提取各样本格点LAI时序数据；S2：对样本格点LAI时序数据分别使用Savitzky‑Golay(S‑G)滤波、Double logistic和小波滤波器方法进行滤波处理，得到滤波后的LAI特征曲线；S3：提取样本格点关键物候期：根据农气站记录的物候观察值，先划定农气站邻近样本格点的作物物候期的物候提取时间范围，再采用物候提取算法识别出LAI特征曲线的拐点和峰值，作为遥感提取的样本格点关键物候期；S4：计算研究区内各作物在不同滤波方法下提取的...
【技术特征摘要】
1.一种大范围快速提取农作物物候信息的方法，包括如下步骤：S1:根据土地利用数据，在研究区内选取耕地样本格点，基于低空间分辨率遥感产品提取各样本格点LAI时序数据；S2：对样本格点LAI时序数据分别使用Savitzky-Golay(S-G)滤波、Doublelogistic和小波滤波器方法进行滤波处理，得到滤波后的LAI特征曲线；S3：提取样本格点关键物候期：根据农气站记录的物候观察值，先划定农气站邻近样本格点的作物物候期的物候提取时间范围，再采用物候提取算法识别出LAI特征曲线的拐点和峰值，作为遥感提取的样本格点关键物候期；S4：计算研究区内各作物在不同滤波方法下提取的样本格点关键物候期和对应农气站物候观察值的均方根误差(RMSE)，以RMSE最小原则来确定最佳滤波方法；S5：根据上述最佳滤波方法，对研究区内各耕地格点LAI时序数据进行滤波处理，并利用步骤S3的方法提取各作物整个生长季节的关键物候期。2.根据权利要求1所述的大范围农作物物候信息提取方法，其特征在于，所述低空间分辨率遥感产品为GLASSLAI(1km×1km)遥感产品。3.根据权利要求1所述的大范围农作物物候信息提取方法，其特征在于，步骤S2中，Savitzky-Golay(S-G)是利用局部多项式回归模型对时序数据进行平滑处理的低通滤波方法，如公式(1)所示：式中，Y为原始LAI值，Y*为滤波后的LAI值，j指LAI时序的第j个点，Ci为第i个数据点的滤波系数，m为窗口半径，N为滑动窗口的宽度即2m+1；Doublelogistic是将局部拟合合并得到整体拟合结果的方法，在局部拟合过程中，采用的函数为Doublelogistic函数，如公式(2)所示：式中，x1为左拐点的位置，x2为左拐点处的曲线变化率，x3为右拐点的位置，x4为右拐点处的曲线变化率；t为LAI时序索引；小波滤波是一种减少时间序列信息噪声的方法，其中小波函数、小波变换和信号重构如公式(3)-(5)所示：式中，为小波函数；式中，f(t)为输入信号，a为尺度参数，b为位移参数，为小波母函数，选用Daubechies、C...
【专利技术属性】
技术研发人员：张朝，骆玉川，陶福禄，陈一，李子悦，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：北京,11
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。