基于遥感数据的秋收主要农作物信息提取方法及系统技术方案

本发明专利技术公开了一种基于遥感数据的秋收主要农作物信息提取方法及系统，本发明专利技术基于对多时相遥感影像进行波段合并，并结合各作物的物候特征、光谱特征和纹理特征等选取训练样本，采用B‑P神经网络方法对遥感数据进行监督分类，并对分类结果进行分类后处理，实现对研究区各县及全省夏玉米、棉花、花生、大豆、中稻等主要农作物的信息提取。本发明专利技术通过多时相遥感影像波段合并，在减小训练样本数量的条件下，提高了农作物的分类精度，降低了分类过程中的人工成本，提高了工作效率。

Information extraction method and system of main crops in autumn harvest based on remote sensing data

【技术实现步骤摘要】
基于遥感数据的秋收主要农作物信息提取方法及系统
本专利技术属于卫星遥感
，尤其涉及一种基于遥感数据的秋收主要农作物信息提取方法及系统。
技术介绍
及时准确地获取农作物面积和空间分布，可为农业生产产量的预报及评估、粮食价格预测和国家粮食生产布局及规划等提供科学依据。利用农作物光谱特征以及适宜于不同地物类型提取的指数因子，可以将农作物信息从遥感影像中分离出来。目前，农作物信息提取主要可以分为基于单时相和多时相信息提取方法。利用农作物长势关键期的单时相影像提取作物空间分布，由于不同作物在类似物候期上的交叉，不能从农作物生长过程中最大程度地发现与背景地物的差异，严重影响了作物识别精度；利用多时相遥感影像进行监督分类提取作物，大多针对单一种类作物，并且每个时相影像分别建立分类体系、重复绘制训练样本，多次单独监督分类，整合多时相影像分类结果，得到多个时相下单个区域农作物空间分布，各时相影像之间不同农作物差异不易区分，重复绘制训练样本、分别进行监督分类方法工作量大、精度低，且缺乏直观的空间分布信息，不能充分整合多时相影像的农作物地物光谱特征。传本文档来自技高网...

【技术保护点】
1.一种基于遥感数据的秋收主要农作物信息提取方法，其特征在于，所述方法包括如下步骤：/n(1)调查待研究区主要秋收农作物，确定待研究区主要秋收农作物的分类体系；/n(2)根据步骤(1)中确定的分类体系，结合主要秋收农作物的物候期以及其光谱、纹理的特征，选取进行主要秋收农作物信息提取所需要的不同时相的研究区遥感数据，并利用遥感手段对多个时相遥感数据进行正射校正、图像配准、镶嵌、云检测的预处理工作，得到符合分类体系要求的多时相遥感数据；然后对符合分类体系要求的多时相遥感数据进行波段合并；/n(3)基于实地调查样方，利用目视解译的方法，挑选训练样本，综合多时相的主要秋收农作物的光谱、纹理信息，对于同...

【技术特征摘要】
1.一种基于遥感数据的秋收主要农作物信息提取方法，其特征在于，所述方法包括如下步骤：
(1)调查待研究区主要秋收农作物，确定待研究区主要秋收农作物的分类体系；
(2)根据步骤(1)中确定的分类体系，结合主要秋收农作物的物候期以及其光谱、纹理的特征，选取进行主要秋收农作物信息提取所需要的不同时相的研究区遥感数据，并利用遥感手段对多个时相遥感数据进行正射校正、图像配准、镶嵌、云检测的预处理工作，得到符合分类体系要求的多时相遥感数据；然后对符合分类体系要求的多时相遥感数据进行波段合并；
(3)基于实地调查样方，利用目视解译的方法，挑选训练样本，综合多时相的主要秋收农作物的光谱、纹理信息，对于同一种秋收农作物绘制多套训练样本，最后对训练样本的数据集进行有效评估训练样本达到分类要求；其中，有效评估的条件为可分离性大于1.8；
(4)根据目视解译与神经网络监督分类相结合的方法，对步骤(2)中波段合并处理后的多时相遥感数据进行信息提取，获取待研究区主要秋收农作物种植空间分布。


2.根据权利要求1所述的基于遥感数据的秋收主要农作物信息提取方法，其特征在于：在步骤(4)中，所述神经网络为B-P神经网络。


3.根据权利要求2所述的基于遥感数据的秋收主要农作物信息提取方法，其特征在于：用于分类的B-P神经网络具有一个输入层、一个隐藏层和一个输出层组成的3层；其中，输入层节点个数n与遥感影像的样本特征数相同，输出层节点个数与样本的类别数相同；每相邻的两层节点质检单方向互联，训练过程分正向和逆向传播两个传播过程；样本信息在正向传播过程中，隐藏层节点和输出层节点均经过激活函数f(x)作用之后，在两层节点处分别获得样本节点输出信息Hj和网络输出信息Ok；
根据网络输出信息Ok与其目标输出信息Tk得到第一误差信号δk；
然后第一误差信号δk进入逆向传播，传播到隐藏节点处获得第二误差信号σj；
再用误差δk和σj向误差函数减少的方向调整隐藏节点与输出节点之间的联接权值Vkj、输出节点的阈值γk、输入节点与隐藏节点之间的联接权值wji和隐藏节点的阈值θj；
将需训练的遥感图像训练样本逐个输入B-P神经网络中，按照正向传播过程和逆向传播过程两个过程进行训练，待所有样本全部训练一遍之后，计算分类的均方根误差E；
当满足E≤λ时，训练结束，获取训练完毕后网络节点之间的联接权值wji、Vkj和阈值θj、γk；否则，更新训练次数，将样本再逐个输入网络进行往复训练，直到满足E≤λ为止，其中，λ为指定精度。


4.根据权利要求3所述的基于遥感数据的秋收主要农作物信息提取方法，其特征在于：样本节点输出信息Hj为：






其中，f(x)为激活函数，Ii为输入遥感图像样本，wji为输入节点与隐藏节点之间的联...

【专利技术属性】
技术研发人员：高青山，李翠翠，彭义峰，李俊杰，周经理，李晓进，
申请(专利权)人：中国资源卫星应用中心，
类型：发明
国别省市：北京;11