基于遥感影像的倒伏水稻识别方法与装置制造方法及图纸

本申请涉及一种基于遥感影像的倒伏水稻识别方法与装置。本发明专利技术的基于遥感影像的倒伏水稻识别方法与装置，根据图像拍摄的时间来确定水稻的生长时期，并通过组合NDVI、NDWI、纹理Mean值、RVI构建的决策树模型，基于单期影像，充分利用不同时期倒伏水稻的纹理及光谱特征，减少了数据量，识别方便、精度较准。

【技术实现步骤摘要】
基于遥感影像的倒伏水稻识别方法与装置
本专利技术涉及倒伏遥感监测领域，尤其是涉及水稻倒伏遥感监测方法和装置。
技术介绍
水稻是中国粮食生产的关键作物。然而因为其自身的结构特点，在大风大雨天气影响下很容易发生倒伏现象。倒伏是水稻生长中后期常见的农业灾害，由天气、病虫害等因素引发的倒伏会严重影响水稻生长、产量和稻米品质。不同生长期下发生倒伏对作物后期产量均有不同程度的影响，例如抽雄期倒伏使得水稻产量损失最大，可达22％左右，极端天气状况下可达到50％左右，甚至绝产。快速、准确获取水稻倒伏区域的位置、面积等信息，对灾后农业生产管理、农业灾害保险、补贴等工作有重要意义。目前，获取作物倒伏信息的方法主要有人工法和遥感法。人工法在获取倒伏作物位置及面积方面存在效率低的问题，另外针对不规则倒伏区域无法做到精确测量。遥感法是根据影像中倒伏作物与正常作物在光谱、色调和纹理等特征的差异，识别倒伏作物，获取倒伏信息的方法。基于遥感的调查方法凭借遥感影像覆盖面积大、数据获取及时的特点，具有高效、准确等优点。已有的使用卫星遥感调查评估作物倒伏的研究还主要集中在作物倒伏后的光谱、后向散射系数及极化特征研究，应用影像纹理准确估算倒伏面积的研究还很少。另外，倒伏容易受天气影响，不同生长期下均有发生，现有的倒伏水稻监测方法大多针对于某一生长期，没有推广至整个生育期，无法对其他时间倒伏进行监测。
技术实现思路
本专利技术要解决的技术问题是：为解决现有技术中的不足，从而提供一种考虑了水稻易发生倒伏的生育期，提出针对不同倒伏时间的遥感影像的倒伏水稻识别方法与装置。本专利技术解决其技术问题所采用的技术方案是：一种基于遥感影像的倒伏水稻识别方法，包括以下步骤：S1：影像获取与处理，获取待识别区内发生倒伏后的遥感影像，所述遥感影像包括蓝光、绿光、红光、近红外波段；S2：计算遥感影像上的NDVI、NDWI、纹理Mean值、RVI；其中，ρred、ρgreen、ρnir分别为红光波段、绿光波段和近红外波段像元反射率值；其中，P(i，j)表示灰度联合矩阵中第i行j列的元素，μ表示P(i，j)的均值，N为像元个数；S3：根据图像拍摄日期判断水稻处于抽穗期或者乳熟期；S4：若图像中的水稻处于抽穗期，则S41：使用阈值判断NDVI值：T1<NDVI<T2，若条件为否则像元标识为水体或建筑，若条件为真则进行S42判断；S42：使用阈值判断RVI值：T3<RVI<T4，若条件为否则像元标识为其他绿色植被，若条件为真则进行S43判断；S43：设定条件ρred>T5且ρnir>T6且(ρred-ρblue)>T7，若条件为否则像元标识为正常水稻，若条件为真则像元标识为倒伏水稻；S5：若图像中的水稻处于乳熟期，则S51：使用阈值判断NDVI值：A1<NDVI<A2，若条件为否则像元标识为水体或建筑，若条件为真则进行S52判断；S52：设定条件NDWI<A3且ρgreen>A4，若条件为否则像元标识为其他绿色植被，若条件为真则进行S53判断；S53：设定条件ρred>A5且A6>Mean>A7，若条件为否则像元标识为正常水稻，若条件为真则像元标识为倒伏水稻；S6：将S43和S53识别得到的像元进行聚类，形成完整图像。优选地，本专利技术的基于遥感影像的倒伏水稻识别方法，S4和S5中的阈值由样本数据统计所得。优选地，本专利技术的基于遥感影像的倒伏水稻识别方法，纹理Mean值计算过程中的像元个数N为3×3。优选地，本专利技术的基于遥感影像的倒伏水稻识别方法，还包括S7步骤，S7步骤包括：获取待识别区创建随机点，对每个随机点进行目视解译识别出是否为倒伏水稻，并与识别结果进行比对，计算混淆矩阵，若混淆矩阵中总体精度优于90％，则满足要求，否则调整阈值，重新计算结果。本专利技术还提供一种基于遥感影像的倒伏水稻识别装置，包括：影像获取与处理模块，用于获取待识别区内发生倒伏后的遥感影像，所述遥感影像包括蓝光、绿光、红光、近红外波段；数据设定模块，用于计算遥感影像上的NDVI、NDWI、纹理Mean值、RVI；其中，ρred、ρgreen、ρnir分别为红光波段、绿光波段和近红外波段像元反射率值；其中，P(i，j)表示灰度联合矩阵中第i行j列的元素，μ表示P(i，j)的均值，N为像元个数；时期判断模块：用于根据图像拍摄日期判断水稻处于抽穗期或者乳熟期；抽穗期倒伏水稻识别模块：若图像中的水稻处于抽穗期，则使用阈值判断NDVI值：T1<NDVI<T2，若条件为否则像元标识为水体或建筑，若条件为真则使用阈值判断RVI值：T3<RVI<T4，若条件为否则像元标识为其他绿色植被，若条件为真则设定条件ρred>T5且ρnir>T6且(ρred-ρblue)>T7，若条件为否则像元标识为正常水稻，若条件为真则像元标识为倒伏水稻；乳熟期倒伏水稻识别模块：若图像中的水稻处于乳熟期，则使用阈值判断NDVI值：A1<NDVI<A2，若条件为否则像元标识为水体或建筑，若条件为真则设定条件NDWI<A3且ρgreen>A4，若条件为否则像元标识为其他绿色植被，若条件为真则设定条件ρred>A5且A6>Mean>A7，若条件为否则像元标识为正常水稻，若条件为真则像元标识为倒伏水稻；聚类分析模块：将抽穗期倒伏水稻识别模块和乳熟期倒伏水稻识别模块识别得到的像元进行聚类，形成完整图像。优选地，本专利技术的基于遥感影像的倒伏水稻识别装置，抽穗期倒伏水稻识别模块和乳熟期倒伏水稻识别模块中的阈值由样本数据统计所得。优选地，本专利技术的基于遥感影像的倒伏水稻识别装置，纹理Mean值计算过程中的像元个数N为3×3。优选地，本专利技术的基于遥感影像的倒伏水稻识别装置，还包括精度判断模块，精度判断模块包括：用于获取待识别区创建随机点，对每个随机点进行目视解译识别出是否为倒伏水稻，并与识别结果进行比对，计算混淆矩阵，若混淆矩阵中总体精度优于90％，则满足要求，否则调整阈值，重新计算结果。本专利技术的有益效果是：本专利技术组合NDVI、NDWI、均值纹理构建的决策树模型，基于单期影像，充分利用不同时期倒伏水稻的纹理及光谱特征，减少了数据量，识别方便、精度较准。附图说明下面结合附图和实施例对本申请的技术方案进一步说明。图1倒伏水稻现场照片与遥感图像；图2倒伏水稻遥感识别技术流程图；图3乳熟期倒伏水稻遥感识别技术流程图；图4倒伏水稻遥感识别结果。具体实施方式需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。在本申请的描述中，需要理解的是，术本文档来自技高网...

【技术保护点】
1.一种基于遥感影像的倒伏水稻识别方法，其特征在于，包括以下步骤：/nS1：影像获取与处理，获取待识别区内发生倒伏后的遥感影像，所述遥感影像包括蓝光、绿光、红光、近红外波段；/nS2：计算遥感影像上的NDVI、NDWI、纹理Mean值、RVI；/n

【技术特征摘要】
1.一种基于遥感影像的倒伏水稻识别方法，其特征在于，包括以下步骤：
S1：影像获取与处理，获取待识别区内发生倒伏后的遥感影像，所述遥感影像包括蓝光、绿光、红光、近红外波段；
S2：计算遥感影像上的NDVI、NDWI、纹理Mean值、RVI；









其中，ρred、ρgreen、ρnir分别为红光波段、绿光波段和近红外波段像元反射率值；



其中，P(i，j)表示灰度联合矩阵中第i行j列的元素，μ表示P(i，j)的均值，N为像元个数；
S3：根据图像拍摄日期判断水稻处于抽穗期或者乳熟期；
S4：若图像中的水稻处于抽穗期，则
S41：使用阈值判断NDVI值：T1<NDVI<T2，若条件为否则像元标识为水体或建筑，若条件为真则进行S42判断；
S42：使用阈值判断RVI值：T3<RVI<T4，若条件为否则像元标识为其他绿色植被，若条件为真则进行S43判断；
S43：设定条件ρred>T5且ρnir>T6且(ρred-ρblue)>T7，若条件为否则像元标识为正常水稻，若条件为真则像元标识为倒伏水稻；
S5：若图像中的水稻处于乳熟期，则
S51：使用阈值判断NDVI值：A1<NDVI<A2，若条件为否则像元标识为水体或建筑，若条件为真则进行S52判断；
S52：设定条件NDWI<A3且ρgreen>A4，若条件为否则像元标识为其他绿色植被，若条件为真则进行S53判断；
S53：设定条件ρred>A5且A6>Mean>A7，若条件为否则像元标识为正常水稻，若条件为真则像元标识为倒伏水稻；
S6：将S43和S53识别得到的像元进行聚类，形成完整图像。


2.根据权利要求1所述的基于遥感影像的倒伏水稻识别方法，其特征在于，S4和S5中的阈值由样本数据统计所得。


3.根据权利要求1或2所述的基于遥感影像的倒伏水稻识别方法，其特征在于，纹理Mean值计算过程中的像元个数N为3×3。


4.根据权利要求1-3任一项所述的基于遥感影像的倒伏水稻识别方法，其特征在于，还包括S7步骤，S7步骤包括：获取待识别区创建随机点，对每个随机点进行目视解译识别出是否为倒伏水稻，并与识别结果进行比对，计算混淆矩阵，若混淆矩阵中总体精度优于9...

【专利技术属性】
技术研发人员：徐飞飞，陆洲，罗明，梁爽，周敏强，赵晨，
申请(专利权)人：中科禾信遥感科技苏州有限公司，中国科学院地理科学与资源研究所，
类型：发明
国别省市：江苏;32