一种基于Sentinel 2A影像大范围提取蔬菜大棚面积的新方法技术

本发明专利技术属于精准农业技术领域，具体是一种基于Sentinel 2A影像大范围提取蔬菜大棚面积的新方法。包括如下步骤：A、获取区域内农作物生长周期内的多景多时相Sentinel 2A数据；B、布设蔬菜大棚地面监测点，收集样点遥感信息的变化；C、根据蔬菜大棚在Sentinel 2A影像上红边波段反射率存在明显变化的特点，构造蔬菜大棚信息增强指数V；D、确定基于Sentinel 2A影像提取蔬菜大棚面积，利用遥感信息组合成蔬菜大棚提取图像；E、利用一维卷积神经网络(CNN‑1d)实现图像的分类，完成蔬菜大棚面积的提取。本发明专利技术能够为蔬菜大棚农田的管理、灌溉用水管理等提供数据支持，进一步的发展农业经济。

【技术实现步骤摘要】
一种基于Sentinel2A影像大范围提取蔬菜大棚面积的新方法
本专利技术属于精准农业与农业用水估算
，具体是一种基于Sentinel2A影像大范围提取蔬菜大棚面积的新方法。
技术介绍
气候条件对蔬菜种植具有较大的影响，而大棚具有调节温度、湿度等特性，因此蔬菜大棚已逐渐成为北方蔬菜种植必不可少的农业设施。蔬菜大棚产业的快速发展一方面带动了地方农业经济的发展，但也导致了农田土壤污染、土壤环境恶化、土壤生产力下降等一系列问题。及时、有效的提取蔬菜大棚种植面积能够反映区域大棚蔬菜的产量，为地方农业经济的发展提供参考数据；同时也有利于蔬菜大棚农田的精细化管理和治理。蔬菜大棚用水方式主要靠灌溉用水，蔬菜大棚种植面积的提取，还能有效估算蔬菜大棚的用水量，为加强灌溉用水管理提供数据支持。现有技术中，基于多光谱遥感影像提取蔬菜大棚精度低，存在大棚地物与建设地物的严重混合，难以满足用户的精度需求；而基于高分辨率遥感影像提取蔬菜大棚空间尺度小，难以实现大范围的应用。
技术实现思路
本专利技术的目的是解决现有技术中的不足，提出一种高精度、可大范围执行的蔬菜大棚面积提取新方法。本专利技术的一种基于Sentinel2A影像大范围提取蔬菜大棚面积的新方法，包括如下步骤：A、获取区域内农作物生长周期内的多景多时相Sentinel2A数据；B、布设蔬菜大棚地面监测点，收集样点遥感信息的变化；C、根据蔬菜大棚在Sentinel2A影像上红边波段反射率存在明显变化的特点，构造蔬菜大棚信息增强指数V；D、确定基于Sentinel2A影像提取蔬菜大棚面积，利用遥感信息组合成蔬菜大棚提取图像；E、利用一维卷积神经网络(CNN-1d)实现图像的分类，完成蔬菜大棚面积的提取。优选的，步骤A中，农作物生长周期选取每年的三月份、五月份。获取区域内农作物生长周期内的多景多时相Sentinel2A数据并完成遥感数据的大气校正、图像配准预处理。优选的，步骤B中，分布位置不同的10个大棚地物监测点进行波段与时间变化对应的关系分析。蔬菜大棚地物的遥感光谱波段与时间变化对应的关系为，红边、近红外波段与时间变化呈现高度正相关。步骤C中，利用Sentinel2A影像中心波长为864.8nm的B8a波段构造V，V增强了大棚与覆膜地物信息，同时也增强了裸土地物信息。优选的，步骤D中，区分裸土与蔬菜大棚地物，增加3、5月份NDVI特征以增加二者的区分度。优选的，步骤D中，区分图像中建设用地、水体等地物，将Sentinel2A影像与3、5月份NDVI特征、蔬菜大棚信息增强指数V组合成新的图像参与分类。优选的，步骤E中，CNN-1d算法包含两个卷积层，两个池化层和两个全连接层。优选的，步骤E中，根据留置的测试样本计算总体精度(OA)和Kappa系数，并对大棚提取结果与图像结果进行对比，实现大范围蔬菜大棚地物的提取。本专利技术是一种高精度、可大范围执行的蔬菜大棚面积提取的新方法。本专利技术能够为蔬菜大棚农田的精细化管理和治理、地方农业经济的发展、灌溉用水管理提供数据支持。本专利技术的方法适合在相关
推广应用。附图说明图1是本专利技术蔬菜大棚面积的提取方法步骤示意图。图2是本专利技术蔬菜大棚不同地物光谱曲线时间变化图。图3是本专利技术步骤E中，CNN-1d算法结构图。具体实施方式下面将对本专利技术进行更详细的描述，其中表示了本专利技术的优选实施例，应该理解本领域技术人员可以修改在此描述的本专利技术而仍然实现本专利技术的有利效果。因此，下列描述应当被理解为对于本领域技术人员的广泛知道，而并不作为对本专利技术的限制。为了清楚，不描述实际实施例的全部特征。在下列描述中，不详细描述公知的功能和结构，因为它们会使本专利技术由于不必要的细节而混乱。应当认为在任何实际实施例的开发中，必须作出大量实施细节以实现开发者的特定目标，例如按照有关系统或有关商业的限制，由一个实施例改变为另一个实施例。另外，应当认为这种开发工作可能是复杂和耗费时间的，但是对于本领域技术人员来说仅仅是常规工作。为使本专利技术的目的、特征更明显易懂，下面对本专利技术的具体实施方式作进一步的说明。如图1所示：本专利技术的方法，包括如下步骤：A、获取区域内农作物生长周期内的多景多时相Sentinel2A数据；B、布设蔬菜大棚地面监测点，收集样点遥感信息的变化；C、根据蔬菜大棚在Sentinel2A影像上红边波段反射率存在明显变化的特点，构造蔬菜大棚信息增强指数V；D、确定基于Sentinel2A影像提取蔬菜大棚面积，利用遥感信息组合成蔬菜大棚提取图像；E、利用一维卷积神经网络(CNN-1d)实现图像的分类，完成蔬菜大棚面积的提取。具体的，步骤A中，农作物生长周期选取每年的三月份、五月份。获取区域内农作物生长周期内的多景多时相Sentinel2A数据并完成遥感数据的大气校正、图像配准预处理。具体的，步骤B中，布设蔬菜大棚地面监测点，收集样点遥感信息的变化，包括：B1、获取蔬菜大棚地面监测点光谱曲线与具体时间对应表，为下一步的数据挖掘分析做准备；表B1大棚地物样点光谱曲线与时间对应表B2、采用SPSS软件相关性分析工具对影像上不同材质、分布位置不同的10个大棚地物监测点进行波段与时间变化对应的关系分析；表B2大棚地物样点光谱变化与时间之间的相关性分析B3、分析结果表明蔬菜大棚地物的遥感光谱曲线特性为其红边、近红外波段与时间变化呈现高度正相关，即蔬菜大棚地物的红边、近红外波段1-6月份呈现逐渐增高的趋势；B4、分析蔬菜大棚地物光谱曲线的变化，寻找其规律，为蔬菜大棚的提取提供物理基础；B5、蔬菜大棚地物光谱曲线3月份体现为人造地物的反射率特性，4月份其红边、近红外波段逐渐增高；B6、蔬菜大棚地物光谱近红外波段增大，其红波段变化不大，因此蔬菜大棚地物NDVI逐渐增大，这一特性与现实情况也较为吻合；B7、蔬菜大棚地物3月份、5月份光谱曲线存在巨大差异与变化，且其红边、近红外波段5月份达到最大值；因而可利用其特定的光谱曲线及3、5月份红边波段的组合提取蔬菜大棚地物。具体的，步骤C中，如图2所示，蔬菜大棚地物光谱曲线与其他地物光谱曲线存在的差异。其中，图2中的(1)是蔬菜大棚地物光谱曲线变化特征；(2)是覆膜地物光谱曲线变化特征；(3)是裸土地物光谱曲线变化特征；(4)是植被光谱曲线变化特征。利用Sentinel2A影像中心波长为864.8nm的B8a波段构造V，V增强了大棚与覆膜地物信息，同时也增强了裸土地物信息；具体的，步骤D中，确定基于Sentinel2A影像提取蔬菜大棚面积，利用遥感信息组合成蔬菜大棚提取图像。为更好的区分裸土与蔬菜大棚地物，增加3、5月份NDVI特征以增加二者的区分度；为更合理的区分图像中建设用地、水体等地物，将Sent本文档来自技高网...

【技术保护点】
1.一种基于Sentinel 2A影像大范围提取蔬菜大棚面积的新方法，其特征在于，包括如下步骤：/nA、获取区域内农作物生长周期内的多景多时相Sentinel 2A数据；/nB、布设蔬菜大棚地面监测点，收集样点遥感信息的变化；/nC、根据蔬菜大棚在Sentinel 2A影像上红边波段反射率存在明显变化的特点，构造蔬菜大棚信息增强指数V；/nD、确定基于Sentinel 2A影像提取蔬菜大棚面积，利用遥感信息组合成蔬菜大棚提取图像；/nE、利用一维卷积神经网络(CNN-1d)实现图像的分类，完成蔬菜大棚面积的提取。/n

【技术特征摘要】
1.一种基于Sentinel2A影像大范围提取蔬菜大棚面积的新方法，其特征在于，包括如下步骤：
A、获取区域内农作物生长周期内的多景多时相Sentinel2A数据；
B、布设蔬菜大棚地面监测点，收集样点遥感信息的变化；
C、根据蔬菜大棚在Sentinel2A影像上红边波段反射率存在明显变化的特点，构造蔬菜大棚信息增强指数V；
D、确定基于Sentinel2A影像提取蔬菜大棚面积，利用遥感信息组合成蔬菜大棚提取图像；
E、利用一维卷积神经网络(CNN-1d)实现图像的分类，完成蔬菜大棚面积的提取。


2.根据权利要求1所述的一种基于Sentinel2A影像大范围提取蔬菜大棚面积的新方法，其特征在于步骤A中，农作物生长周期选取每年的三月份、五月份。


3.根据权利要求1所述的一种基于Sentinel2A影像大范围提取蔬菜大棚面积的新方法，其特征在于步骤A中，获取区域内农作物生长周期内的多景多时相Sentinel2A数据并完成遥感数据的大气校正、图像配准预处理。


4.根据权利要求1所述的一种基于Sentinel2A影像大范围提取蔬菜大棚面积的新方法，其特征在于步骤B中，分布位置不同的10个大棚地物监测点进行波段与时间变化对应的关系分析。


5.根据权利要求4所述的一种基于Sentinel2A影像大范围提取蔬菜大棚面积的新方法，其特征在于...

【专利技术属性】
技术研发人员：王蕾，孙浩然，张宝忠，王伟，
申请(专利权)人：中国水利水电科学研究院，
类型：发明
国别省市：北京;11