基于多时相遥感影像的茭白种植面积提取方法技术

本发明专利技术提供了一种基于多时相遥感影像的茭白种植面积提取方法，使用覆盖作物全生育期的哨兵2号时序影像，处理生成NDVI时序谱，根据茭白生长特征，配合决策树分类方法，能有效区分茭白与其他地物，作物面积提取总体精度较高，结果验证表面结合种植特征与多时相光谱指数特征的决策树分类结果更加符合真实地物分布状况。

【技术实现步骤摘要】
基于多时相遥感影像的茭白种植面积提取方法
本专利技术属于农业遥感
，尤其是涉及一种基于多时相遥感影像的茭白种植面积提取方法。
技术介绍
茭白(Zizaniaaltifolia)禾本科、菰属多年生浅水草本，是我国“水八仙”之一，主要在我国长江流域及以南方的沼泽和水田地区栽培。浙江省台州市黄岩地区逐渐形成了一套适合黄岩区特点的、较为先进实用的棚茭栽培技术，“黄岩棚茭”肉质白嫩皮色鲜亮，商品性特好，该区茭白已成为国家农产品地理标志登记产品。双季茭白是黄岩农业中的一大特色产业，目前种植面积已超过4500hm2，拥有全国最大的设施茭白种植基地。及时、准确的获取茭白种植面积，可以协调蔬菜种植面积与粮食作物种植的结构，为农业决策提供参考，同时为蔬菜补贴提供依据。黄岩区茭白一般为双季种植，夏季收获的茭白称为“夏茭”，秋季收获的茭白称为“秋茭”。夏茭种植时间为上年11月至翌年4月上旬左右，采用设施农膜覆盖栽培和培土护茭生产技术，一般在清明节前后收获(参见《浙江农业科学》,2016.57(10):第1644-1646页)，同时大棚约12月下旬覆盖薄膜，一般在3月下旬揭膜，基本清明以后农膜全部揭开(《长江蔬菜》,2009(16):第102-103页)。秋茭种植时间为6月中旬至11月，秋茭种植时需要进行整地准备，一般在夏茭收获之后的5-6月份进行田间灌水，然后6月下旬至7月上旬进行秋茭定植，一般在11月份收获，收获时也要保留较多强健秋天分蘖苗，用来增加早熟春、夏茭的品质和产量。当前，获取茭白面积的方法主要靠传统人工调查的方法，不仅需要耗费大量的时间，而且需要大量的人力物力，人工调查在统计过程中不可避免的会因为一些主观因素，如统计错误、各地标准不一致、测量工具不同等原因，影响统计调查的精度。遥感可以进行大面积的同步监测，并且时效性高，利用遥感统计茭白种植面积不仅在统计结果上比传统方法更为精确，而且经济投入少，且不受地域限制。目前，针对茭白的研究大多集中在栽培措施、病虫害发生等生理生化角度，对于茭白遥感提取的相关研究较少，而提取的作物主要集中在小麦、水稻、玉米等大田作物。在遥感分类方法方面，包含监督分类与非监督分类两种。监督分类是根据已知训练区提供的样本，选择特征参数，使用训练出的特征参数作为决策规则，以此规则对各待分类影像进行的图像分类。而非监督分类是以不同影像地物在特征空间中的类差别为依据，是按照已知类别标准进行图像分类的方法。全璟等利用非监督分类的方法，提取了大别山区的水稻种植面积分布，该方法实现了对研究区域内水稻种植面积的实时动态监测(参见《中国农学通报》,2019.35(01):第104-111页)。麦丽素以内蒙古自治区兴安盟乌兰浩特市为研究区域，基于支持向量机法、最大似然法、面向对象分类法等三种监督分类方法与非监督分类的分级集群法进行对比，研究表明，采用监督分类的方法，在提取的精确度上高于非监督分类方法(《北方农业学报》,2019.47(05):第119-126页)。李中元等通过NDVI时序数据，利用决策树分类方法对油菜面积进行监测，研究表明识别结果可以有效去除非植被、林地等干扰类型，进而提取出油菜的种植面积及分布(《地球信息科学学报》,2019.)。另外，作物提取的特征方面大多利用单一特征或多特征相结合进行识别。肇振国等分析了水稻冠层光谱特征与其他类地物光谱，通过对比，确定了水稻种植信息遥感提取的最佳时相(《现代农业科技》,2015(15):第258-259页)。但并没有利用其他时相的数据，同利用多时相方法进行水稻提取相比，有待进一步研究。时序遥感影像不仅具有单一时相影像的光谱信息，还具有一系列时间信息，在作物分布信息提取中具有重要意义，目前已有很多学者利用多时相数据进行遥感监测。目前大面积提取作物种植分布的研究主要有以下几个方面，一是针对在不同遥感影像条件下作物遥感识别能力研究；二是基于不同分类方法下对作物识别能力和精度的比较研究；三是结合多时相影像与多特征辅助作物分类。然而，针对作物的遥感识别主要集中在大宗作物，关于茭白遥感识别的相关研究较少。黄岩区耕地地块破碎程度高，作物种类丰富，有不少作物存在“同物异谱”现象，会对茭白的提取造成干扰。以往作物信息的获取主要是基于光学卫星数据。对于光学遥感，通过分析当前影像光谱反射率的变化来判断作物分布情况，并通过构建植被指数来提取作物，其局限性在于，在同一时期，茭白和其他作物之间存在“异物同谱”现象，简单的依据单时相影像和光谱特征，并不能很好的区分各地物。如何有效、准确识别茭白分布及面积为蔬菜种植补贴和生产布局规划提供支持，是本领域面临的急需解决的问题。
技术实现思路
为解决现有技术中存在的上述不足，本专利技术的目的在于提供一种能够准确的获取茭白的面积信息与空间分布的双季茭白种植面积提取方法。具体的，本专利技术提供了一种基于多时相遥感影像的茭白种植面积提取方法，包括以下步骤：S1获取研究区内茭白主要生育期的遥感多光谱影像，提取包含红、绿、蓝、近红外波段的影像，然后对影像进行大气校正处理；S2根据茭白与混淆作物的光谱指数特征、植被模式特征、颜色特征的差异，构建决策树分类模型进行分类；S3构建识别模型，区分茭白并估算其面积。上述方法中，优选地，S1所述获取研究区内茭白主要生育期的遥感多光谱影像是通过哨兵2号卫星提供的影像数据；更优选地，所述的蓝光波段的中心波长为0.49μm，分辨率优于10m；绿光波段的中心波长为0.56μm，分辨率优于10m；红光波段的中心波长为0.665μm，分辨率优于10m；近红外波段的中心波长为0.842μm，分辨率优于10m。黄岩区茭白一般为双季种植，夏季收获的茭白称为“夏茭”，秋季收获的茭白称为“秋茭”。S2所述植被模式特征的识别基础包括：(1)夏茭种植的地块，在上年11月份至翌年3-4月份夏茭收获前，田间覆盖大棚农膜；(2)在夏茭收获后秋茭种植前，为田间灌水阶段；(3)在秋茭收获阶段，较同时期收获的晚稻相比，在颜色特征上表现出比晚稻更绿。进一步的，根据哨兵影像上茭白、水稻、果树、林地的颜色特征，S2所述颜色特征的识别包括：利用2月份茭白地块呈现灰白色的特征进行目视解译；从6月份的影像提取出所有在6月份有水且覆盖绿萍的地块；再利用10月份茭白在田间呈深绿色的指数特征进一步筛选出茭白种植地块，根据10月份影像排除非茭白种植地块。进一步的，S2所述光谱指数特征包括：计算2月份至11月份影像上的NDVI、NDWI植被指数；其中，NDVI是归一化植被指数，为近红外波段与可见光红波段数值之差和这两个波段数值之和的比值；NDVI能反映出植物冠层的背景影响且与植被覆盖有关；NDVI的计算公式为：NDVI＝(NIR-R)/(NIR+R)；NDWI是基于绿波段与近红外波段的归一化比值指数；用来提取影像中的水体信息效果较好，NDWI是基于绿波段与近红外波段的归一化比值指数，NDWI的计算公式为：NDWI＝(本文档来自技高网...

【技术保护点】
1.一种基于多时相遥感影像的茭白种植面积提取方法，其特征在于，包括以下步骤：/nS1获取研究区内茭白主要生育期的遥感多光谱影像，提取包含红、绿、蓝、近红外波段的影像，然后对影像进行大气校正处理；/nS2根据茭白与混淆作物的光谱指数特征、植被模式特征、颜色特征的差异，构建决策树分类模型进行分类；/nS3构建识别模型，区分茭白并估算其面积。/n

【技术特征摘要】
1.一种基于多时相遥感影像的茭白种植面积提取方法，其特征在于，包括以下步骤：
S1获取研究区内茭白主要生育期的遥感多光谱影像，提取包含红、绿、蓝、近红外波段的影像，然后对影像进行大气校正处理；
S2根据茭白与混淆作物的光谱指数特征、植被模式特征、颜色特征的差异，构建决策树分类模型进行分类；
S3构建识别模型，区分茭白并估算其面积。


2.根据权利要求1所述的方法，其特征在于，S1所述获取研究区内茭白主要生育期的遥感多光谱影像是通过哨兵2号卫星提供的影响数据。


3.根据权利要求2所述的方法，其特征在于，所述的蓝光波段的中心波长为0.49μm，分辨率优于10m；绿光波段的中心波长为0.56μm，分辨率优于10m；红光波段的中心波长为0.665μm，分辨率优于10m；近红外波段的中心波长为0.842μm，分辨率优于10m。


4.根据权利要求1所述的方法，其特征在于，S2所述植被模式特征的识别基础包括：
(1)夏茭种植的地块，在上年11月份至翌年3-4月份夏茭收获前，田间覆盖大棚农膜；
(2)在夏茭收获后秋茭种植前，为田间灌水阶段；
(3)在秋茭收获阶段，较同时期收获的晚稻相比，在颜色特征上表现出比晚稻更绿。


5.根据权利要求1所述的方法，其特征在于，S2所述颜色特征的识别包括：
利用2月份茭白地块呈现灰白色的特征进行目视解译；
从6月份的影像提取出所有在6月份有水且覆盖绿萍的地块；
再利用10月份茭白在田间呈深绿色的指数特征进一步筛选出茭白种植地块，根据10月份影像排除非茭白种植地块。


6.根据权利要求1所述的方法，其特征在于，S2所述光谱指数特征包括：
计算2月份至11月份影像上...

【专利技术属性】
技术研发人员：汪志祥，林海忠，罗明，彭栌以，徐飞飞，赵晨，何杰，
申请(专利权)人：中科禾信遥感科技苏州有限公司，台州市黄岩区农业技术推广中心，
类型：发明
国别省市：江苏;32