一种结合卫星影像和MODIS数据的水稻估产方法技术

本发明专利技术涉及一种结合卫星影像和MODIS数据的水稻估产方法，对原始的卫星影像进行预处理操作；在预处理后的卫星影像上选取感兴趣区，分别采用基于人工目视解译的监督分类、基于规则的面向对象分类和基于专家知识的决策树分类三种方法对感兴趣区进行分类和水稻提取，分类后的类型包括：林地、水稻、水体和建设用地；取三种分类方法得到的水稻提取结果的相交区域作为水稻区域，提取水稻区域的不同时期的MODIS影像中的EVI指数均值图像；将水稻EVI均值作为自变量，水稻产量统计数据作为因变量，进行回归分析，构建统计回归估算模型，既解决了特定时期内高分辨率影像用于多时序指数提取数据量不足的问题，又解决了低分辨率提取精度低的问题。

【技术实现步骤摘要】
一种结合卫星影像和MODIS数据的水稻估产方法
本专利技术涉及水稻估产领域，尤其涉及一种结合卫星影像和MODIS数据的水稻估产方法。
技术介绍
水稻作为世界上最重要的粮食作物之一，水稻产量数据有着重要的意义。传统的水稻估产速度慢、工作量大、成本高。目前获取水稻产量数据的渠道大多来源于各级统计部门抽样调查统计的数据、农业部门调查汇总的数据、气象部门根据气候条件推算的数据，传统的水稻估产则基于以上数据，根据水稻的物理构建，通过作物面积抽样调查水稻穗禾的颗粒数，利用统计数学估算小范围的水稻产量，难以估测大面积的水稻产量。与常规的统计方法相比，遥感技术因其具有的多光谱、多时相及高分辨率，全天候和宏观特性的特点，使其在水稻面积提取和估产方面有着独特的优势。通过遥感技术与地理信息系统和全球定位系统结合，实现更为快速、准确、动态的信息采集和分析，通过卫星传感器，获取更为丰富的地表，获取更为准确的水稻种植区域，提取不同时期水稻的相关植被指数信息。通常是使用基于时间序列NDVI(NormalizedDifferenceVegetationIndex，归一化植被指数)与水稻产量拟合一种函数关系建立估产模型，能够在一定程度上满足估产的需求，但会受到数据源的限制，存在数据泛化的风险。另外还有一种基于无人机遥感归一化光谱植被指数来分析水稻不同时期的状态，建立一种时序模型来估测产量，但会受到地形的限制，增加了估产的难度。
技术实现思路
本专利技术针对现有技术中存在的技术问题，提供一种结合卫星影像和MODIS数据的水稻估产方法，解决现有技术中水稻估产数据低分辨率提取精度低的问题。本专利技术解决上述技术问题的技术方案如下：一种结合卫星影像和MODIS数据的水稻估产方法，包括：步骤1，对原始的卫星影像进行预处理操作；步骤2，在预处理后的所述卫星影像上选取感兴趣区，分别采用基于人工目视解译的监督分类、基于规则的面向对象分类和基于专家知识的决策树分类三种方法对所述感兴趣区进行分类和水稻提取，分类后的类型包括：林地、水稻、水体和建设用地；步骤3，取三种分类方法得到的水稻提取结果的相交区域作为水稻区域，提取所述水稻区域的不同时期的MODIS影像中的EVI指数均值图像；步骤4，将水稻EVI均值作为自变量，水稻产量统计数据作为因变量，进行回归分析，构建所述水稻EVI均值与所述水稻产量统计数据之间的统计回归估算模型。本专利技术的有益效果是：本专利技术提供的一种结合卫星影像和MODIS数据的水稻估产方法，使用高分辨率影像，通过不同提取特征、不同分类方法综合提取水稻区域，在此基础上，使用多时序影像来提取植被指数EVI，以描述植被在不同季节的差异。通过探究水稻植被指数与水稻产量之间的数学关系，建立估产的数学模型，能够更加快速、准确、有效地估测水稻的产量。在上述技术方案的基础上，本专利技术还可以做如下改进。进一步，所述步骤1中对所述卫星影像进行预处理操作包括：大气校正、影像融合、影像剪裁和影像拼接。进一步，所述步骤2中选取所述感兴趣区包括：结合高清地图影像、实地考察水稻样本点和水稻种植标准农田数据，在所述卫星影像上使用人工标注的方式选取所述感兴趣区域。进一步，所述步骤2中采用基于人工目视解译的监督分类进行分类和水稻提取的过程包括：采用最大似然法对所述感兴趣区进行分类和水稻提取。进一步，所述步骤2中基于规则的面向对象分类进行分类和水稻提取的过程包括：根据光谱范围的差异建立水稻的提取规则，使用基于所述提取规则的面向对象分类方法对所述感兴趣区进行分类；所述提取规则包括：设置在可见光蓝色波段光谱的植被的提取阈值进行植被范围的提取，设置近红外波段光谱的水稻的提取阈值进行水稻范围的提取。进一步，所述步骤2中基于专家知识的决策树分类进行分类和水稻提取的过程包括：通过对植被物候期的分析得出所述感兴趣区所有植被的植被指数随时间变化的先验信息，选取一种差距显著的植被指数，确定基于所述植被指数进行分类的阈值，使用决策树分类方法对所述感兴趣区进行分类。进一步，所述步骤3中提取EVI均值指数图像的过程包括：以所述水稻区域作为掩膜，提取不同时期的MODIS影像中的EVI指数图像，对所述EVI指数图像做重投影、去除空值和取有效值处理，提取得到EVI有效值指数图像；以统计区域的矢量边界为掩膜，基于所述EVI有效值指数图像提取得到所述统计区域的水稻EVI均值图像。进一步，所述步骤4中采用逐步回归方法构建多元线性的所述统计回归估算模型，并根据输出参数选择最佳模型。进一步，所述统计回归模型的公式为yield＝135165.591-146486.295*EVId209-49164.16*EVId177+22347.074*EVId161，yield表示因变量水稻产量统计数据，EVId209、EVId177和EVId161分别表示全年第209、177和161天的EVI均值。进一步，所述步骤4之后还包括：步骤5，使用水稻产量统计数据验证所述统计回归估算模型的精度并做相应的评估。采用上述进一步方案的有益效果是：1、针对农作物面积统计和产量预估等传统农业应用需求，本专利技术提出了一种引入遥感技术手段、实现农业遥感，同时协调农村与自然资源领域统计数据的综合性行业需求解决技术方案，为农村产业升级融合提供了应用示范，推动农村相关多种类产业的升级和融合发展。2、针对水稻面积提取过程中单一分类方法准确率低的问题，本专利技术提出了一种结合基于人工目视解译的监督分类，基于规则的面向对象分类和基于专家知识的决策树分类方式，通过3种方式结合取相交区域的方式，减少误分类带来的误差，提高准确率。3、针对传统水稻估产速度慢、工作量大、成本高的问题，本专利技术提出了一种基于遥感影像提取水稻作物信息的方式，能够更加快速、准确地获取到水稻植被信息；提出了一种通过建立数理统计学模型来预估产量的方式，大大减少了工作量，降低了成本。4、针对高分辨率影像重访周期较长，难以获取针对特定时期的多时序影像，低分辨率影像提取作物精度较低的问题，本专利技术提出了一种结合使用高低分辨率影像的方式，使用高分辨率影像提取作物基础面积，使用中低分辨率影像提取多时序作物指数信息，同时减少来自大气和土壤噪音的影响，既解决了高分辨率影像用于多时序指数提取数据量不足的问题，又解决了低分辨率提取精度低的问题。附图说明图1为本专利技术提供的一种结合卫星影像和MODIS数据的水稻估产方法的实施例的流程图；图2为本专利技术实施例提供的采用最大似然法进行分类后的分类结果示意图；图3为本专利技术实施例提供的采用最大似然法进行分类后的水稻提取结果示意图；图4为本专利技术实施例提供的面向对象分类的水稻提取结果图；图5为本专利技术实施例提供的决策树进行分类的水稻提取结果图；图6为本专利技术实施例提供的三种分类结果相交区域示意图；图7为本专利技术实施例提供的水稻区域EVI有效值示意图；...

【技术保护点】
1.一种结合卫星影像和MODIS数据的水稻估产方法，其特征在于，所述方法包括：/n步骤1，对原始的卫星影像进行预处理操作；/n步骤2，在预处理后的所述卫星影像上选取感兴趣区，分别采用基于人工目视解译的监督分类、基于规则的面向对象分类和基于专家知识的决策树分类三种方法对所述感兴趣区进行分类和水稻提取，分类后的类型包括：林地、水稻、水体和建设用地；/n步骤3，取三种分类方法得到的水稻提取结果的相交区域作为水稻区域，提取所述水稻区域的不同时期的MODIS影像中的EVI指数均值图像；/n步骤4，将水稻EVI均值作为自变量，水稻产量统计数据作为因变量，进行回归分析，构建所述水稻EVI均值与所述水稻产量统计数据之间的统计回归估算模型。/n

【技术特征摘要】
1.一种结合卫星影像和MODIS数据的水稻估产方法，其特征在于，所述方法包括：
步骤1，对原始的卫星影像进行预处理操作；
步骤2，在预处理后的所述卫星影像上选取感兴趣区，分别采用基于人工目视解译的监督分类、基于规则的面向对象分类和基于专家知识的决策树分类三种方法对所述感兴趣区进行分类和水稻提取，分类后的类型包括：林地、水稻、水体和建设用地；
步骤3，取三种分类方法得到的水稻提取结果的相交区域作为水稻区域，提取所述水稻区域的不同时期的MODIS影像中的EVI指数均值图像；
步骤4，将水稻EVI均值作为自变量，水稻产量统计数据作为因变量，进行回归分析，构建所述水稻EVI均值与所述水稻产量统计数据之间的统计回归估算模型。


2.根据权利要求1所述的方法，其特征在于，所述步骤1中对所述卫星影像进行预处理操作包括：大气校正、影像融合、影像剪裁和影像拼接。


3.根据权利要求1所述的水稻估产方法，其特征在于，所述步骤2中选取所述感兴趣区包括：结合高清地图影像、实地考察水稻样本点和水稻种植标准农田数据，在所述卫星影像上使用人工标注的方式选取所述感兴趣区域。


4.根据权利要求1所述的水稻估产方法，其特征在于，所述步骤2中采用基于人工目视解译的监督分类进行分类和水稻提取的过程包括：采用最大似然法对所述感兴趣区进行分类和水稻提取。


5.根据权利要求1所述的水稻估产方法，其特征在于，所述步骤2中基于规则的面向对象分类进行分类和水稻提取的过程包括：
根据光谱范围的差异建立水稻的提取规则，使用基于所述提取规则的面向对象分类方法对所述感兴趣区进行分类；
所述提取规则包括：设置在可见光蓝色波段光谱的植被的提取...

【专利技术属性】
技术研发人员：吴燕平，罗冷坤，杜庭晖，姜益民，闫科，
申请(专利权)人：武汉光谷信息技术股份有限公司，
类型：发明
国别省市：湖北;42