一种灌溉水体提取方法技术

本发明专利技术公开了一种灌溉水体提取的方法，包括以下步骤：(1)根据灌溉时间和地理位置要求选择遥感影像数据；(2)计算水体敏感光谱指数，获得其空间分布；(3)对水体敏感光谱指数的空间信息进行空间自相关分析；(4)计算全局莫兰指数(Moran

【技术实现步骤摘要】
一种灌溉水体提取方法


[0001]本专利技术涉及水资源优化、遥感图像处理技术和空间数据处理等领域，特别是指一种高效、准确获取水体面积监测方法。

技术介绍

[0002]根据FAO报告，到2050年全球人口将达到97亿，到2080年将达到108亿，在人口因素的推动下，粮食需求预计将大大增加。世界上大约三分之一的农田中度或高度退化，特别是旱地地区，为了提高农业产量，灌溉是一种有效的措施之一。随着社会经济的发展，农业用水和工业城市用水之间的矛盾不断加剧，人们逐渐认识到灌溉在土地管理方面的重要性，以及对区域和全球气候的影响，并引起了科学界的注意。
[0003]灌溉面积的监测最重要的是地面水体的提取。目前区域水体的提取方法主要是利用水体敏感指数，通过设定阈值获得区域的水体面积，但是利用水体指数提取地表水体面临着两个主要的问题：第一是使用不同的水体指数所获得的地表水体，其结果不一致，不可靠；第二是阈值不固定，可能随着环境和地点的不同而变化。因此，如何提高地表水体的提取精度，是目前研究的热点之一。
[0004]综上，为解决上述问题，本专利技术提出了一种灌溉水体提取方法。

技术实现思路

[0005]本专利技术提出一种灌溉水体提取方法，能够较好地解决阈值确定困难和由于选取水体敏感指数不同，导致获取水体差异性较大的问题，进一步提高监测灌溉面积精度，对耕地合理配制水量和高效用水具有一定的指导意义。包括以下步骤：
[0006]本专利技术实现专利技术目的采用如下技术方案：
[0007]一种灌溉水体提取方法，利用多时相多源遥感影像作为数据源，计算出水体敏感指数，例如常见的归一化水分差异指数(NDWI)、改进的归一化水体指数(MNDWI)以及自动提取指数(AWEI)等，但不限于所列举的以上水体敏感指数，计算出水体敏感光谱指数的空间分布之后，再利用空间自相关分析法对采用水体敏感指数获取的空间分布进行处理，根据Getis
‑
Ord Gi指数中的z得分和p值大小提取水体聚集空间分布，解决了阈值确定困难和由于选取水体敏感指数不同，而导致提取水体差异性较大的问题，能够进一步提高灌溉面积提取精度。
[0008]一种灌溉水体提取方法，步骤为：
[0009]步骤1，根据灌溉时间和地理位置要求选择遥感影像数据；
[0010]步骤2，计算水体敏感光谱指数，获得其空间分布；
[0011]步骤3，对水体敏感光谱指数的空间信息进行空间自相关分析；
[0012]步骤4，计算全局莫兰指数(Moran
’
s I)，根据I值的取值范围判断研究区域是否出现聚集或异常值；
[0013]步骤5，若出现聚集或异常值，则计算局部Moran
’
s I指数；
[0014]步骤6，计算Getis
‑
Ord G
i
指数，获得水体空间聚集分布；
[0015]步骤7，利用合理的遥感影像通过地物分类，获得研究区的种植结构，进而最终获得灌溉水体面积或不同作物种类的灌溉水体面积；
[0016]进一步地，所述步骤1包括：
[0017]步骤8，原始影像应用前需要进行预处理，其预处理环节包括几何校正、辐射校正和大气校正等3个环节，可根据下载遥感影像的类型和级别，进行选择性地预处理；
[0018]步骤9，可利用ENVI软件上已有模块或第三方开源程序进行遥感影像的预处理；
[0019]进一步地，所述步骤2包括：
[0020]步骤10，水体敏感光谱指数较多，本专利技术建议选用MNDWI或AWEI等水体敏感光谱指数，但不限于使用这两种水体敏感光谱指数；
[0021]步骤11，计算改进的归一化水体指数(MNDWI)，其公式如下：
[0022][0023]其中，ρ是遥感影像的光谱波段的反射率：BIUE是蓝波段(0.45
‑
0.51μm),GREE是绿波段(0.53
‑
0.59μm)，NIR是近红外波段(0.85
‑
0.88μm)，SWIR1是短波红外波段(1.57
‑
1.65μm)，SWIR2是短波红外波段(2.21
‑
2.29μm)。
[0024]步骤12，计算自动提取指数(AWEI)，包括AWEI
nsh
和AWEI
sh
两种类型，其公式如下：
[0025]AWEI
nsh
＝4
×
(ρ
GREEN
‑
ρ
SWIR1
)
‑
(0.25
×
ρ
NIR
+2.75
×
ρ
SWIR1
)
[0026]AWEI
sh
＝ρ
BIUE
+2.5
×
ρ
GREEN
‑
1.5
×
(ρ
NIR
+ρ
SWIR1
)
‑
0.25
×
ρ
SWIR2
)
[0027]其中各项含义同步骤11中MNDWI的计算公式中各项含义；
[0028]进一步地，所述步骤4包括：
[0029]步骤13，在计算全局莫兰指数之前，需要对水体敏感光谱指数空间信息数据矢量化处理，矢量化处理可在ArcGIS中处理，文件转换为格式是.shp的文件；
[0030]步骤14，计算全局莫兰指数(Moran
’
s I)，其公式如下：
[0031][0032][0033]其中，N为数据数目，W
ij
为空间权重，X
i
和X
j
分别是空间对象在第i和第j处的属性值，为X的平均值；Z为标准化统计量值，E(I)为观测变量自相关性的期望值，var(I)为方差。
[0034]Moran
’
s I指数的取值范围为[
‑
1,1]，I>0代表属性值呈现空间正相关，趋于空间聚集特征；I<0代表属性值呈现空间负相关，趋于空间分散特征；I＝0代表属性值趋于空间随机分布特征。
[0035]步骤15，全局莫兰指数计算可在ArcGIS或GeoDa有关模块中进行处理；
[0036]进一步地，所述步骤5包括：
[0037]步骤16，根据Moran
’
s I指数I值进行判断，若不出现异常值则本方法失效，可能研
究区域无水体出现，若判断出现聚集或异常值，则利用局部空间自相关性进行分析；
[0038]步骤17，计算局部Moran
’
s I指数，其公式如下：
[0039][0040][0041]其中各项含义同步骤4中全局莫兰指数的计算公式中各项含义；
[0042]进一步地，所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种灌溉水体提取方法，其特征在于，包括：步骤1，根据灌溉时间和地理位置要求选择遥感影像数据；步骤2，计算水体敏感光谱指数，获得其空间分布；步骤3，对水体敏感光谱指数的空间信息进行空间自相关分析；步骤4，计算全局莫兰指数(Moran
’
sI)，根据I值的取值范围判断研究区域是否出现聚集或异常值；步骤5，若出现聚集或异常值，则计算局部Moran
’
sI指数；步骤6，计算Getis
‑
OrdG
i
指数，获得水体空间聚集分布；步骤7，利用合理的遥感影像通过地物分类，获得研究区的种植结构，进而最终获得灌溉水体面积或不同作物种类的灌溉水体面积。2.根据权利要求1所述的一种灌溉水体提取方法，其特征在于，所述步骤1包括：步骤8，原始影像应用前需要进行预处理，其预处理环节包括几何校正、辐射校正和大气校正等3个环节，可根据下载遥感影像的类型和级别，进行选择性地预处理；步骤9，可利用ENVI软件上已有模块或第三方开源程序进行遥感影像的预处理。3.根据权利要求1所述的一种灌溉水体提取方法，其特征在于，所述步骤2包括：步骤10，水体敏感光谱指数较多，本发明建议选用MNDWI或AWEI等水体敏感光谱指数，但不限于使用这两种水体敏感光谱指数；步骤11，计算改进的归一化水体指数(MNDWI)，其公式如下：其中，ρ是遥感影像的光谱波段的反射率：BIUE是蓝波段(0.45
‑
0.51μm),GREE是绿波段(0.53
‑
0.59μm)，NIR是近红外波段(0.85
‑
0.88μm)，SWIR1是短波红外波段(1.57
‑
1.65μm)，SWIR2是短波红外波段(2.21
‑
2.29μm)。步骤12，计算自动提取指数(AWEI)，包括AWEI
nsh
和AWEI
sh
两种类型，其公式如下：AWEI
nsh
＝4
×
(ρ
GREEN
‑
ρ
SWIR1
)
‑
(0.25
×
ρ
NIR
+2.75
×
ρ
SWIR1
)AWEI
sh
＝ρ
BIUE
+2.5
×
ρ
GREEN
‑
1.5
×
(ρ
NIR
+ρ
SWIR1
)
‑
0.25
×
ρ
SWIR2
)其中各项含义同步骤11中MNDWI的计算公式中各项含义。4.根据权利要求1所述的一种灌溉水体提取方法，其特征在于，所述步骤4包括：步骤13，在计算全局莫兰指数之前，需要对水体敏感光谱指数空间信息数据矢量化处理，矢量化处理可在ArcGI...

【专利技术属性】
技术研发人员：苏涛，崔杏园，王建，崔灵芝，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：