一种针对复杂地形环境下中小田块的单季稻SAR识别方法技术

本发明专利技术涉及一种针对复杂地形环境下中小田块的单季稻SAR识别方法，包括步骤：对全年的SAR遥感影像数据进行预处理，将SAR遥感影像像素值转换为实际地物后向散射强度，得到全年时间序列的地物后向散射强度数据；在每个设定周期长度内对全年时间序列的地物后向散射强度数据进行一次平均值合成，并对合成后的时间序列数据进行时序Savitzky

【技术实现步骤摘要】
一种针对复杂地形环境下中小田块的单季稻SAR识别方法


[0001]本专利技术属于遥感影像处理领域，尤其涉及一种针对复杂地形环境下中小田块的单季稻SAR识别方法。

技术介绍

[0002]及时、准确地获取水稻种植面积及空间分布，是政府加快构建现代水稻产业体系，切实提高水稻综合生产，促进农民持续增收和水稻产业可持续发展等的基础性重要工作。近几十年，大面积的耕地或随城镇化建设转为建设用地，或因生态修复退耕还林还草，导致水稻种植面积急速下降。尤其在地形复杂区域，水稻经营方式主要以传统的小规模、半自给的农户家庭经营为主，水稻种植往往是分散的中小田块，且年际间空间变化较大，如何及时、准确地实现水稻种植制图仍是一项具有挑战性的工作。
[0003]近年来，遥感技术凭借其数据获取容易、数据信息量大、高时空分辨率等优点逐渐成为水稻制图的重要手段。然而，复杂地形环境下水稻分布呈现较强的空间异质性，且碎片化程度和离散度较高。同时，单块水稻田的面积较小，致使同一像元内，不同地物类型存在明显的遥感光谱混合现象，从而导致依赖遥感光谱响应信息进行水稻监测的结果存在较大的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对复杂地形环境下中小田块的单季稻SAR识别方法，其特征在于，包括以下步骤：步骤1、对全年的SAR遥感影像数据进行预处理，将SAR遥感影像像素值转换为实际地物后向散射强度，得到全年时间序列的地物后向散射强度数据；步骤2、在每个设定周期长度内对全年时间序列的地物后向散射强度数据进行一次平均值合成，并对合成后的时间序列数据进行时序Savitzky
‑
Golay滤波：上式中，Y
*
是第j个重建值；C
i
是滑动窗口内第i个点的系数；N是滑动窗口长度，其大小等于2m+1，m为半个滑动窗口的长度；平均值合成为对设定周期长度内的后向散射强度数据求平均值；步骤3、确定低海拔区域的单季稻、中海拔区域的单季稻、除单季稻外的其它作物、建成区、水域和自然植被的训练样本；步骤4、结合数字高程模型数据和步骤2全年时间序列的地物后向散射强度数据，引入概率阈值法来识别建成区、水域和自然植被区域，得到潜在的水稻种植区域；步骤5、计算并提取单季稻的物候特征，单季稻的物候特征包括水稻移栽期T
TD
、稻田灌水速率V
ST
、成熟期T
MD
、生长速率V
TM
和生长期时长GSL；步骤6、构建集成地形数据和水稻SAR物候特征的决策树算法模型，在潜在的水稻种植区域提取复杂地形环境下的中小田块稻田，得到单季稻种植区域的栅格数据；决策树算法模型为：满足播种期至移栽期内：同时满足移栽期至成熟期内：同时满足GSL≥t8；上式中σ
TD
为移栽期后向散射系数，σ
MD
为成熟期后向散射系数；t1至t8均为阈值，阈值t1至t8的确定方式为：根据采集的低海拔区域的单季稻、中海拔区域的单季稻、其他作物、自然植被的训练样本，结合水稻物候特征的SAR遥感影像，制作单季稻、除单季稻外的其它作物和自然植被的物候特征直方图，将直方图中各物候特征参数谷底点分别作为阈值t1至t8的值；步骤7、对单季稻种植区域的栅格数据进行后处理：将栅格数据格式转为矢量格式，删除像元个数小于设定值的单季稻图斑，得到最终的单季稻识别结果。2.根据权利要求1所述针对复杂地形环境下中小田块的单季稻SAR识别方法，其特征在于：步骤1中全年的SAR遥感影像数据为C波段合成孔径雷达SAR影像VH极化数据。3.根据权利要求1所述针对复杂地形环境下中小田块的单季稻SAR识别方法，其特征在于，步骤1具体包括以下步骤：步骤1.1、对SAR遥感影像进行轨道校正：获取SAR遥感影像的轨道类型和影像精细轨道文件；查找SAR影像初始轨道状态的零多普勒时间T0；从精细轨道文件中筛选与T0最邻近的9个轨道的状态参数，并采用8阶拉格朗日插值方法计算得到SAR影像成像时刻的精细轨道状态参数；步骤1.2、对SAR遥感影像数据进行辐射定标：
上式中，σ0为后向散射系数，A
i
为像元i单位时间内返回到天线的反向散射，DN
i
为像元i的灰度值；步骤1.3、去除SAR遥感影像数据中的热噪声；步骤1.4、运用ALOS
‑
12.5米DEM数据作为地形数据，对SAR遥感影像数据进行多普勒地形校正；步骤1.5、对SAR遥感影像数据进行均值滤波；步骤1.6、对SAR遥感影像数据进行分贝化，SAR遥感影像数据分贝化后的后向散射系数σ为：σ＝10*log
10
σ0上式中，σ0为原始后向散射系数，σ表示分贝化后的后向散射系数，单位为dB。4.根据权利要求3所述针对复杂地形环境下中小田块的单季稻SAR识别方法，其特征在于：步骤1.1中与T0最邻近的9个轨道的状态参数包括经度、纬度和高度三个方向的传感器位置，经度、纬度和高度三个方向的传感器速度；步骤1.5中均值滤波时使用的卷积核尺寸大小为3
×
3，中心元素值为1，周围元素值为1，卷积核具体为：5.根据权利要求1所述针对复杂地形环境下中小田块的单季稻SAR识别方法，其特征在于：步骤2中设定周期长度为12天；时序Savitzky
‑
Golay滤波时多项式拟合次数为3，滑动窗口长度为11。6.根据权利要求1所述针对复杂地形环境下中小田块的单季稻SAR识别方法，其特征在于：步骤3依据作物物候数据、实地调查数据、无人机影像和高分辨率谷歌地球影像，确定低海拔区域的单季稻、中海拔区域的单季稻、除单季稻外的其它作物、建成区、水域和自然植被的训练样本；其中低海拔区域的单季稻和中海拔区域的单季稻训练样本总数为350个，除单季稻外的其它作物、建成区、水域和自然植被的训练样本总数为150个；其中低海拔区域为高程≤500m的区域，中海拔区域为500＜高程＜1500m的区域，高海拔区域为高程...

【专利技术属性】
技术研发人员：王利花，马浩，孙伟伟，李加林，范莉，高阳华，王桐，
申请(专利权)人：宁波大学，
类型：发明
国别省市：