【技术实现步骤摘要】
基于植被指数时序谱特征的大豆种植区提取方法和系统
[0001]本专利技术属于遥感影像处理
,尤其涉及基于植被指数时序谱特征的大豆种植区提取方法和系统。
技术介绍
[0002]目前大豆种植区提取方法主要基于中高空间分辨率的遥感图像分类方法和基于中低空间分辨率的时序数据提取方法,其中基于中高空间分辨率的遥感图像分类方法一般选择几景影像,会因为缺少对时序特征的充分利用而限制分类精度。而基于中低空间分辨率时序数据的提取方法又因较低空间分辨率产生的混合像元问题而影响提取精度。随着大量中高分辨率的遥感卫星发射升空,使得利用中高空间分辨率高频度时序数据成为可能。例如,Sentinel
‑
2A/B卫星的空间分辨率为10米(蓝色、绿色、红色和近红外波段)和20米(红边1、红边2、红边3、红色边缘4、短波红外1和短波红外2波段),它的一颗卫星的重访周期为10天,两颗互补,重访周期为5天,相对较短的重访周期可以提供作物更详细物候信息。此外,红边范围含有三个波段,这可能有助于区分形态相似作物类型之间的细微差异。因此,亟需充分挖掘中高空间分辨率高频度时序数据优势,构建大豆种植区高精度提取方法。
[0003]专利:一种大豆生长季空间分布图的生成方法和系统,大豆生长季的影像的提取和预处理;随机森林分类模型的构建与训练;时间窗口的设置;特征子集的选择;大豆生长季空间分布图的获得。本申请构造大豆生长季内Sentinel
‑
2光谱波段的时间序列合成影像,然后结合随机森林分类模型探究大豆最早识别的时间窗口 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于植被指数时序谱特征的大豆种植区提取方法,其特征在于,所述方法包括:步骤S1、遥感数据预处理:对Sentinel
‑
2卫星影像进行预处理,并进行耕地掩膜;步骤S2、特征提取:提取大豆整个生育期内掩膜后的Sentinel
‑
2影像增强型植被指数时序谱特征,简称时序谱特征;提取大豆关键生育期内掩膜后的Sentinel
‑
2影像波段反射率特征,简称光谱特征;提取海拔及坡度特征,简称地形特征,并利用耕地数据对所述时序谱特征、光谱特征和地形特征分别进行掩膜;步骤S3、分类模型的构建与训练:构建分类模型并通过训练设置参数;步骤S4、以所述时序谱特征为主,将所述时序谱特征、光谱特征和地形特征进行组合得到待选特征组合,得到待选特征组合;将所述待选特征组合输入分类模型,计算待选特征组合的分类精度,根据分类精度得到最优特征组合;步骤S5、大豆种植区提取及精度评价:将最优特征组合输入随机森林分类模型提取大豆种植区分布图并进行精度评价。2.根据权利要求1所述的一种基于植被指数时序谱特征的大豆种植区提取方法,其特征在于,在所述步骤S2中,所述提取大豆整个生育期内掩膜后的Sentinel
‑
2影像增强型植被指数时序谱特征的方法包括:利用线性谐波模型提取大豆整个生育期内掩膜后的Sentinel
‑
2影像增强型植被指数时序谱特征;所述线性谐波模型的公式为:其中,f(t)是第t时刻的拟合的增强型植被指数的值,a
k
是余弦系数,b
k
是正弦系数,c是截距项,n是谐波级数的阶数,w是频率等于1.5;自变量t是一年中的某一天;n分别设置为1至5,每次增加1,依据大豆的时间序列中原始值与拟合值之间均方误差最小确定n的值,此处n取2;取相位和振幅作为时序特征输入,振幅定义为二维矢量[a
k
,b
k
]的长度,相位定义为二维矢量[a
k
,b
k
]形成的角度。3.根据权利要求1所述的一种基于植被指数时序谱特征的大豆种植区提取方法,其特征在于,在所述步骤S2中,所述提取大豆关键生育期内掩膜后的Sentinel
‑
2影像波段反射率特征的方法包括:利用百分位数、最大值、最小值、平均值和标准差方法提取大豆关键生育期内掩膜后的Sentinel
‑
2影像波段反射率特征。4.根据权利要求1所述的一种基于植被指数时序谱特征的大豆种植区提取方法,其特征在于,在所述步骤S2中,大豆关键生育期内掩膜后的Sentinel
技术研发人员:彭代亮,罗旺,刘锦绣,陈月,楼子杭,
申请(专利权)人:中国科学院空天信息创新研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。