一种中分辨率水稻提取方法及系统技术方案

本申请公开了一种中分辨率水稻提取方法及系统，其中，方法步骤包括：选取耕地区样本水稻的种植矢量斑块；根据种植矢量斑块，拟合曲线方程；基于拟合方程，确定水稻提取自适应NDVI变化阈值；根据水稻提取自适应NDVI变化阈值，完成水稻种植区域提取。本申请使用植被指数NDVI作为单一参数，易于反演，遥感提取参数条件简洁；本申请针对研究区，利用哨兵

【技术实现步骤摘要】
一种中分辨率水稻提取方法及系统


[0001]本申请涉及水稻遥感提取领域，具体涉及一种中分辨率水稻提取方法及系统。

技术介绍

[0002]水稻是我国重要的粮食作物，与小麦、玉米并称我国的三大主粮。准确高效地识别水稻种植区，是了解水稻种植分布情况的重要手段。遥感技术具有范围广、动态性强、时效性好的特点，与传统的田间统计方法相比，可大大提升人机交互判读水稻的工作效率，也为大范围水稻自动化识别创造了可能。
[0003]目前最通用的基于遥感影像的水稻提取方法为阈值分类法，即选取水稻生长季内反映水稻不同物候时期的遥感影像，通过植被指数、水分指数等特定遥感反演参数，根据水稻与其它植被的参数差异，反复调节测试设定不同物候时期参数变化阈值，进行决策树分类提取。然而，所获取的遥感影像日期的变化会导致相关参数和变化阈值的差异。例如，南方地区水稻生长季通常与雨季重合，导致遥感影像质量较差，难以获得理想物候日期或阶段的遥感影像。本申请采用中分辨率遥感影像为数据源，结合水稻不同于其他农作物的物候特征和植被指数NDVI的变化情况，通过构建水稻NDVI指数随时间变化方程实现水稻生长季内水稻NDVI变化阈值的自适应判定。本申请旨在为推广大范围、自动化识别水稻种植区域的工作提供参考。

技术实现思路

[0004]本申请根据水稻在播种期、成熟期、收割期的NDVI指数变化情况提取水稻。明确播种、成熟和收割的时间节点或区间，构建研究区水稻NDVI随时间变化情况的曲线方程。
[0005]为实现上述目的，本申请公开了一种中分辨率水稻提取方法，步骤包括：
[0006]选取耕地区样本水稻的种植矢量斑块；
[0007]根据所述种植矢量斑块，拟合曲线方程；
[0008]基于所述拟合方程，确定水稻提取自适应NDVI变化阈值；
[0009]根据所述水稻提取自适应NDVI变化阈值，完成水稻种植区域提取。
[0010]优选的，选取所述种植矢量斑块的方法包括：
[0011]获取覆盖研究区域的高分遥感数据和土地利用分类数据；从所述高分遥感数据和所述土地利用分类数据中提取若干所述种植矢量斑块。
[0012]优选的，拟合所述曲线方程的方法包括：将所述种植矢量斑块导入计算平台，进行NDVI反演计算；根据当地水稻种植物候历，确定水稻种植日期，以播种后的日历天数为时间轴，绘制生长季内水稻NDVI指数随时间的变化曲线；根据所述变化曲线拟合所述曲线方程。
[0013]优选的，提取所述自适应NDVI变化阈值的方法包括：分别获取研究区内水稻播种期、成熟期和收割期的中分辨率遥感影像，根据所述中分辨率遥感影像的日期与水稻播种日期的差值确定每景影像对应的播种后日历天数，将所述日历天数带入所述曲线方程，计算成熟期
‑
播种期和收割期
‑
成熟期的期望NDVI值差值作为所述自适应NDVI指数变化阈值。
[0014]优选的，提取所述水稻种植区的方法包括：将播种期、成熟期和收割期各时刻的所述中分辨率遥感影像进行反演，得到NDVI指数情况分布图；根据所述自适应NDVI指数变化阈值在所述NDVI指数情况分布图中，得到所述水稻种植区。
[0015]本申请还提供了一种中分辨率水稻提取系统，包括：采集模块、拟合模块、提取模块和标定模块；
[0016]所述采集模块用于选取耕地区样本水稻的种植矢量斑块；
[0017]所述拟合模块用于根据所述种植矢量斑块，拟合曲线方程；
[0018]所述提取模块用于基于所述拟合方程，确定水稻提取自适应NDVI变化阈值；
[0019]所述标定模块用于根据所述水稻提取自适应NDVI变化阈值，完成水稻种植区域提取。
[0020]优选的，所述采集模块的工作量程包括：获取覆盖研究区域的高分遥感数据和土地利用分类数据；从所述高分遥感数据和所述土地利用分类数据中提取若干所述种植矢量斑块。
[0021]优选的，所述拟合模块的工作流程包括：将所述种植矢量斑块导入所述拟合模块，进行NDVI反演计算；根据当地水稻种植物候历，确定水稻种植日期，以播种后的日历天数为时间轴，绘制生长季内水稻NDVI指数随时间的变化曲线；根据所述变化曲线拟合所述曲线方程。
[0022]优选的，所述提取模块的工作流程包括：分别获取研究区内水稻播种期、成熟期和收割期的中分辨率遥感影像，根据所述中分辨率遥感影像的日期与水稻播种日期的差值确定每景影像对应的播种后日历天数，将所述日历天数带入所述曲线方程，计算成熟期
‑
播种期和收割期
‑
成熟期的期望NDVI值差值作为所述自适应NDVI指数变化阈值。
[0023]优选的，所述标定模块的工作流程包括：将播种期、成熟期和收割期各时刻的所述中分辨率遥感影像进行反演，得到NDVI指数情况分布图；根据所述自适应NDVI指数变化阈值在所述NDVI指数情况分布图中，得到所述水稻种植区。
[0024]与现有技术相比，本申请的有益效果如下：
[0025]本申请使用植被指数NDVI作为单一参数，易于反演，遥感提取参数条件简洁；本申请针对研究区，利用哨兵
‑
2号和LandsatTM等中分辨率遥感影像数据构建水稻生长季NDVI值变化曲线，减少了MODIS等低分辨率遥感影像因混合像元所造成的构建的NDVI变化曲线精细度不够的问题；本申请使用分散的样本水稻种植矢量斑块，减少了单个区域因天气原因造成的可用遥感影像缺失的影响；本申请实现了用于提取水稻区域的NDVI指数变化阈值的自适应，可确定生长季内任意时间点遥感影像的水稻期望NDVI指数值和物候变化提取阈值；本申请仅针对耕地范围而非研究区全域进行水稻提取，排除了耕地外被误分为水稻的情况，提高了水稻提取的精度。
附图说明
[0026]为了更清楚地说明本申请的技术方案，下面对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0027]图1为本申请实施例一的方法流程示意图；
[0028]图2为本申请实施例二的详细流程示意图；
[0029]图3为本申请实施例二的茶陵县耕地分布图；
[0030]图4为本申请实施例二的部分耕地内样本水稻矢量斑块；
[0031]图5为本申请实施例二的茶陵地区样本一季中稻NDVI值随播种后天数的变化图；
[0032]图6为本申请实施例二的茶陵县水稻种植识别区；
[0033]图7为本申请实施例三的系统结构示意图。
具体实施方式
[0034]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种中分辨率水稻提取方法，其特征在于，步骤包括：选取耕地区样本水稻的种植矢量斑块；根据所述种植矢量斑块，拟合曲线方程；基于所述拟合方程，确定水稻提取自适应NDVI变化阈值；根据所述水稻提取自适应NDVI变化阈值，完成水稻种植区域提取。2.根据权利要求1所述的中分辨率水稻提取方法，其特征在于，选取所述种植矢量斑块的方法包括：获取覆盖研究区域的高分遥感数据和土地利用分类数据；从所述高分遥感数据和所述土地利用分类数据中提取若干所述种植矢量斑块。3.根据权利要求1所述的中分辨率水稻提取方法，其特征在于，拟合所述曲线方程的方法包括：将所述种植矢量斑块导入计算平台，进行NDVI反演计算；根据当地水稻种植物候历，确定水稻种植日期，以播种后的日历天数为时间轴，绘制生长季内水稻NDVI指数随时间的变化曲线；根据所述变化曲线拟合所述曲线方程。4.根据权利要求1所述的中分辨率水稻提取方法，其特征在于，提取所述自适应NDVI变化阈值的方法包括：分别获取研究区内水稻播种期、成熟期和收割期的中分辨率遥感影像，根据所述中分辨率遥感影像的日期与水稻播种日期的差值确定每景影像对应的播种后日历天数，将所述日历天数带入所述曲线方程，计算成熟期
‑
播种期和收割期
‑
成熟期的期望NDVI值差值作为所述自适应NDVI指数变化阈值。5.根据权利要求1所述的中分辨率水稻提取方法，其特征在于，提取所述水稻种植区的方法包括：将播种期、成熟期和收割期各时刻的所述中分辨率遥感影像进行反演，得到NDVI指数情况分布图；根据所述自适应NDVI指数变化阈值在所述NDVI指数情况分布图中，得到所述水稻种植区。6.一种中分辨率水稻提取系统，其特征在于，包括：采集模块...

【专利技术属性】
技术研发人员：程治允，卢响军，屈冉，张雅琼，朱玮玮，熊文成，
申请(专利权)人：生态环境部卫星环境应用中心，
类型：发明
国别省市：