一种基于多源数据和物候特征的南方单双季稻识别方法技术

本发明专利技术公开了一种基于多源数据和物候特征的南方单双季稻识别方法，下载不同遥感卫星的卫星影像，处理得到时序影像数据集；基于时序影像数据集获得S

【技术实现步骤摘要】
一种基于多源数据和物候特征的南方单双季稻识别方法


[0001]本专利技术涉及大面积单双季稻分类
，具体涉及一种基于多源数据和物候特征的南方单双季稻识别方法，属于农业遥感


技术介绍

[0002]水稻是全球重要的粮食作物之一，掌握水稻的种植面积有利于保障世界粮食安全。同时，水稻生产过程中排放的甲烷占与人类相关的甲烷排放量的8％左右，因此水稻的空间分布信息在减缓气候变化也发挥着至关重要的作用。我国是世界上最大的水稻生产国，超过60％的人口以稻米为主食。单季稻与双季稻为我国主要的水稻种植模式，近二十年来其种植分布与收获面积发生了巨大的变化。由于我国南方雨热条件充沛，具有单季稻与双季稻并存的种植格局，单季稻与双季稻也是该区域主要的粮食作物。因此，基于遥感技术手段开展我国南方单双季稻种植空间分布的识别与监测，有助于制定农业生产相关政策、推进水土资源高效利用，进而为实现可持续发展目标提供重要数据支撑。然而，由于我国南方多云多雨且耕地较为破碎，南方区域的单双季稻识别是农业遥感
的难点。
[0003]目前国内外已有的单双季稻遥感识别技术主要分为数据驱动法与物候法。数据驱动法如机器学习法与深度学习法，通过使用大量的实地采样点进行模型的驱动训练，结合遥感影像生成分类结果。但这种方法的缺点是需要付出大量的人力、物力进行高质量、研究区全覆盖的实地样本点采集。物候法是基于单双季稻独特的时序物候特征，通过设定阈值决策规则实现最终分类的分类方法。物候法只需要少量样本点进行阈值的调整，即可完成模型的构建。同时，其适用空间范围较广，可结合农田管理进行相应的方法调整。目前的单双季稻物候法识别研究主要基于两个特征。一是水稻移栽期具备的淹水特征，该特征用于区分水稻与非水稻。二是水稻的复种特征，该特征用于区分单季稻与双季稻。但目前的物候法研究往往基于单一遥感影像数据集进行两个特征的识别，导致识别精度有待提高，识别效果有待优化。如何协同多源遥感数据，加密影像时间序列，提高遥感影像时序数据集的利用率，进而提高中国南方单双季稻分类精度是当下农业遥感领域的热点研究课题。

技术实现思路

[0004]本专利技术的目的在于针对现有技术单双季稻遥感识别精度不高的问题，结合中国南方单双季稻独特的物候特点，协同使用多源光学数据，提供一种基于多源数据和物候特征的南方单双季稻识别方法，根据不同滤波方法对时序影像的不同重构效果，对单双季稻筛选过程进行改进，充分挖掘遥感数据集潜力，从而优化单双季稻的识别效果，实现中国南方单双季稻的高精度制图。
[0005]本专利技术的上述目的通过以下技术手段实现：
[0006]一种基于多源数据和物候特征的南方单双季稻识别方法，包括以下步骤：
[0007]步骤一、下载不同遥感卫星的卫星影像，分别进行影像预处理、影像协同与时间合成处理，得到时序影像数据集；
[0008]步骤二、对时序影像数据集进行植被指数计算得到植被指数影像数据集，基于植被指数影像数据集进行时序滤波处理，得到S
‑
G滤波LSWI影像、S
‑
G滤波NDVI影像、以及HANTS滤波NDVI影像；
[0009]步骤三、获取研究区内的耕地分布图层；
[0010]步骤四、对S
‑
G滤波LSWI影像和S
‑
G滤波NDVI影像使用耕地分布图层剔除研究区内所有非耕地像元后，利用S
‑
G滤波LSWI影像和S
‑
G滤波NDVI影像，结合水稻泡田期的淹水特征，进行水稻与非水稻的区分，获得水稻潜在分布图层；
[0011]步骤五、对HANTS滤波NDVI影像使用耕地分布图层剔除研究区内所有非耕地像元后，利用HANTS滤波NDVI影像和水稻潜在分布图层，完成单双季稻识别。
[0012]如上所述步骤一包括以下步骤：
[0013]分别下载Level
‑
1C级别的Sentinel
‑
2卫星影像、Landsat
‑
7卫星影像、以及Landsat
‑
8卫星影像，对下载后的Sentinel
‑
2、Landsat
‑
7、Landsat
‑
8卫星影像进行去云、去雪、去卷云处理，并进行影像协同处理，再对Sentinel
‑
2、Landsat
‑
7、Landsat
‑
8卫星影像进行时间合成处理，再通过时序线性插值法对合成影像数据集进行插值处理，最终得到时序影像数据集。
[0014]如上所述步骤三包括以下步骤：基于GLAD耕地产品数据集中的耕地像元分布对研究区进行掩膜以提取耕地像元，得到研究区内的耕地分布图层。
[0015]如上所述步骤四中结合水稻泡田期的淹水特征，进行水稻与非水稻的区分，获得水稻潜在分布图层基于以下公式：
[0016][0017]其中，i为景数序号，LSWIi为第i景S
‑
G滤波LSWI影像，NDVIi为第i景S
‑
G滤波NDVI影像，当Rice Index(Z)为1时表示像元Z是潜在水稻，当Rice Index(Z)为0时表示像元Z是非水稻，进而最终的研究区的水稻潜在分布图层。
[0018]如上所述步骤五中利用HANTS滤波NDVI影像和水稻潜在分布图层，完成单双季稻识别基于以下公式：
[0019][0020][0021]其中，i为景数序号，Peak
number
为HANTS滤波NDVI影像在i景范围内，像元Z的峰值个数；Peak
value
为HANTS滤波NDVI影像在i景范围内，像元Z的最大峰值大小，在水稻潜在分布图层的基础上，当像元Z满足SCR(Z)条件时，判断像元Z为单季稻；当像元Z满足DCR(Z)条件时，判断像元Z为双季稻；SCR(Z)条件和DCR(Z)条件均不满足则判断像元Z为非水稻，得到最终的研究区的单双季稻识别结果。
[0022]本专利技术相对于现有技术，具有以下有益效果：
[0023]本专利技术为解决物候法区分单双季水稻分类精度偏低的问题，协同多个中分辨率遥
感卫星，在少量实地样本点的协助下，通过S
‑
G滤波与HANTS滤波两种滤波方法，充分挖掘时序影像数据集的潜在信息特征。最终基于不同滤波数据集的时序特点，通过改进的物候法提高了单双季稻的分类精度与识别效果，实现了中国南方单双季稻的制图需求。
附图说明
[0024]图1是本专利技术的方法步骤流程图；
[0025]图2是本专利技术的方法详细技术流程示意图；
[0026]图3是本专利技术实施例中的测试研究区；
[0027]图4是本专利技术实施例中使用的不同滤波处理后的植被指数时序曲线，其中，a为单季稻植被指数时序曲线，b为单季稻S
‑
G滤波植被指数时序曲线，c为单季稻HANT滤波植被指数时序曲线，d为双季稻植被指数时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源数据和物候特征的南方单双季稻识别方法，其特征在于，包括以下步骤：步骤一、下载不同遥感卫星的卫星影像，分别进行影像预处理、影像协同与时间合成处理，得到时序影像数据集；步骤二、对时序影像数据集进行植被指数计算得到植被指数影像数据集，基于植被指数影像数据集进行时序滤波处理，得到S
‑
G滤波LSWI影像、S
‑
G滤波NDVI影像、以及HANTS滤波NDVI影像；步骤三、获取研究区内的耕地分布图层；步骤四、对S
‑
G滤波LSWI影像和S
‑
G滤波NDVI影像使用耕地分布图层剔除研究区内所有非耕地像元后，利用S
‑
G滤波LSWI影像和S
‑
G滤波NDVI影像，结合水稻泡田期的淹水特征，进行水稻与非水稻的区分，获得水稻潜在分布图层；步骤五、对HANTS滤波NDVI影像使用耕地分布图层剔除研究区内所有非耕地像元后，利用HANTS滤波NDVI影像和水稻潜在分布图层，完成单双季稻识别。2.根据权利要求1所述一种基于多源数据和物候特征的南方单双季稻识别方法，其特征在于，所述步骤一包括以下步骤：分别下载Level
‑
1C级别的Sentinel
‑
2卫星影像、Landsat
‑
7卫星影像、以及Landsat
‑
8卫星影像，对下载后的Sentinel
‑
2、Landsat
‑
7、Landsat
‑
8卫星影像进行去云、去雪、去卷云处理，并进行影像协同处理，再对Sentinel
‑
2、Land...

【专利技术属性】
技术研发人员：徐保东，张馨予，胡琼，
申请(专利权)人：华中农业大学，
类型：发明
国别省市：