【技术实现步骤摘要】
一种面向耕地信息提取的地学分区方法
[0001]本专利技术属于数字图像处理
，特别涉及一种面向耕地遥感信息提取的地学分区方法。
技术介绍
[0002]粮食安全是人类可持续发展的主要挑战。遥感信息作为农业测绘和监测的重要数据来源，已有大量研究基于遥感开展了耕地和作物的信息提取，主要包括作物分布、作物类型和种植频率等信息，这些研究都证实了遥感技术应用于耕地信息提取的可行性和应用前景。随着影像分辨率的提升，耕地在影像中呈现的视觉特征也逐渐细化。耕地随着地理环境的不同，具有不同的表现形式，比如在地势平坦地区的耕地大多表现为有规则边界的方形或长方形地块，在山地与平原交界处的耕地大多伴有种植纹理但没有规则边界，在地势起伏相对较大的山地区域耕地大多表现为具有空间上下结构的带状。虽然相较于地势平缓地区的耕地而言，位于山坡处的耕地分布面积并不算大，但是他们却发挥着重要的作用。比如梯田是为了将山区或陡坡转化为可耕地而建造的，许多研究已证实梯田作为土地和水的综合系统的重要性。另外坡耕地作为山丘区耕地的重要组成部分，由于耕作粗放，抵御干旱与洪...
【技术保护点】
【技术特征摘要】
1.一种面向耕地信息提取的地学分区方法，其特征在于，包括以下步骤：1)得到进行耕地信息提取的区域的遥感影像数据和辅助数据，包括高分辨率遥感影像、月平均NDVI数据集、建筑物专题数据和DEM数据，并建立耕地类型解译标志和分类体系，分类体系为一级类包含耕地与非耕地，耕地二级类进一步包含规则耕地、大棚、坡耕地和梯田；2)对进行耕地信息提取的区域的高分辨率遥感影像进行影像多尺度分割，在进行耕地信息提取的区域内建立规则的蜂窝格网，在格网内部进行空间均匀分布的样本采集，得到各耕地类型与非耕地的样本；3)利用月平均NDVI数据和建筑物专题数据进行一级分区，首先根据月平均NDVI数据集得到NDVI时间序列数据并进行聚类，得到聚类后的耕地集中分布的区域和非耕地集中分布的区域，根据建筑物专题数据，计算每个耕地样本与建筑物之间的欧氏距离，设定百分比阈值A，统计占样本总数乘以A数量的耕地样本与建筑物之间欧式距离的最大值，得到距离阈值B，并认为距离建筑物欧氏距离B范围以内的区域为耕地集中分布的区域，距离建筑物欧氏距离B范围以外的区域为非耕地集中分布的区域，得到基于建筑物距离的耕地集中分布的区域和非耕地集中分布的区域，将聚类后的耕地集中分布的区域和非耕地集中分布的区域与基于建筑物距离的耕地集中分布的区域和非耕地集中分布的区域进行空间叠置，得到的耕地区域的交集为一级分区结果中实际耕地集中分布的区域，其他区域为一级分区结果中非耕地集中分布的区域，下一步根据不同耕地类型在地形上的分布特点，结合DEM数据，将实际耕地集中分布的区域进一步划分为初始规则耕地与大棚、梯田、坡耕地的集中分布区域，进一步对初始区域中的细小空洞进行填补并去除碎屑斑块，再对各耕地类型集中分布的区域进行叠加，对相交区域采用各类型耕地样本对其耕地类型属性进行判断，最终得到二级分区结果，即实际规则耕地与大棚、梯田、坡耕地的集中分布区域；4)基于二级分区结果将进行耕地信息提取的区域的高分辨率遥感影像划分为分别集中分布着非耕地、规则耕地与大棚、梯田、坡耕地的4个子区域，并在每个子区域内分别进行影像多尺度分割；5)将步骤2中所获样本进行对象到点到对象的样本转换，具体通过将步骤2的样本中心生成一个点，再寻找该点落入的步骤4)中产生的分割对象，并将该分割对象发展为与该点属性一致的对象样本；6)在每个子区域内，利用步骤5生成的落入该子区域的样本和随机森林算法分别训练分类模型，实现地学分区支持下的耕地信息提取。2.根据权利要求1所述的一种面向耕地信息提取的地学分区方法，其特征在于，所述的步骤3)的具体过程是：3.1)构建长时间序列的无云遥感影像数据集，即月平均NDVI数据集，基于该数据集进行NDVI的计算，并对计算结果进行中值月合成，得到NDVI时间序列数据，计算公式按下式(I)：其中，NIR为当前影像的近红外波段，RED为当前影像的红波段；3.2)对步骤3.1中的NDVI时间序列数据进行SG滤波，实现噪声去除和数据平滑；
3.3)对平滑后的NDVI时间序列数据进行K
...
【专利技术属性】
技术研发人员：张俊瑶，杨晓梅，王志华，刘岳明，刘彬，刘晓亮，孟丹，郜酷，
申请(专利权)人：中国科学院地理科学与资源研究所，
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。