一种基于时序NDVI的冬闲田遥感提取方法技术

本发明专利技术公开了一种基于时序NDVI的冬闲田遥感提取方法，首先，基于样本遥感影像确定冬小麦与冬闲田对比物候线，其中对比物候线将冬小麦生长期划分为第一生长期和第二生长期；其次，获取包含研究区域的遥感影像并进行预处理，得到研究区域的耕地遥感影像；最后，针对耕地遥感影像，确定其冬小麦与冬闲田的NDVI区分阈值，逐像元地计算耕地遥感影像在第一、第二生长期内的NDVI均值，进而得到两个生长期NDVI均值的变化值，再与冬小麦与冬闲田的NDVI区分阈值进行比较，当NDVI均值的变化值低于NDVI区分阈值时，判断该像元属于冬闲田，从而得到研究区域的冬闲田分布信息，填补了冬闲田遥感提取的技术空白。取的技术空白。取的技术空白。

【技术实现步骤摘要】
一种基于时序NDVI的冬闲田遥感提取方法


[0001]本专利技术涉及农业遥感监测
，尤其涉及基于时序NDVI的冬闲田遥感提取方法。

技术介绍

[0002]粮食生产功能区和重要农产品生产保护区包括稻谷、小麦、玉米三大谷物粮食生产功能区和大豆、棉花、油菜籽、糖料蔗、天然橡胶等五类重要农产品生产保护区。粮食生产功能区主要为确保“谷物基本自给、口粮绝对安全”，重要农产品生产保护区主要为保障棉、油、糖、胶等重要农产品有效供给。
[0003]安徽中北部地区大量面积种植小麦，但随着由于经济结构的调整以及农村劳动力的转移，越来越多的农户放弃秋季播种，导致大量土地自秋收后到第二年播种前这段时间被闲置，被称之为冬闲田。冬闲田的出现使得耕地利用率进一步下降，导致光热水土资源的浪费。因此，加强冬季耕地种植情况监测，合理开发未种植地，有助于生态环境保护以及农村经济社会可持续发展。
[0004]目前，遥感是监测农情信息最方便、经济、及时的手段。遥感技术具有客观、及时的特点，可在短期内获得大量大范围的地面信息。但是，目前鲜有通过遥感技术快速提取冬闲田面积及分布情况的应用。

技术实现思路

[0005]为此，本专利技术提供一种基于时序NDVI的冬闲田遥感提取方法，利用时序NDVI变化曲线，进行耕地范围内冬闲田的识别与提取。
[0006]一种基于时序NDVI的冬闲田遥感提取方法，包括以下步骤：步骤1，基于样本遥感影像确定冬小麦与冬闲田对比物候线，其中对比物候线将冬小麦生长期划分为第一生长期和第二生长期；步骤2，获取包含研究区域的遥感影像并进行预处理，再以该研究区域的耕地矢量边界作为掩膜，去除遥感影像中的非耕地区域，形成研究区域的耕地遥感影像；步骤3，针对耕地遥感影像，确定其冬小麦与冬闲田的NDVI区分阈值；步骤4，逐像元地计算耕地遥感影像在第一、第二生长期内的NDVI均值，进而得到两个生长期NDVI均值的变化值，再与冬小麦与冬闲田的NDVI区分阈值进行比较，当NDVI均值的变化值低于NDVI区分阈值时，判断该像元属于冬闲田，从而得到研究区域的冬闲田分布信息。
[0007]进一步的，步骤1包括以下步骤：步骤1.1，选取包含一定数量的冬小麦和冬闲田的遥感影像作为样本遥感影像，并对其中的部分冬小麦和冬闲田进行人工标记，分别作为冬小麦和冬闲田区域样本；步骤1.2，分别计算冬小麦区域样本和冬闲田区域样本不同时间遥感影像的NDVI值，构成冬小麦时序NDVI曲线和冬闲田时序NDVI曲线；
步骤1.3，分析两条时序NDVI曲线的最小累计距离特征，确定冬小麦与冬闲田对比物候线，其中，优选基于TWDTW算法分析两条时序NDVI曲线的最小累计距离特征。
[0008]进一步的，步骤3包括以下步骤：步骤3.1，分别计算耕地遥感影像中每个像元在第一、第二生长期的NDVI均值，以及两个生长期NDVI均值的变化值，得到两个生长期的NDVI均值变化灰度图；步骤3.2，基于图像分割算法，从NDVI均值变化灰度图中得出冬小麦与冬闲田的NDVI区分阈值，其中，所述图像分割算法优选OSTU算法。
[0009]进一步的，步骤1中的预处理包括辐射定标、大气校正、正射校正、几何配准。
[0010]进一步的，对步骤3得到的冬闲田分布信息进行后处理，剔除林地、水体、建筑物，得到最终的冬闲田空间分布结果。
[0011]本专利技术通过样本遥感影像获取冬小麦与冬闲田对比物候线，基于该对比物候线得到研究区域耕地遥感影像的冬小麦与冬闲田的NDVI区分阈值，进而实现冬小麦种植区域冬闲田遥感提取，填补了冬闲田遥感提取的技术空白，且整体提取精度较高。
附图说明
[0012]下面结合附图和实施例对本申请的技术方案进一步说明。
[0013]图1是本专利技术提出的基于时序NDVI的冬闲田遥感提取方法流程图；图2是样本遥感影像的冬小麦时序NDVI曲线和冬闲田时序NDVI曲线对比示意图；图3是肥西县耕地遥感影像示意图；图4是肥西耕地遥感影像第一生长期的NDVI均值灰度图；图5是肥西耕地遥感影像第二生长期的NDVI均值灰度图；图6是肥西耕地遥感影像第一、第二生长期的NDVI均值变化灰度图；图7是最终的肥西县冬闲田空间分布结果示意图；图8为肥西县局部冬闲田提取结果与Sentinel
‑
2遥感影像对比。
具体实施方式
[0014]下面结合附图和具体实施方式对本专利技术作进一步详细的说明。本专利技术的实施例是为了示例和描述起见而给出的，而并不是无遗漏的或者将本专利技术限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选择和描述实施例是为了更好说明本专利技术的原理和实际应用，并且使本领域的普通技术人员能够理解本专利技术从而设计适于特定用途的带有各种修改的各种实施例。
实施例
[0015]一种基于时序NDVI的冬闲田遥感提取方法，如图1所示，包括以下步骤：1、基于样本遥感影像确定冬小麦与冬闲田对比物候线，其中对比物候线将冬小麦生长期划分为第一生长期和第二生长期。
[0016]此对比物候线可以通过大量标记样本汇总分析得到，但为保证其准确性，需要的标记样本数量较为庞大，从而为其准确获取增加了难度。本实施例提出一种冬小麦与冬闲田对比物候线提取方法，可以通过较少的标记样本得到较为准确的对比物候线，具体包括
以下步骤：
⑴
选取包含一定数量的冬小麦和冬闲田的遥感影像作为样本遥感影像，本实施例选择2022年4月7日0.5m空间分辨率的吉林一号卫星遥感影像。
[0017]⑵
对其中的部分冬小麦和冬闲田进行人工标记，分别作为冬小麦和冬闲田区域样本。
[0018]⑶
分别计算冬小麦区域样本和冬闲田区域样本不同时间遥感影像的NDVI值（取区域样本所有像元NDVI值的均值），构成冬小麦时序NDVI曲线和冬闲田时序NDVI曲线，如图2所示。
[0019]⑷
分析两条时序NDVI曲线的最小累计距离特征，确定冬小麦与冬闲田对比物候线，参考图2竖线位置；基于TWDTW算法分析两条时序NDVI曲线的最小累计距离特征。TWDTW算法的核心是基于动态规划思想进行相似性度量的分类方法，寻找一条累计距离最小的路径。由于具体算法属于现有技术（2021年11月12日公开的专利技术专利申请CN 113642464 A已公开），此处不再赘述，从图2可以直观地看出，大约从2022年1月27日起，两条时序NDVI曲线开始出现较大分离。
[0020]2、获取包含研究区域的遥感影像并进行预处理，再以该研究区域的耕地矢量边界作为掩膜，去除遥感影像中的非耕地区域，形成研究区域的耕地遥感影像。
[0021]本实施例选取安徽省合肥市肥西县为研究区域，采用10米分辨率Sentinel
‑
2影像和0.5米分辨率JL
‑
1卫星影像为数据源，其中Sentinel
‑
2影像范围为2021年10月至2022年5月19日，共297景；JL
‑<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时序NDVI的冬闲田遥感提取方法，其特征在于，包括以下步骤：步骤1，基于样本遥感影像确定冬小麦与冬闲田对比物候线，其中对比物候线将冬小麦生长期划分为第一生长期和第二生长期；步骤2，获取包含研究区域的遥感影像并进行预处理，再以该研究区域的耕地矢量边界作为掩膜，去除遥感影像中的非耕地区域，形成研究区域的耕地遥感影像；步骤3，针对耕地遥感影像，确定其冬小麦与冬闲田的NDVI区分阈值；步骤4，逐像元地计算耕地遥感影像在第一、第二生长期内的NDVI均值，进而得到两个生长期NDVI均值的变化值，再与冬小麦与冬闲田的NDVI区分阈值进行比较，当NDVI均值的变化值低于NDVI区分阈值时，判断该像元属于冬闲田，从而得到研究区域的冬闲田分布信息。2.根据权利要求1所述的基于时序NDVI的冬闲田遥感提取方法，其特征在于，步骤1包括以下步骤：步骤1.1，选取包含一定数量的冬小麦和冬闲田的遥感影像作为样本遥感影像，并对其中的部分冬小麦和冬闲田进行人工标记，分别作为冬小麦和冬闲田区域样本；步骤1.2，分别计算冬小麦区域样本和冬闲田区域样本不同时间遥感影像的NDVI值，构成冬小麦时序NDVI曲线和冬闲田...

【专利技术属性】
技术研发人员：尹超，李劲松，茹菲，张杰，吴亚男，杜家宽，王梦阳，张文辉，李梦君，
申请(专利权)人：天地信息网络研究院安徽有限公司，
类型：发明
国别省市：