一种基于多源遥感数据的作物分类方法及系统技术方案

本发明专利技术涉及作物分类技术领域，提供了一种基于多源遥感数据的作物分类方法及系统，包括：获取研究区域的物候期内的多源遥感数据；基于多源遥感数据，计算物候期内多个时间点的作物分类最优指数；基于所有作物的收获时间的作物分类最优指数，提取林地掩膜；基于每个作物的物候期，确定每个作物的两个关键时间点；对于每个作物，基于林地掩膜，结合两个关键时间点的作物分类最优指数的差值，进行作物的提取。消除了不同数据源对作物分类精度的影响，提高了大范围轮种作物分类准确度。提高了大范围轮种作物分类准确度。提高了大范围轮种作物分类准确度。

【技术实现步骤摘要】
一种基于多源遥感数据的作物分类方法及系统


[0001]本专利技术属于作物分类
，尤其涉及一种基于多源遥感数据的作物分类方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]农作物空间分布信息对粮食产量预测、国家农业政策制定和经济发展有着至关重要的作用。世界各地对于农业的重视使得人们愈加注重农作物的分布和变化情况。遥感数据对于农业监测有着重要的意义，很大程度减少了人们对于实地考察的依赖，且田间调查的方法成本高昂且通常会造成一定程度的作物损毁，而且由于不同农作物的生长周期不同，造成物候期内的生长状况也有一定的差异，因此，利用遥感影像的时间序列对于物候期内农作物进行分类能够一定程度上满足人们对于获取农作物空间信息和分布的需求。遥感提供了一种高时效、高精度、非损毁性的调查手段。
[0004]近年来，很多学者利用光学遥感影像对不同时空尺度下的多种农作物进行分类识别研究并已发展较为成熟。但是，沿海城市在农作物的关键物候期内常受多云雾等天气影想，导致有些影像数据的缺失，极大限制了实际研究中的应用，因此，利用多源数据有利于解决数据因为天气等原因导致的数据缺失问题。农作物框架结构的提取主要是利用农作物的光谱、时间和空间特性。
[0005]目前利用遥感技术手段对于农作物分类的研究主要存在以下主要问题：
[0006]1、大多数关于作物分类的研究，会首先提取耕地，而如果耕地提取不准确，则会严重影响后续精度问题，而且山区地块分布较散漫种植面积小，反映到影像上会出现像元太小、误差较大等问题；
[0007]2、影像提取的特征数量对于精度结果有很大的影响，较少的特征没有办法反映不同农作物之间的差别，较多则出现冗余，降低农作物的精度，需要合理的对特征的类别和数量进行决策；
[0008]3、需要解决传统单一遥感影像分类精度低，作物特征不明显，以及不同数据源分类精度差异等缺点；
[0009]4、一般利用关键期的遥感数据进行分类时，由于选取数据源分辨率的不同导致分类精度差异较大，因此，如何建立一种可以基于多源遥感数据的分类方法，可以有效解决分辨率不一致及数据缺失等重要问题；
[0010]5、传统利用时间序列分类对突变式作物较容易区分，但作物生长通常是渐变式的，特别，对于轮种作物，传统方法分类普适性较低、耗时久，即，传统时间序列分类方法对农作物突变式发展有很好的辨识能力，但是作物生长是渐变式的，需要量化作物细微变化。

技术实现思路

[0011]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种基于多源遥感数据的作物分类方法及系统，基于多源遥感数据物候信息差值进行快速分类，可以量化不同作物类型的差异信息，消除不同数据源对作物分类精度的影响，以此提高大范围轮种作物分类准确度。
[0012]为了实现上述目的，本专利技术采用如下技术方案：
[0013]本专利技术的第一个方面提供一种基于多源遥感数据的作物分类方法，其包括：
[0014]获取研究区域的物候期内的多源遥感数据；
[0015]基于多源遥感数据，计算物候期内多个时间点的作物分类最优指数；
[0016]基于所有作物的收获时间的作物分类最优指数，提取林地掩膜；
[0017]基于每个作物的物候期，确定每个作物的两个关键时间点；
[0018]对于每个作物，基于林地掩膜，结合两个关键时间点的作物分类最优指数的差值，进行作物的提取。
[0019]进一步地，对多源遥感数据依次进行辐射校正、正射校正、去云和影像拼接后，计算物候期内多个时间点的作物分类最优指数。
[0020]进一步地，所述作物分类最优指数是根据若干种作物的特征指数时序图，在NDVI、EVI和RVI中选取出来的。
[0021]进一步地，对于某个作物，采用林地掩膜对多源遥感数据处理后，若两个关键时间点的作物分类最优指数的差值大于阈值，则在多源遥感数据中，提取出该作物。
[0022]进一步地，某作物对应的阈值是训练集中该作物对应的训练样本的两个关键时间点的作物分类最优指数的差值的均值。
[0023]进一步地，所述多源遥感数据包括Sentile
‑
2A数据或Landsat8遥感影像数据。
[0024]本专利技术的第二个方面提供一种基于多源遥感数据的作物分类系统，其包括：
[0025]数据获取模块，其被配置为：获取研究区域的物候期内的多源遥感数据；
[0026]分类指数计算模块，其被配置为：基于多源遥感数据，计算物候期内多个时间点的作物分类最优指数；
[0027]掩膜提取模块，其被配置为：基于所有作物的收获时间的作物分类最优指数，提取林地掩膜；
[0028]时间点确定模块，其被配置为：基于每个作物的物候期，确定每个作物的两个关键时间点；
[0029]分类模块，其被配置为：对于每个作物，基于林地掩膜，结合两个关键时间点的作物分类最优指数的差值，进行作物的提取。
[0030]本专利技术的第三个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种基于多源遥感数据的作物分类方法中的步骤。
[0031]本专利技术的第四个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的一种基于多源遥感数据的作物分类方法中的步骤。
[0032]与现有技术相比，本专利技术的有益效果是：
[0033]本专利技术提供了一种基于多源遥感数据的作物分类方法，其基于多源遥感数据物候
信息差值进行快速分类，可以量化不同作物类型的差异信息，消除不同数据源对作物分类精度的影响，以此提高大范围轮种作物分类准确度。
附图说明
[0034]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0035]图1是本专利技术实施例一的一种基于多源遥感数据的作物分类方法的流程图；
[0036]图2是本专利技术实施例一的增强植被指数EVI时序图；
[0037]图3是本专利技术实施例一的归一化植被指数NDVI时序图；
[0038]图4是本专利技术实施例一的比值植被指数时序图。
具体实施方式
[0039]下面结合附图与实施例对本专利技术作进一步说明。
[0040]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0041]实施例一
[0042]本实施例提供了一种基于多源遥感数据的作物分类方法，基于多源遥感数据构建高频植被特征时间序列，利用植被指数均值差值，确定不同作物分类阈值，提高大范围轮种农作物分类精度。
[0043]因为Sentile
‑...

【技术保护点】

【技术特征摘要】
1.一种基于多源遥感数据的作物分类方法，其特征在于，包括：获取研究区域的物候期内的多源遥感数据；基于多源遥感数据，计算物候期内多个时间点的作物分类最优指数；基于所有作物的收获时间的作物分类最优指数，提取林地掩膜；基于每个作物的物候期，确定每个作物的两个关键时间点；对于每个作物，基于林地掩膜，结合两个关键时间点的作物分类最优指数的差值，进行作物的提取。2.如权利要求1所述的一种基于多源遥感数据的作物分类方法，其特征在于，对多源遥感数据依次进行辐射校正、正射校正、去云和影像拼接后，计算物候期内多个时间点的作物分类最优指数。3.如权利要求1所述的一种基于多源遥感数据的作物分类方法，其特征在于，所述作物分类最优指数是根据若干种作物的特征指数时序图，在NDVI、EVI和RVI中选取出来的。4.如权利要求1所述的一种基于多源遥感数据的作物分类方法，其特征在于，对于某个作物，采用林地掩膜对多源遥感数据处理后，若两个关键时间点的作物分类最优指数的差值大于阈值，则在多源遥感数据中，提取出该作物。5.如权利要求4所述的一种基于多源遥感数据的作物分类方法，其特征在于，某作物对应的阈值是训练集中该作物对应的训练样本的两个关键时间点的作物分类最优指数的差值的均值。6.如权利要求1所述的一种基于多源遥感数据的作物分类方法，其特征在于，所述多源遥感数据包括Sentile
‑<...

【专利技术属性】
技术研发人员：徐天河，尹会英，康苒，李嘉鹏，邓彩云，司璐璐，张丽，
申请(专利权)人：山东大学，
类型：发明
国别省市：