一种基于标准曲线的大豆识别方法技术

本申请涉及一种基于标准曲线的大豆识别方法，包括：步骤S1、卫星数据处理；步骤S2、构建时间序列归一化物候指数特征：计算植被指数获得植被指数图像，对植被指数图像使用时间序列构建时间序列植被指数特征；步骤S3、构建样本点标准曲线：依据样本点时间序列植被指数特征、位置、气象数据因子形成样本点标准曲线；步骤S4、样本点标准曲线参数信息提取与物候特征计算：样本点标准曲线中主要物候信息提取；对其它像元计算生成物候参数特征影像；步骤S5、农作物品种识别与精度评估：将样本信息输入到分类器中得到样本分类器，其它像元数据输入到样本分类器中进行识别，使用分类混淆矩阵计算识别精度。本申请自动化程度高且精度高。本申请自动化程度高且精度高。本申请自动化程度高且精度高。

【技术实现步骤摘要】
一种基于标准曲线的大豆识别方法


[0001]本申请涉及一种基于标准曲线的大豆识别方法，主要适用于大豆种植面积的评估和监测。

技术介绍

[0002]大豆是高蛋白食品、牲畜饲料的主要原料以及食用油的重要来源，在世界粮食生产中占有重要地位。传统的农业调查方式估算大豆种植面积相对比较费时费力，易受主观因素影响，结果数据亦无法提供具体空间分布信息。遥感技术可以更及时、高效和客观地实现大规模的农作物种植面积监测，且成本低廉。目前主流的遥感技术识别大豆的方法有四类：
[0003](1)使用光谱特征识别大豆，即使用卫星数据的各个波段作为其分类特征识别大豆，也有人发现卫星数据如Sentinel
‑
2数据的红边波段和近红外波段可以很好地区分大豆和玉米。该方法使用的是单时相影像，当研究区域较大(省级尺度以上)时，由于云雨等污染Sentinel
‑
2单时相影像缺失不能完全覆盖整个研究区，则无法开展后续研究，单时相影像也不能体现作物的变化过程，尤其是在同一时期具有相似反射率值的作物容易混淆导致无法识别，并且由于卫星传感器、镜头本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于标准曲线的大豆识别方法，其特征是包括以下步骤步骤S1、卫星数据处理：所述卫星数据处理步骤获取研究区内大豆生长期所有相关卫星数据，对数据进行云量控制和去云处理；步骤S2、构建时间序列归一化物候指数特征：使用处理好的卫星数据计算研究区内所有像元的植被指数获得所有像元的植被指数图像，对每一个像元使用该像元的时间序列方法处理该像元的植被指数图像构建该像元的时间序列植被指数特征；步骤S3、构建样本点标准曲线；步骤S4、样本点标准曲线参数信息提取与物候特征计算：将样本点标准曲线中的大豆样本点关键生长期信息提取出来，得到样本点主要物候信息；对研究区范围内除样本点以外所有像元计算大豆样本点关键生长期信息，合成物候参数特征影像；步骤S5、农作物品种识别与精度评估：将样本信息输入到分类器中得到样本分类器，将样本点以外所有像元的物候参数特征影像输入到样本分类器中进行识别并输出识别结果，使用分类混淆矩阵计算识别精度。2.根据权利要求1所述基于标准曲线的大豆识别方法，其特征是：所述步骤S2中的植被指数为归一化物候植被指数，归一化物候植被指数计算公式如下：式中，NIR为近红外波段反射率，RED为红色波段反射率，SWIR为短波红外波段反射率。3.根据权利要求1所述基于标准曲线的大豆识别方法，其特征是：所述步骤S2中的时间序列方法采用线性谐波模型，所述线性谐波模型计算公式如下：其中，f(t)是第t时刻拟合的植被指数值；a是常数项；b是一阶项的系数；M是谐波组合的数量，在本申请中，M取2，即二项线性谐波模型；C和D是余弦函数和正弦函数的系数；ω是一年中天数的倒数(1/365)；t是DOY(一年中的某一天)。4.根据权利要求1所述基于标准曲线的大豆识别方法，其特征是：所述步骤S3样本点标准曲线公式为：其中，部分为谐波拟合公式，Temp为温度变量，hour为日照时长变量，rain为降雨变量，c0，c1，c2为气象权重因子。5.根据权利要求1所述基于标准曲线的大豆识别方法，其特征是：大豆样本点关键生长期信息采用主要物候点参数信息，主要物候点通过下述公式来确定：
u＝(V
min
‑
V
max
)
×...

【专利技术属性】
技术研发人员：徐俊锋，彭代亮，方佳毅，罗旺，楼子杭，彭晓雪，傅显浩，吴艳飞，尹珊，楼双溯，
申请(专利权)人：杭州师范大学，
类型：发明
国别省市：