一种基于Landsat和Sentinel-2A遥感影像的春玉米苗情监测方法技术

本发明专利技术公开了一种基于Landsat和Sentinel

【技术实现步骤摘要】
一种基于Landsat和Sentinel
‑
2A遥感影像的春玉米苗情监测方法


[0001]本专利技术涉及玉米监测
，具体为一种基于Landsat和Sentinel
‑
2A遥感影像的春玉米苗情监测方法。

技术介绍

[0002]所以如何快速高效的监测玉米苗情信息对于实现现代化农业技术具有重要意义。
[0003]目前春玉米苗情监测主要有两种方法，一种是人工在田间进行实地调查，另外一种是通过摄像头田间物联网技术进行调查；
[0004]但现有技术存在以下不足：现有的田间人工调查方法效率低，没有办法开展大面积的监测调查；摄像头田间物联网技术成本高且监测范围有限。

技术实现思路

[0005]本专利技术的目的在于提供一种基于Landsat和Sentinel
‑
2A遥感影像的春玉米苗情监测方法，其通过利用可获取到的Landsat8&9和Sentinel
‑
2A多源遥感影像构建时间序列数据集，对春玉米作物的实时生长状况、环境动态和分布状况进行大范围的周期性监测，为生产管理提供及时准确的信息服务。从而解决了上述
技术介绍
中提出的问题。
[0006]本专利技术采用的技术方案如下：
[0007]一种基于Landsat和Sentinel
‑
2A遥感影像的春玉米苗情监测方法，包括以下步骤：
[0008]步骤一：遥感数据预处理
[0009]对获取的Landsat8&9和Sentinel
‑
2A原始影像数据进行辐射定标、大气校正预处理，得到覆盖目标区域的高分辨率遥感影像数据；
[0010]步骤二：春玉米提取
[0011]以预处理后的Sentinel
‑
2A高分辨率遥感影像数据为基础，利用面向对象多尺度分割算法对春玉米地块进行提取处理，然后将识别出的春玉米地块栅格数据转换为矢量数据；最后利用提取的矢量数据对预处理后的时间序列Landsat8&9和Sentinel
‑
2A遥感影像数据进行裁剪处理；
[0012]步骤三：构建植被指数
[0013]在春玉米不同生育期采用不同的植被指数作为监测指标，在5月下旬6月初采用OSAVI指数对苗情进行监测；在6月中下旬春玉米拔节期采用归一化差值植被指数NDVI对苗情进行监测，在7月中下旬到8月上旬春玉米抽雄－吐丝期采用增强植被指数EVI指数对苗情信息进行监测；
[0014]步骤四：异常值处理
[0015]由于大气或者噪声的影响，导致卫星传感器会存在一些异常数据，所以采用盖帽法对植被指数异常值进行剔除处理；
[0016]步骤五：叶面积指数反演
[0017]根据提取的春玉米地块植被指数数据与实际田间测量获取的叶面积指数LAI数据，采用线性回归方法构建春玉米苗情估测模型；
[0018]步骤六：苗情分析
[0019]根据模型反演结果进行苗情分级，确定不同生育时期春玉米地块具体苗情信息；
[0020]步骤七：发布地图服务
[0021]根据苗情分析结果绘制专题图并发布地图服务供系统调用。
[0022]所述OSAVI的计算公式为：
[0023]OSAVI＝(R
NIR
–
R
RED
)/(R
NIR
+R
RED
+0.16)
[0024]所述NDVI的计算公式为：
[0025]NDVI＝(R
NIR
–
R
RED
)/(R
NIR
+R
RED
)
[0026]所述EVI的计算公式为：
[0027]EVI＝2.5
×
(R
NIR
–
R
RED
)/(R
NIR
+6.0
×
R
RED
+7.5
×
R
BLUE
+1)
[0028]其中，R
NIR
为近红外波段，R
RED
为红光波段，R
BLUE
为蓝光波段。
[0029]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
[0030]本专利技术在春玉米不同生育期采用最佳植被指数对苗情信息进行反演，可以有效提高苗情反演精度。比如在春玉米苗期植被覆盖度很低，如果用归一化差值植被指数(NDVI)对春玉米苗情进行反演，很容易受到土壤因素的干扰，导致苗情反演结果产生很大误差，所以在苗期采用抗土壤植被指数(OSAVI)正好可以避免土壤因素的阻碍；而在春玉米抽雄－吐丝期由于植被覆盖度很高，NDVI指数会产生饱和现象，所以在此时期采用增强植被指数(EVI)，可以有效避免由于植被覆盖度高导致苗情反演结果产生一定误差。
[0031]本专利技术结合Landsat8&9和Sentinel
‑
2A数据可以充分解决由于单一数据源导致作物监测期内数据不足的问题，利用多源遥感影像数据满足春玉米生育期内监测需求。
[0032]本专利技术基于时间序列数据，在春玉米关键生育期构建敏感植被指数，利用多尺度分割算法，快速提取春玉米地块数据，其有效避免地物错分漏分现象，提高了春玉米地块识别精度；
[0033]本专利技术在提取植被指数之后，利用盖帽法剔除异常值，提高了植被指数的正确率和模型反演精度；
[0034]本专利技术在不同春玉米生育期采用最佳植被指数，去除土壤、大气等因素造成的误差影响，使苗情反演结果与实际调查情况更加接近与合理。
附图说明
[0035]图1为本专利技术的流程示意图；
[0036]图2为本专利技术的系统示意图；
[0037]图3为本专利技术实施例1沙井镇春玉米关键生育期的苗情监测分布图；
[0038]图4为利用监督分类方法提取春玉米地块结果图；
[0039]图5为多尺度分割算法提取春玉米地块结果图；
[0040]图6为本专利技术NDVI指数苗期反演结果图；
[0041]图7为本专利技术OSAVI指数苗期反演结果图；
[0042]图8为本专利技术NDVI指数抽雄－吐丝期反演结果图；
[0043]图9为本专利技术EVI指数抽雄－吐丝期反演结果图；
具体实施方式
[0044]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0045]因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Landsat和Sentinel
‑
2A遥感影像的春玉米苗情监测方法，其特征在于，包括以下步骤：步骤一：遥感数据预处理对获取的Landsat8&9和Sentinel
‑
2A原始影像数据进行辐射定标、大气校正预处理，得到覆盖目标区域的高分辨率遥感影像数据；步骤二：春玉米提取以预处理后的Sentinel
‑
2A高分辨率遥感影像数据为基础，利用面向对象多尺度分割算法对春玉米地块进行提取处理，然后将识别出的春玉米地块栅格数据转换为矢量数据；最后利用提取的矢量数据对预处理后的时间序列Landsat8&9和Sentinel
‑
2A遥感影像数据进行裁剪处理；步骤三：构建植被指数在春玉米不同生育期采用不同的植被指数作为监测指标，在5月下旬6月初采用OSAVI指数对苗情进行监测；在6月中下旬春玉米拔节期采用归一化差值植被指数NDVI对苗情进行监测，在7月中下旬到8月上旬春玉米抽雄－吐丝期采用增强植被指数EVI指数对苗情信息进行监测；步骤四：异常值处理由于大气或者噪声的影响，导致卫星传感器会存在一些异常数据，所以采用盖帽法对植被指数异常值进行剔除处理；步骤五：叶面积指数反演根据提取的春玉米地块植被指数数据与实际田间测量获取的叶面积指数LAI数据，采用线性回归方法构建春玉米苗情估测模型；步骤六：苗...

【专利技术属性】
技术研发人员：朱芳平，魏鹏飞，李金武，胡斌喜，宋如萍，刘伟，李润祥，
申请(专利权)人：兰州大方电子有限责任公司，
类型：发明
国别省市：