一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于Landsat和MODIS的自动选取棉花样本的提取方法


[0001]本技术涉及遥感地理信息
，特别涉及一种基于
Landsat
和
MODIS
的自动选取棉花样本的提取方法
。

技术介绍

[0002]棉花是我国重要的经济种植作物同时也是纺织业的原材料之一，传统的棉花种植面积的获取方法一般需要时间长且效率低，随着遥感技术的发展，高时间和高空间分辨率的数据源和技术方法应用于棉花的长时序提取中，能够为棉花的种植监测以及相关决策制定提供数据支持
。
[0003]现阶段，对于棉花的提取方法主要是利用棉花的特征，通过训练样本点构建机器学习模型或者利用阈值法对特定年份进行提取
。
[0004]由于单一的遥感卫星很难满足长时序下同时具有高时间和高空间分辨率的要求，而基于遥感影像长时序棉花提取的研究中使用的遥感数据源空间分辨率较低且会受限于作物样本训练点，因此存在长时序棉花提取中样本缺乏以及高时空分辨率的制约问题而难以对棉花进行长时序的提取
。

技术实现思路

[0005]本专利技术实施例提供一种基于
Landsat
和
MODIS
的自动选取棉花样本的提取方法，可以解决现有技术中，存在的难以对棉花进行长时序且高空间分辨率提取的问题
。
[0006]本专利技术实施例提供一种基于
Landsat
和
MODIS
的自动选取棉花样本的提取方法，包括以下步骤：
[0007]获取长时序下棉花研究区域的所有
Landsat
遥感影像；
[0008]利用
Landsat
遥感影像对耕地进行面向对象分类提取，获得棉花研究区域的相关特征，以此形成棉花研究区域的耕地信息；
[0009]对棉花研究区域的耕地信息进行掩膜处理；
[0010]掩膜处理完成后，利用栅格转矢量方法获得耕地地块的矢量数据，计算耕地地块矢量数据的中心点；
[0011]根据棉花的物候特征，利用
MODIS
‑
NDVI
时序数据，构建棉花样点筛选规则，并根据筛选规则从所有耕地地块矢量数据的中心点中选出棉花样本点；
[0012]利用已选取的棉花样本点训练分类器，并采用训练后的分类器对
Landsat
遥感影像中棉花样本点进行标记，获取到棉花长时序的空间分布数据
。
[0013]优选地，所述获取长时序下棉花研究区域的
Landsat
遥感影像，包括：
[0014]选择研究区域内棉花的整个生长时期4月至
11
月的长时序下原始
Landsat
遥感影像；
[0015]在
GEE
平台对长时序下原始
Landsat
遥感影像进行云筛选
、
裁剪
、
中值合成处理，形成
Landsat
遥感影像
。
[0016]优选地，所述利用
Landsat
遥感影像对耕地进行面向对象分类提取，包括：
[0017]采用简单非迭代聚类算法对耕地进行面向对象分类提取；
[0018]其中，所述简单非迭代聚类算法是根据网络上创建的种子，采用
CIELAB
颜色距离和空间欧式距离加权法计算像素，及根据图像的灰度
、
纹理和颜色特征信息，将位置相近
、
特征相似的像素点聚集成一个局部均匀的连通区域组
。
[0019]优选地，所述获得棉花研究区域的相关特征，包括：
[0020]选择
Landsat
遥感影像的蓝
、
绿
、
红
、
近红外
、
短波红外1和2波段以及
NDVI
指数作为光谱特征；
[0021]采用灰度共生矩阵计算纹理特征，并选取角二阶矩
ASM、
逆差矩
IDM、
对比度
CON、
相关性
CORR
和熵
ENT
这五种参数作为纹理特征；
[0022]选取高程
elevation
和坡度
slope
特征分量作为地形特征
。
[0023]优选地，所述对棉花研究区域的耕地信息进行掩膜处理，包括：
[0024]利用感光条件和摄影处理的差别，将原图像制成不同密度
、
不同反差的正片或负片；
[0025]通过正片或负片的各种不同叠加方案改变原有影像的显示效果
。
[0026]优选地，所述计算耕地地块矢量数据的中心点，包括：
[0027]利用栅格转矢量方法获得耕地地块的矢量数据；
[0028]在
ArcGIS
平台对矢量数据进行优化处理，将同一耕地地块合并成一个耕地对象，获得优化后的耕地地块矢量数据；
[0029]根据优化后的耕地地块矢量数据，计算每个耕地地块矢量数据的中心点
。
[0030]优选地，所述根据棉花的物候特征，利用
MODIS
‑
NDVI
时序数据，构建棉花样点筛选规则，包括：
[0031]获得棉花特定的种植模式和物候信息，找到棉花的关键物候特征；
[0032]利用
MODIS
遥感影像，计算出研究区域耕地地块中心点的
NDVI
时间序列数据；
[0033]结合棉花物候特征信息，生成
MODIS
‑
NDVI
时序曲线；
[0034]利用对应的棉花的关键物候特征包括
NDVI
的峰值数以及峰值大小范围和对应的时间结合形成棉花的筛选规则；
[0035]其中
NDVI
公式为：
[0036][0037]其中，
Band
nir
和
,Band
red
分别为近红外波段和可见光红光波段
。
[0038]优选地，所述获取到棉花长时序的空间分布数据，包括：
[0039]利用棉花样点，训练机器学习的分类器；
[0040]采用分类后的机器学习算法对
Landsat
遥感影像进行棉花样本点标记；
[0041]将
Landsat
遥感影像中标记到的棉花样本点与
Landsat
遥感影像中的所有耕地地块中心点进行对比，获取研究区空间分辨率为
30
米的棉花长时序的空间分布数据
。
[0042]本专利技术实施例提供一种基于
Landsat
和
MODIS
的自动选取棉花样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
Landsat
和
MODIS
的自动选取棉花样本的提取方法，其特征在于，包括以下步骤：获取长时序下棉花研究区域的所有
Landsat
遥感影像；利用
Landsat
遥感影像对耕地进行面向对象分类提取，获得棉花研究区域的相关特征，以此形成棉花研究区域的耕地信息；对棉花研究区域的耕地信息进行掩膜处理；掩膜处理完成后，利用栅格转矢量方法获得耕地地块的矢量数据，计算耕地地块矢量数据的中心点；根据棉花的物候特征，利用
MODIS
‑
NDVI
时序数据，构建棉花样点筛选规则，并根据筛选规则从所有耕地地块矢量数据的中心点中选出棉花样本点；利用已选取的棉花样本点训练分类器，并采用训练后的分类器对
Landsat
遥感影像中棉花样本点进行标记，获取到棉花长时序的空间分布数据
。2.
根据权利要求1所述的一种基于
Landsat
和
MODIS
的自动选取棉花样本的提取方法，其特征在于，所述获取长时序下棉花研究区域的
Landsat
遥感影像，包括：选择研究区域内棉花的整个生长时期4月至
11
月的长时序下原始
Landsat
遥感影像；在
GEE
平台对长时序下原始
Landsat
遥感影像进行云筛选
、
裁剪
、
中值合成处理，形成
Landsat
遥感影像
。3.
根据权利要求1所述的一种基于
Landsat
和
MODIS
的自动选取棉花样本的提取方法，其特征在于，所述利用
Landsat
遥感影像对耕地进行面向对象分类提取，包括：采用简单非迭代聚类算法对耕地进行面向对象分类提取；其中，所述简单非迭代聚类算法是根据网络上创建的种子，采用
CIELAB
颜色距离和空间欧式距离加权法计算像素，及根据图像的灰度
、
纹理和颜色特征信息，将位置相近
、
特征相似的像素点聚集成一个局部均匀的连通区域组
。4.
根据权利要求1所述的一种基于
Landsat
和
MODIS
的自动选取棉花样本的提取方法，其特征在于，所述获得棉花研究区域的相关特征，包括：选择
Landsat
遥感影像的蓝
、
绿
、
红
、
近红外
、
短波红外1和2波段以及
NDVI
指数作为光谱特征；采用灰度共生矩阵计算纹理特征，并选取角二阶矩
ASM、
逆差矩
IDM、...

【专利技术属性】
技术研发人员：谭振宇，谭竹婷，段洪涛，
申请(专利权)人：西北大学，
类型：发明
国别省市：