【技术实现步骤摘要】
结合高分遥感影像和开源DEM识别大范围耕作措施的方法
[0001]本专利技术涉及快速
、
高效
、
高精度遥感耕地内耕作措施识别领域，尤其涉及一种结合高分辨率卫星遥感影像数据与图像处理技术的快速识别大范围耕作措施的方法，更具体的说，是涉及一种结合高分遥感影像和开源
DEM(
数字高程模型
)
识别大范围耕作措施的方法
。
技术介绍
[0002]由于长期连续高强度开垦和耕作措施的不合理布局，部分土地出现了土壤肥力下降
、
土壤侵蚀退化严重
、
水土流失剧烈
、
作物显著减产和土地生态功能退化等环境问题，一方面影响农业的可持续发展，另一方面严重威胁粮食安全
。
然而，目前针对耕作措施的自动识别与提取研究较少，其监查方法仍主要依靠人工目视解译并结合实地勘查，该方法周期长且成本高，无法高效率地实现大范围耕作措施时空分布提取，存在诸多局限性
。
高分辨率遥感影像具有大面积
、<
【技术保护点】
【技术特征摘要】
1.
一种结合高分遥感影像和开源
DEM
识别大范围耕作措施的方法，其特征在于，包括如下步骤：
S1、
获取天地图卫星遥感影像数据，从中获取
RGB
三波段的数据至本地后进行数据的拼接和裁剪，得到包含研究区域的高空间分辨率遥感影像；
S2、
获取
PALSAR
地形数据，获取数据到本地后，对数据进行投影
、
拼接和裁剪，得到预处理后的研究区域的
DEM
数据；
S3、
对于步骤
S1
中得到的研究区域的高空间分辨率遥感数据，采用目视解译的方式，从中提取研究区域的土地利用类型，包括：横坡垄作
、
斜坡垄作
、
顺坡垄作以及其余类型；
S4、
对于步骤
S1
中得到的研究区域的高空间分辨率遥感数据，采用
Canny
边缘检测算子，对研究区耕地纹理进行识别，包括四个部分：高斯滤波平滑
、
计算图像梯度
、
对梯度幅值进行非极大值抑制和双阈值边缘划分，获得初步的耕地纹理；
S5、
根据步骤
S4
获得的初步的耕地纹理，采用二值形态学膨胀变换，对
Canny
算子检测出的边缘进行处理，将断裂处的直线段重新连接，得到经过二值形态学变换后的耕地纹理；
S6、
在经过二值形态学变换后的耕地纹理的基础上，利用概率
Hough
检测，从中提取出具有垄向方向特征的直线段，同时可以达到化曲为直，减少存储空间和计算量的效果；
S7、
基于步骤
S2
中预处理后的研究区域的
DEM
数据中的
DEM
栅格数据，设定等值线间距为
1m
，即可初步提取等高线，得到等高线矢量数据；
S8、
根据步骤
S7
得到的等高线矢量数据，对数据进行平滑处理，消除锯齿和局部地形的影响，在原有的基础上更准确地还原出等高线的走向和趋势，得到最终的等高线矢量数据；
S9、
根据所述最终的等高线矢量数据和步骤
S6
提取出的具有垄向方向特征的直线段，提取两者之间的交点和线要素的方向，每条等高线和垄向交点处的等高线方向和垄向的差即为垄向角；
S10、
根据步骤
S9
最终得到的垄向角范围进行耕作措施的识别；
S11、
将步骤
S3
人工目视解译的结果与步骤
S10
识别的结果作为每一块耕地单元的分类属性，根据每一块耕地单元的分类属性计算混淆矩阵，对耕作措施提取结果进行精度评价，若是精度评价结果不满足预设的期望精度，则返回步骤
S4
进行参数调节，若是精度评价结果满足预设的期望精度，则已经完成耕作措施识别模型的建立
。2.
根据权利要求1所述的结合高分遥感影像和开源
DEM
识别大范围耕作措施的方法，其特征在于，步骤
S1
中，所述天地图卫星遥感影像数据选用
L17
级别的天地图卫星遥感影像数据，空间分辨率为
1.19
米，投影坐标系统设置为
WGS1984UTM Zone 52N
，并对所述高空间分辨率遥感影像进行每个像素的灰度值计算
。3.
根据权利要求1所述的结合高分遥感影像和开源
DEM
识别大范围耕作措施的方法，其特征在于，在步骤
S4
中，采用
Canny
边缘检测算子，对研究区耕地纹理进行识别，具体包括：先对二维高斯函数进行采样
、
量化和归一化后，构建一个
7*7
的高斯模板，去除突变的像素点，然后利用
Sobel
算子求出边缘上每一点的梯度方向，将点分为四类：水平
、
垂直
、
对角线和反对角线；其次，利用线性插值的方法，计算出边缘的梯度值；最后，比较该点和沿梯度方向两侧点的梯度值大小，如果目标点的值最大，保留该点，反之抑制；为了减少噪声点的干扰，设置高阈值
TH
和低阈值
TL
，将高于
TH
的所有点标记为边缘，接着将边缘的八连通点中高于
TL
的点也标记为边缘
。
4.
根据权利要求1所述的结合高分遥感影像和开源
DEM
识别大范围耕作措施的方法，其特征在于，在步骤
S5
中，采用二值形态学膨胀变换，对
Canny
算子检测出的边缘进行处理，具体为：将每一个边缘...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。