一种基于卫星遥感影像和DEM的柑橘种植区提取方法技术

本发明专利技术公开了一种基于卫星遥感影像和DEM的柑橘种植区提取方法，该方法基于卫星遥感影像、DEM数据和实调数据，构建多尺度UNet柑橘识别模型实现对柑橘种植区的准确提取，包括：在影像中选取各类样本点，计算植被指数并进行优选；剔除影像的无关光谱指数，与优选指数和地形因子组合输入多尺度UNet柑橘识别模型，输出柑橘种植区分布图。本发明专利技术所设计的方法克服了传统实地统计耗时耗力、难以实现大范围监测等弊端；同时该方法通过特征优选引入了利于柑橘果园区分的植被指数，并加入了DEM地形因子，改进了UNet语义分割模型，学习柑橘种植区的多尺度空间信息，提高提取精度与泛化能力，为柑橘生产和监管提供了科学的技术支撑。

【技术实现步骤摘要】

本专利技术涉及卫星遥感影像处理和经济作物识别，具体涉及一种基于卫星遥感影像和dem的柑橘种植区提取方法。

技术介绍

1、柑橘是重要的经济作物，在农业经济发展中扮演着重要角色，对其种植区进行快速有效的监测能够为柑橘的生产管理和产业布局提供决策支持。传统的实地统计方法耗时耗力，难以实现大范围柑橘种植区的定期监测。通过卫星遥感手段，根据地学理论和遥感影像信息，能够快速地获取大范围地表信息，监测和分析柑橘种植情况，预估产量，对柑橘生产和监管具有重大意义。

2、目前，作物识别和土地覆盖制图主要是利用卫星或无人机影像的光谱信息，借助机器学习或是面向对象算法实现。提取所获得的对象单元与实际目标地物的形态往往并不匹配。深度学习方法可以考虑每个像素邻域的上下文信息，从而提高性能并减少噪声，对于复杂多变的情况具有更强的鲁棒性。近年来，深度学习在遥感地物识别上的应用主要还是集中在建筑、水体以及常见农作物上，如水稻、小麦、玉米等，对于果园的研究较少。同时，对于种植结构不规则、受云雾天气影响导致可用的遥感数据量少等困难区域，时序信息难以利用，如何有效提取柑橘果园的空间信本文档来自技高网...

【技术保护点】

1.一种基于卫星遥感影像和DEM的柑橘种植区提取方法，其特征在于，针对待识别区域，执行如下步骤S1-步骤S7，完成该区域的柑橘种植区识别：

2.根据权利要求1所述的一种基于卫星遥感影像和DEM的柑橘种植区提取方法，其特征在于，步骤S2包括将L1C产品级别的Sentinel-2卫星遥感影像数据转化为L2A产品级别，将Sentinel-2卫星遥感影像数据的所有波段重采样至10m，利用Teillet算法进行地形校正，并将灰度值转换为光谱反射率。

3.根据权利要求1所述的一种基于卫星遥感影像和DEM的柑橘种植区提取方法，其特征在于，步骤S3中所述的植被指数根据Sentin...

【技术特征摘要】

1.一种基于卫星遥感影像和dem的柑橘种植区提取方法，其特征在于，针对待识别区域，执行如下步骤s1-步骤s7，完成该区域的柑橘种植区识别：

2.根据权利要求1所述的一种基于卫星遥感影像和dem的柑橘种植区提取方法，其特征在于，步骤s2包括将l1c产品级别的sentinel-2卫星遥感影像数据转化为l2a产品级别，将sentinel-2卫星遥感影像数据的所有波段重采样至10m，利用teillet算法进行地形校正，并将灰度值转换为光谱反射率。

3.根据权利要求1所述的一种基于卫星遥感影像和dem的柑橘种植区提取方法，其特征在于，步骤s3中所述的植被指数根据sentinel-2卫星遥感影像数据波段计算，包括比值植被指数、差值植被指数、增强植被指数、归一化植被指数、绿通道植被指数、叶绿素植被指数、土壤调节植被指数、优化土壤调节植被指数、改良土壤调节植被指数、归一化差异红边指数1、归一化差异红边指数2、红边近红外归一化植被指数1、红边近红外归一化植被指数2、红边近红外归一化植被指数3。

4.根据权利要求1所述的一种基于卫星遥感影像和dem的柑橘种植区提取方法，其特征在于，步骤s4中选取比值植被指数、归一化植被指数、归一化差异红边指数2作为影像光谱特征。

5.根据权利要求1所述的一种基于卫星遥感影像和dem的柑橘种植区提取方法，其特征在于，步骤s4中所述的平均权重如下式：

6.根据权利要求1所述的一种基于卫星遥感影像和dem的柑橘种植区提取方法，其特征在于，步骤s6中剔除的sen...

【专利技术属性】
技术研发人员：李勇，刘文静，雍斌，王振立，翁宝凤，司文才，林少蓉，丁涵，赖美芸，
申请(专利权)人：河海大学，
类型：发明
国别省市：