[發(fā)明專利]一種春玉米遙感識別方法

有效

• 申請?zhí)枺?/td>: 201710750043.5
• 申請日: 2017-08-28
• 公開（公告）號: CN107314990B
• 公開（公告）日: 2020-01-17
• 發(fā)明（設(shè)計）人: 朱文泉;唐珂;詹培
• 申請（專利權(quán)）人: 北京師范大學(xué)
• 主分類號: G01N21/55
• 分類號: G01N21/55;G01N21/17;G01N21/3563;G01N21/359
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種春玉米遙感識別方法。利用春玉米的遙感紅光反射率、近紅外反射率以及歸一化差值植被指數(shù)在其特定物候期相對于其他地物類型的差異，通過分類體系構(gòu)建、訓(xùn)練樣本選取、各地物類型遙感屬性指標(biāo)時間序列曲線均值提取、識別特征選擇、特征閾值確定和春玉米識別模型構(gòu)建，提取區(qū)域范圍內(nèi)春玉米的空間分布信息。本方法的特點是可基于先驗知識選擇多個遙感屬性指標(biāo)來構(gòu)建判別規(guī)則，然后采用決策樹分類對區(qū)域范圍內(nèi)的春玉米進(jìn)行識別，且識別精度較高；方法的穩(wěn)定性和普適性較高，可應(yīng)用于大范圍春玉米遙感提取工作的業(yè)務(wù)化實施。

技術(shù)領(lǐng)域

本發(fā)明涉及農(nóng)業(yè)遙感技術(shù)領(lǐng)域，尤其涉及一種春玉米空間分布信息的遙感提取方法。

背景技術(shù)

遙感具有大面積同步觀測、時效性高以及成本低廉等特點，可以相對便捷地獲得大范圍、全覆蓋的農(nóng)作物空間分布信息，已被廣泛應(yīng)用于農(nóng)作物種植范圍提取。

農(nóng)作物遙感識別方法包括基于單期遙感影像的方法和基于遙感時間序列影像的方法。在大范圍條件下不同種類的同季農(nóng)作物在遙感影像中經(jīng)常有相似的光譜特征，單期遙感影像存在普遍的異物同譜現(xiàn)象，無法有效區(qū)分農(nóng)作物類別。遙感時間序列數(shù)據(jù)對應(yīng)著農(nóng)作物生長活動全過程，能夠很好地反映綠色植被長勢、生物量和覆蓋度等時間變化信息，利用中低空間分辨率遙感影像的高時間分辨率特點構(gòu)建遙感影像時間序列可以根據(jù)不同農(nóng)作物生長發(fā)育過程在特定物候階段的差異進(jìn)行大范圍下的農(nóng)作物空間分布提取。

傳統(tǒng)的基于時間序列遙感影像識別農(nóng)作物的方法往往僅利用了某一種遙感指標(biāo)，尤以某一種植被指數(shù)最為常見，這種方式對于生育周期和種植結(jié)構(gòu)較相似的不同農(nóng)作物的區(qū)分能力較弱，對時序噪聲的容錯度較低，影響農(nóng)作物遙感提取的精度。春玉米種植范圍廣且生態(tài)幅較寬，與其生長發(fā)育物候特點相似的農(nóng)作物品種較多，僅利用單一遙感指標(biāo)難以提高春玉米的遙感識別精度。

雖然歸一化差值植被指數(shù)NDVI由紅光和近紅外波段計算得到，體現(xiàn)了信息綜合的優(yōu)勢，常作為單一指標(biāo)用于特定農(nóng)作物類型的識別，但這種信息綜合可能掩蓋了某一特定農(nóng)作物與其他地物在遙感紅光或近紅外波段上的差異，反而不利于該特定農(nóng)作物類型的識別。因此選擇紅光反射率、近紅外反射率以及NDVI作為特征指標(biāo)來增強(qiáng)春玉米的特征信息，從而有可能提高春玉米的識別精度。

發(fā)明內(nèi)容

本發(fā)明正是針對傳統(tǒng)的基于時間序列遙感影像的作物識別方法的一些不足，提出了一種基于多遙感指標(biāo)的春玉米識別方法，旨在利用遙感紅光反射率、近紅外反射率和歸一化差值植被指數(shù)NDVI時間序列數(shù)據(jù)，快速提取區(qū)域范圍內(nèi)的春玉米空間分布信息。

為達(dá)此目的，本發(fā)明采用以下技術(shù)方案：

一種春玉米遙感識別方法，包括以下步驟：

A、分類體系構(gòu)建

根據(jù)區(qū)域范圍內(nèi)的地物類型結(jié)構(gòu)和春玉米與其他地物類型的遙感光譜混分情況，構(gòu)建相應(yīng)的分類體系。

B、各地物類型訓(xùn)練樣本選取

根據(jù)所構(gòu)建的分類體系和當(dāng)?shù)刂饕r(nóng)作物物候歷，基于高空間分辨率遙感影像和實地調(diào)查數(shù)據(jù)，遵循訓(xùn)練樣本選取的基本原則，選取各地物類型的訓(xùn)練樣本。訓(xùn)練樣本選取的基本原則為：

(1)各地物類型的樣本數(shù)量要足夠多，且一般要與區(qū)域范圍內(nèi)各地物類型的面積成比例。

(2)各地物類型的訓(xùn)練樣本要在整個區(qū)域范圍內(nèi)均勻分布，使各訓(xùn)練樣本在局部范圍內(nèi)均具有代表性。

(3)各地物類型的訓(xùn)練樣本應(yīng)位于純凈像元區(qū)域，且其周圍像元也應(yīng)盡量為純凈像元。

C、各地物類型遙感屬性指標(biāo)時間序列曲線均值提取

基于各地物類型訓(xùn)練樣本數(shù)據(jù)，提取各地物類型訓(xùn)練樣本在遙感紅光反射率、近紅外反射率以及歸一化差值植被指數(shù)數(shù)據(jù)上的時間序列曲線均值。

D、識別特征選擇