[發明專利]一種基于物候分析的棉花遙感監測方法

有效

• 申請號: 201711500930.3
• 申請日: 2017-12-27
• 公開（公告）號: CN108363949B
• 公開（公告）日: 2020-08-28
• 發明（設計）人: 文強;何建軍;周會珍;李龍龍;關峰;任白楊;俞葒
• 申請（專利權）人: 二十一世紀空間技術應用股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62
• 代理公司: 中國兵器工業集團公司專利中心 11011
• 代理人: 王曉娜

1.一種基于物候分析的棉花遙感監測方法，其特征在于，包括如下步驟：

步驟一、結合區域主要作物物候分析和棉花光譜特征分析，明確棉花遙感監測的關鍵時相；

1.1、確定棉花種植期主要的干擾農作物類型及其物候，制作物候表，所述的主要干擾農作物包括冬小麥、玉米、花生、大豆；

1.2、繪制棉花光譜特征曲線；

1.3、結合不同生長階段的棉花光譜特征曲線分析，并基于遙感影像目視解譯，建立棉花生長階段的遙感影像解譯標志；

具體過程如下：

棉花處于播種期和出苗期，遙感影像均呈現裸地信息；棉花處于蕾期，遙感影像呈粉紅色，呈現棉花植被初期的地面特征；棉花處于花鈴期和吐絮期，遙感影像呈玫紅色，呈現棉花茂盛的植被地面特征；棉花處于收獲期，遙感影像呈淺紅色，呈現棉花枯萎的植被地面特征；

1.4、梯度劃分；

將棉花識別關鍵期分為四個梯度，第一梯度為未播種、播種期和苗期，地表特征為裸地特征；第二梯度為蕾期、花鈴期、吐絮期，地表特征為植被特征；第三梯度為成熟收獲期，地表特征為植被特征；第四梯度為成熟收獲期之后，地表特征為裸地特征；

1.5、在每一梯度范圍內采用移動窗口法選取該梯度內棉花識別關鍵時相；

具體過程如下：

在每一梯度內，以旬為步長在物候表中移動窗口，與棉花地表特征相反的干擾農作物種類個數最大時的時相確定為該梯度內棉花識別關鍵時相；

1.6、結合遙感數據的可用性，在每個梯度內棉花識別關鍵時相中確定棉花遙感監測關鍵時相；

步驟二、在棉花所處的花鈴期和吐絮期的時相之間選取一期植被生長旺盛時期的遙感影像；

步驟三、獲取關鍵時相遙感影像，進行預處理；

以一個時相的遙感影像為參考，對其他時相的遙感影像進行圖像配準；

步驟四、對多時相遙感影像進行多尺度分割，分層構建分類器，初步提取棉花；

具體過程如下：

4.1、對多個棉花識別關鍵時相的遙感影像進行多尺度分割，最優分割尺度為同時滿足每個時相的遙感影像對象的光譜分割指數為峰值時所對應的各時相分割尺度值的平均值；

4.2、構建不同的影像信息層L_t，t為所用不同影像期數；

4.2.1、對選取的植被生長旺盛時期的遙感影像構建分類層的第1層記為L₁，在分類層L₁中，建立多時相光譜特征分類器f(L₁₁)，提取遙感影像中所有的植被地物，所述的植被地物包括園林地、棉花、干擾農作物；在分類層L₁中，構建多時相光譜特征分類器f(L₁₂)，剔除遙感影像中所有的園林地，遙感影像中剩下的植被地物信息包括棉花、干擾農作物；

4.2.2、選取第一梯度棉花識別關鍵時相的遙感影像，構建分類層的第2層記為L₂，在分類層L₂中，建立多時相光譜特征分類器f(L₂)，剔除春季生長茂盛的干擾農作物；

4.2.3、選取第二梯度棉花識別關鍵時相的遙感影像，構建分類層的第3層記為L₃，在分類層L₃中，建立多時相光譜特征分類器f(L₃)，剔除呈現裸地特征的干擾農作物玉米、大豆，遙感影像中剩下的植被地物信息為棉花和花生；

4.2.4、選取第三梯度棉花識別關鍵時相的遙感影像，構建分類層的第4層L₄，在分類層L₄中，建立多時相光譜特征分類器f(L₄)，剔除呈現裸地特征的干擾農作物花生，遙感影像中剩下的植被地物信息為棉花的初步信息結果；

式中，V_ndvi為植被歸一化指數值，V_Brightness為波段平均亮度值，V_{GLCMContrast(all dir)}為紋理對比度值，V_{Blue_Mean}為藍波段波段平均值，V_Max.diff為最大異質性指數值，a、b、c、d、e、f、g、h為閾值；

步驟五、對步驟四中得到的遙感影像中棉花的初步信息結果及可能混分為棉花的其他干擾農作物信息二次多尺度分割，構建分類器，精細提取棉花信息；

5.1、對步驟四中得到的遙感影像中棉花的初步信息結果及可能混分為棉花的其他干擾農作物信息進行二次多尺度分割；與棉花混分的干擾農作物為花生、大豆；所述的二次多尺度分割所基于的遙感影像為最后一個梯度棉花識別關鍵時相所對應的遙感影像；

二次多尺度分割最優尺度選擇：二次多尺度分割對象作為目標區域，以干擾農作物最少遙感影像近紅外波段均值方差為評估參數，以3為分割尺度下限，2為步長，步驟四中初次分割的最優分割尺度為上限，選擇均值方差值最大時對應的分割尺度為二次多尺度分割的最優分割尺度；

5.2、構建分類器；

結合棉花光譜特征曲線以及紋理特征構建分類器f(L)，如下式所示，從二次多尺度分割后的棉花初步信息結果中剔除與棉花混分的干擾農作物，提取棉花子類1信息，從其他干擾農作物花生、大豆中分別提取漏分的棉花子類2信息與棉花子類3信息；

其中，V_ndvi為植被歸一化指數值，V_Brightness為波段平均亮度值，V_{GLCM Contrast(all dir)}為紋理對比度值,V_Mean4為近紅外波段的波段平均值，k、l、m、n、o、p為閾值；

步驟六、對提取的棉花各類信息進行歸并，輸出制圖。

2.如權利要求1所述的一種基于物候分析的棉花遙感監測方法，其特征在于，所述步驟一中，棉花光譜特征曲線構建步驟如下：

1)依照Neuman，2011，采樣規則，隨機選擇棉花樣方S_j，j＝1,2,3,……n，n為選擇的棉花樣方數量；

2)計算出棉花生長階段p、遙感影像的影像波段b中棉花樣方S_j的DN值的平均值或光譜的平均值，p∈[未播種期,播種期,苗期,蕾期,花鈴期,吐絮期,成熟收獲期]；

3)對每個棉花生長階段p、每個影像波段b的所有棉花樣方S_j的DN值的平均值或光譜的平均值再次取均值，得到所有棉花樣方在每個棉花生長階段p、每個影像波段b的值，記為

4)繪制橫坐標為b、縱坐標為的p條棉花光譜特征曲線；繪制橫坐標為p、縱坐標為的b條棉花光譜特征曲線。