[發(fā)明專利]一種基于雷達(dá)和光學(xué)數(shù)據(jù)組合特征的農(nóng)作物倒伏遙感監(jiān)測方法與應(yīng)用

有效

• 申請?zhí)枺?/td>: 202110104065.0
• 申請日: 2021-01-26
• 公開（公告）號: CN112924967B
• 公開（公告）日: 2022-12-13
• 發(fā)明（設(shè)計）人: 黃健熙;李雪草;蘇偉;劉峻明;李俐;尹冬勤;曾也魯
• 申請（專利權(quán)）人: 中國農(nóng)業(yè)大學(xué)
• 主分類號: G01S13/90
• 分類號: G01S13/90;G01S7/41;G01N21/17
• 代理公司: 北京路浩知識產(chǎn)權(quán)代理有限公司 11002
• 代理人: 孫怡

本發(fā)明涉及農(nóng)業(yè)遙感技術(shù)領(lǐng)域，公開了一種基于雷達(dá)和光學(xué)數(shù)據(jù)組合特征的農(nóng)作物倒伏遙感監(jiān)測方法與應(yīng)用。其包括：收集倒伏區(qū)域的信息；獲取作物分布區(qū)Sentinel?1 SAR數(shù)據(jù)，將VH除以VV作為第一信號特征；獲取作物分布區(qū)Sentinel?2光學(xué)遙感數(shù)據(jù)，獲取歸一化差異植被指數(shù)，作為第二信號特征；通過灰度共生矩陣計算Sentinel?2光學(xué)遙感數(shù)據(jù)的空間紋理特征，作為第三信號特征；根據(jù)第一、第二、第三信號特征的分布分別構(gòu)建倒伏區(qū)域的掩膜區(qū)域，求并集獲得非倒伏區(qū)的掩膜范圍；對倒伏區(qū)域進(jìn)行掩膜之后，獲得初步倒伏分布圖，通過衡量其中每一待驗證像元的各信號特征來得到綜合相似性指數(shù)，據(jù)此篩除掉非倒伏區(qū)域的像元。本發(fā)明可對作物倒伏進(jìn)行實時監(jiān)測、準(zhǔn)確評估。

技術(shù)領(lǐng)域

本發(fā)明涉及農(nóng)業(yè)遙感技術(shù)領(lǐng)域，具體地說，涉及一種基于雷達(dá)和光學(xué)數(shù)據(jù)組合特征的農(nóng)作物倒伏遙感監(jiān)測方法與應(yīng)用。

背景技術(shù)

實現(xiàn)農(nóng)作物災(zāi)害的及時監(jiān)測和評估對于指導(dǎo)科學(xué)生產(chǎn)具有極為重要的現(xiàn)實意義。農(nóng)作物的倒伏是農(nóng)業(yè)生態(tài)系統(tǒng)中較為常見的災(zāi)害類型之一。遙感技術(shù)在開展大面積的倒伏區(qū)域監(jiān)測和災(zāi)害評價上正在發(fā)揮積極的作用。然而，由于倒伏區(qū)域面積大小不一且形態(tài)各異，且倒伏的程度也存在著空間顯性的異質(zhì)性，因此，利用遙感技術(shù)實現(xiàn)倒伏區(qū)域特征提取仍然是當(dāng)前面臨的重要挑戰(zhàn)。

目前通過遙感數(shù)據(jù)提取農(nóng)作物倒伏的方法還較少，仍處于起步階段，其中常見的一些農(nóng)作物倒伏提取方法有結(jié)合無人機(jī)遙感數(shù)據(jù)與機(jī)器學(xué)習(xí)方法提取農(nóng)作物倒伏、通過實地農(nóng)作物倒伏測量數(shù)據(jù)結(jié)合遙感數(shù)據(jù)分析農(nóng)作物不同物候期的倒伏發(fā)生率以及倒伏嚴(yán)重性評價等方法。但是這些方法都只限于小范圍區(qū)域，并且需要大量的倒伏和其他非倒伏區(qū)域的觀測數(shù)據(jù)，且數(shù)據(jù)獲取花費較大。

基于此，有必要開發(fā)一種新的方法來實現(xiàn)對農(nóng)作物倒伏特征的實時監(jiān)測，并進(jìn)行精準(zhǔn)的災(zāi)后評估。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)中的問題，本發(fā)明的目的在于提供一種可適用多種面積、形態(tài)的倒伏區(qū)域和各種倒伏程度的農(nóng)作物倒伏監(jiān)測方法。

為了實現(xiàn)本發(fā)明的發(fā)明目的，本發(fā)明的技術(shù)方案如下：

一種農(nóng)作物倒伏遙感監(jiān)測方法，所述方法包括：

(1)收集含有倒伏樣本點的具有代表性的倒伏區(qū)域的形狀、位置、作物分布信息；

例如，對于臺風(fēng)過境的周邊地區(qū)，通過野外走訪并結(jié)合無人機(jī)航拍等手段，定位倒伏的中心區(qū)域(中心點的經(jīng)緯度坐標(biāo))以及倒伏區(qū)域的邊界(多個定位點連接成面)。

(2)獲取所述倒伏區(qū)域中作物分布區(qū)對應(yīng)時相的高分辨率Sentinel-1SAR數(shù)據(jù)，所述Sentinel-1SAR數(shù)據(jù)中包含兩個極化模式下的后向散射系數(shù)VV和VH；將VH除以VV作為第一信號特征，獲得所述第一信號特征的分布圖；

Sentinel-1SAR數(shù)據(jù)是C波段的極化雷達(dá)數(shù)據(jù)，該數(shù)據(jù)可以用來檢測倒伏與非倒伏區(qū)域的相關(guān)特征。例如，針對倒伏區(qū)域，其VV極化方式下的后向散射系數(shù)往往比周邊非倒伏區(qū)域的后向散射系數(shù)要低，因為倒伏區(qū)域的植被高度下降；同時，倒伏區(qū)域在VH極化方式下的后向散射系數(shù)一般要比非倒伏地區(qū)高，因為倒伏區(qū)域的植被粗糙度增加。本發(fā)明結(jié)合VV和VH對倒伏區(qū)域的不同特征，獲取他們的比值(VH除以VV)，來增長SAR信號在倒伏區(qū)域的信號特征。

(3)獲取所述倒伏區(qū)域中作物分布區(qū)對應(yīng)時相的高分辨率Sentinel-2光學(xué)遙感數(shù)據(jù)，根據(jù)所述Sentinel-2光學(xué)遙感數(shù)據(jù)中包含的近紅和紅波段的特征提取來獲取歸一化差異植被指數(shù)(Normalized Difference Vegetation Index)，作為第二信號特征，獲得所述第二信號特征的分布圖；

通過灰度共生矩陣計算所述Sentinel-2光學(xué)遙感數(shù)據(jù)的空間紋理特征，作為第三信號特征，獲得所述第三信號特征的分布圖；