[發(fā)明專利]一種水田泡田進度高時空分辨率監(jiān)測方法

在審

• 申請?zhí)枺?/td>: 202310058586.6
• 申請日: 2023-01-17
• 公開（公告）號: CN116206199A
• 公開（公告）日: 2023-06-02
• 發(fā)明（設(shè)計）人: 鄭佳;鄭興明
• 申請（專利權(quán)）人: 中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所
• 主分類號: G06V20/10
• 分類號: G06V20/10;G01S13/89;G06V10/40;G06V10/764;G06T7/136
• 代理公司: 哈爾濱市文洋專利代理事務(wù)所(普通合伙) 23210
• 代理人: 范欣

一種水田泡田進度高時空分辨率監(jiān)測方法，本發(fā)明涉及水田泡田的監(jiān)測方法。本發(fā)明方法：調(diào)查水田泡田的時間段；對GF?3數(shù)據(jù)和Sentinel?2數(shù)據(jù)進行預(yù)處理；光學(xué)遙感方面，評價常用水體指數(shù)水田泡田識別能力，并將水體指數(shù)閾值法和植被指數(shù)差值法識別效果作比較；采用MNDWI水體指數(shù)閾值法對Sentinel?2光學(xué)影像進行二分類，區(qū)分未泡田區(qū)域和已泡田區(qū)域；雷達遙感方面，采用動態(tài)閾值分割方法和決策樹分類方法對GF?3影像進行分類，識別未泡田和已泡田區(qū)域；聯(lián)合光學(xué)和雷達影像，進行多期水田泡田進度監(jiān)測，顯示水田泡田進度的時空動態(tài)分布，并統(tǒng)計累計泡田面積和比例。本發(fā)明不僅對于水稻種植的生產(chǎn)活動提供了依據(jù)，對于環(huán)境保護和鳥類的保護也有一定幫助。

技術(shù)領(lǐng)域

本發(fā)明涉及一種水田泡田的監(jiān)測方法。

背景技術(shù)

水稻是我國最主要的三大糧食作物之一，在農(nóng)業(yè)中具有非常重要的地位。合理進行水稻種植管理，可以提高水稻的質(zhì)量和產(chǎn)量。在水稻插秧前，會對稻田進行灌水，用以浸泡耕作層土壤，以便于耕耙和插秧。及時準確監(jiān)測水田泡田進度，有利于合理安排水稻插秧等生產(chǎn)活動，對于水稻種植的精細管理具有重要意義。而且，水稻田泡田活動需要大量水資源，水資源日益稀缺，監(jiān)測泡田活動，有利于節(jié)水管理。特別是對水資源較為缺乏的地區(qū)，可以合理有效的利用水資源。除此之外，水田灌溉的動態(tài)變化將導(dǎo)致稻田生態(tài)環(huán)境系統(tǒng)的變化。比如容易減少鳥類筑巢期間的可用棲息地面積，這將影響鳥類的繁殖和生存。而且稻田也是甲烷和N₂O等溫室氣體的主要來源之一，稻田灌溉的時空動態(tài)顯著影響溫室氣體的排放。因此，對水田泡田進度進行監(jiān)測對農(nóng)業(yè)生產(chǎn)和水資源管理以及環(huán)境保護都具有重要意義。

目前，利用人工田間調(diào)查統(tǒng)計泡田進度的方法耗時耗力，利用遙感技術(shù)進行大面積的動態(tài)監(jiān)測是可行的途徑。并且，將遙感技術(shù)應(yīng)用于監(jiān)測水田泡田的生產(chǎn)過程，也進一步拓寬了遙感技術(shù)的應(yīng)用領(lǐng)域。

水田灌溉過程監(jiān)測，本質(zhì)上是對水體不斷增加的過程的識別。在光學(xué)遙感方面，用于水體識別的主要方法有單波段閾值法、譜間關(guān)系法、多光譜混合分析法和指數(shù)閾值法，以及水體指數(shù)和植被指數(shù)比較法。除此之外，還有利用機器學(xué)習(xí)模型、深度學(xué)習(xí)模型進行水體識別的研究。其中，利用水體指數(shù)進行閾值分割是目前較為常用的水體提取方法。利用光學(xué)遙感的水體指數(shù)可以有效提取出水田中的水體，但是，光學(xué)遙感極易受到天氣的影響，如云、霧、雪的存在，都會造成光學(xué)影像的缺失，不利于長時間序列的農(nóng)業(yè)生產(chǎn)活動監(jiān)測。

發(fā)明內(nèi)容

本發(fā)明提供了一種水田泡田進度高時空分辨率監(jiān)測方法，本發(fā)明的方法是協(xié)同GF-3和Sentinel-2數(shù)據(jù)的水田泡田進度高時空分辨率監(jiān)測方法。

本發(fā)明水田泡田進度高時空分辨率監(jiān)測方法按照以下步驟進行：

一、調(diào)查待監(jiān)測的水田泡田的時間段，獲取時間序列的GF-3影像和Sentinel-2影像；

二、對GF-3數(shù)據(jù)進行預(yù)處理；

三、Sentinel-2數(shù)據(jù)進行預(yù)處理，保留水體信息，對光學(xué)遙感影像進行去云、去霧、去雪處理；

四、分別選擇Sentinel-2影像中已泡田的水田區(qū)域、未泡田的水田區(qū)域、厚云、薄云、雪區(qū)域的樣本數(shù)據(jù)，進行直方圖繪制；

五、根據(jù)直方圖分布，獲取常用水體指數(shù)的水體與非水體閾值，區(qū)分未泡田區(qū)域和已泡田區(qū)域，并且確定波段反射率閾值去除云、霧、雪；

六、光學(xué)遙感：評價常用水體指數(shù)水田泡田識別能力；

七、根據(jù)水田識別能力評價結(jié)果，采用MNDWI水體指數(shù)，利用靜態(tài)閾值分割法數(shù)對Sentinel-2光學(xué)影像進行二分類，區(qū)分未泡田區(qū)域和已泡田區(qū)域；

八、雷達遙感：采用動態(tài)閾值分割方法和決策樹分類方法對GF-3影像進行分類，識別未泡田和已泡田區(qū)域；

九、聯(lián)合多期時間序列的步驟七的光學(xué)和步驟八的雷達影像，進行多期水田泡田進度監(jiān)測；