[發明專利]協同光學-微波物候特征的單雙季水稻樣本自動生成方法

有效

• 申請號: 202310850544.6
• 申請日: 2023-07-12
• 公開（公告）號: CN116563720B
• 公開（公告）日: 2023-10-03
• 發明（設計）人: 胡瓊;楊靖雅;徐保東;王聰;吳浩;吳文斌
• 申請（專利權）人: 華中師范大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/44;G06V10/762
• 代理公司: 武漢宇晨專利事務所(普通合伙) 42001
• 代理人: 李鵬

本發明公開了協同光學?微波物候特征的單雙季水稻樣本自動生成方法，獲取Sentinel?1數據、Sentinel?2地表反射率數據和MYD11A2數據；獲取耕地圖層；獲取潛在水稻矢量對象；提取單/雙季水稻VH候選簇和單/雙季水稻VH/VV候選簇；對單/雙季水稻VH候選簇和單/雙季水稻VH/VV候選簇中的潛在水稻矢量對象進行提純，獲取單/雙季水稻樣本。本發明充分挖掘稀疏光學時序遙感數據和密集微波時序遙感數據反映水稻物候規律的優勢，實現數量充足、質量可靠且具有物候代表性的單雙季水稻樣本的自動生成，為實現大區域長時序單雙季水稻空間分布制圖提供重要的樣本基礎。

技術領域

本發明屬于農業遙感技術領域，具體涉及協同光學-微波物候特征的單雙季水稻樣本自動生成方法。

背景技術

水稻是重要的糧食作物之一，及時準確掌握單雙季水稻空間分布信息具有重要意義。數量充足以及分布均勻的樣本是實現目標作物精細化識別和確保精度驗證可靠的重要基礎數據。傳統的樣本獲取主要通過野外調查方法，實地記錄農田的空間位置和農作物類型信息。盡管該方法精度高，但開展大區域的地面樣本采集工作則會耗費大量的人力和物力，尤其對于交通可達性差、地處山谷狹長地帶的農田樣本的采集需要更高的成本。同時，由于水稻具有多樣的種植結構（例如：一季中稻、中稻-小麥輪作、中稻-油菜輪作、早稻-晚稻復作），復種以及輪作的類別在年內具有不確定性，因此，單雙季水稻樣本往往需要一年內前往同地進行至少2次的信息采集。這種高成本、低效率的樣本采集方式，嚴重限制了大區域水稻遙感制圖和年際更新的業務化運行。因此，如何充分挖掘稀疏光學時序遙感數據（Sentinel-2地表反射率數據）和密集微波時序遙感數據（Sentinel-1數據）對于水稻關鍵物候的獨特表征，發展單雙季水稻樣本自動生成方法，是目前農業遙感技術領域的難點。

發明內容

本發明的目的在于針對大區域尺度單雙季水稻遙感制圖中無法高效獲取數量充足以及分布均勻樣本的問題，協同使用稀疏光學時序遙感數據（Sentinel-2地表反射率數據）和密集微波時序遙感數據（Sentinel-1數據），結合單雙季水稻在不同遙感數據源中表現的獨特物候規律，提供協同光學-微波物候特征的單雙季水稻樣本自動生成方法，為實現大區域長時序單雙季水稻空間分布制圖提供重要的樣本基礎。

本發明的上述目的通過以下技術手段實現：

協同光學-微波物候特征的單雙季水稻樣本自動生成方法，包括以下步驟：

步驟1、獲取Sentinel-1數據并生成時序VH數據和時序VH/VV數據，獲取Sentinel-2地表反射率數據并進行去云處理，獲取MYD11A2數據并進行重采樣；

步驟2、獲取耕地圖層；

步驟3、基于Sentinel-2地表反射率數據生成Sentinel-2植被指數對象尺度數據，時序VH對象尺度數據和時序VH/VV對象尺度數據，并根據Sentinel-2植被指數對象尺度數據獲取潛在水稻矢量對象及潛在水稻矢量對象圖層；

步驟4、分別對潛在水稻矢量對象的時序VH對象尺度數據和時序VH/VV對象尺度數據開展K-means無監督聚類，獲得VH聚類簇和VH/VV聚類簇，基于單雙季水稻微波物候特征，提取單季水稻VH候選簇、單季水稻VH/VV候選簇、雙季水稻VH候選簇和雙季水稻VH/VV候選簇；

步驟5、基于單季水稻VH候選簇、單季水稻VH/VV候選簇、雙季水稻VH候選簇和雙季水稻VH/VV候選簇生成單季水稻VH候選子簇、單季水稻VH/VV候選子簇、雙季水稻VH候選子簇和雙季水稻VH/VV候選子簇，對上述候選子簇中的潛在水稻矢量對象進行提純，提純后的單季水稻VH候選子簇和單季水稻VH/VV候選子簇中的潛在水稻矢量對象作為單季水稻樣本；提純后的雙季水稻VH候選子簇和雙季水稻VH/VV候選子簇中的潛在水稻矢量對象作為雙季水稻樣本。

如上所述步驟1包括以下步驟：

步驟1.1、在Google?Earth?Engine平臺上下載Sentinel-1數據、?Sentinel-2地表反射率數據和MYD11A2數據；