【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及農(nóng)業(yè)災(zāi)害及遙感監(jiān)測(cè)，尤其涉及一種融合多種光譜特征的水稻倒伏遙感識(shí)別方法。
技術(shù)介紹
1、水稻作為我國(guó)的主要糧食作物之一，在其生長(zhǎng)期常常受到倒伏災(zāi)害的影響。水稻倒伏后，冠層在空間上的有序結(jié)構(gòu)被破壞，光合作用效率大大降低；加之莖稈的彎曲折斷阻礙了作物內(nèi)部養(yǎng)分的傳輸路徑，影響水稻的正常生長(zhǎng)發(fā)育過程，導(dǎo)致水稻產(chǎn)量下降和品質(zhì)劣化。因此，加強(qiáng)對(duì)水稻倒伏面積及位置的監(jiān)測(cè)識(shí)別，對(duì)于估計(jì)水稻倒伏損失，及時(shí)采取相關(guān)挽救和補(bǔ)償措施意義重大。
2、傳統(tǒng)的倒伏監(jiān)測(cè)方法需要調(diào)查人員前往實(shí)地調(diào)查，以獲取倒伏作物的位置和面積等信息，效率較低，尤其是針對(duì)不規(guī)則倒伏區(qū)域無(wú)法做到精確測(cè)量。遙感技術(shù)能夠快速獲取大范圍農(nóng)田的圖像信息和空間信息，近年來被廣泛用于農(nóng)作物倒伏監(jiān)測(cè)?，F(xiàn)有的基于遙感數(shù)據(jù)的農(nóng)作物倒伏監(jiān)測(cè)研究中，使用的影像光譜特征較為單一且提取模型較為簡(jiǎn)單，難以準(zhǔn)確識(shí)別水稻倒伏情況，缺少對(duì)多種光譜特征融合來識(shí)別水稻倒伏。本研究基于sentinel-2多光譜影像數(shù)據(jù)，提取并分析了水稻倒伏田塊的光譜反射率特征、植被指數(shù)特征和紋理特征，根據(jù)不同田塊的特征差異利用分層決策樹方法對(duì)水稻倒伏進(jìn)行識(shí)別，建立了水稻倒伏的識(shí)別模型。水稻倒伏監(jiān)測(cè)方面，融合多指數(shù)特征成為遙感應(yīng)用發(fā)展方向，為水稻倒伏空間分布及面積提取，災(zāi)害評(píng)估和田間治理等提供數(shù)據(jù)支持。
技術(shù)實(shí)現(xiàn)思路
1、針對(duì)現(xiàn)有水稻倒伏面積提取存在的不足，本專利技術(shù)提供一種融合多種光譜特征的水稻倒伏遙感識(shí)別方法，深度挖掘遙感影像光譜特征，計(jì)算并融合多種光譜指數(shù)，快
2、為了實(shí)現(xiàn)上述目的，本專利技術(shù)的技術(shù)方案如下：
3、一種融合多種光譜特征的水稻倒伏遙感識(shí)別方法，包括以下步驟：
4、步驟1，制作研究區(qū)域遙感影像數(shù)據(jù)：獲取研究區(qū)內(nèi)發(fā)生水稻倒伏sentinel-2多光譜遙感影像，經(jīng)過影像預(yù)處理后再利用矢量數(shù)據(jù)對(duì)其進(jìn)行裁剪，得到僅覆蓋研究區(qū)域的遙感影像數(shù)據(jù)；
5、步驟2，計(jì)算遙感影像光譜指數(shù)：計(jì)算sentinel-2影像上的ndvi、lswi、rvi、dvi光譜指數(shù)以及mean_red紋理特征；
6、其中，ndvi表示歸一化植被指數(shù)，是sentinel-2影像近紅外波段與紅光波段差值與和的比值；
7、lswi表示植被水分含量指數(shù)，是sentinel-2影像近紅外與短波紅外的差值與和的比值；
8、rvi表示比值植被指數(shù)，是sentinel-2影像近紅外與紅光波段間比值運(yùn)算；
9、dvi表示差值植被指數(shù)，是sentinel-2影像紅光波段和藍(lán)光波段之間的差值；
10、mean_red表示紋理特征中紅光波段的均值特征；
11、步驟3，計(jì)算倒伏水稻的屬性信息：根據(jù)倒伏水稻的樣本點(diǎn)，采用基于統(tǒng)計(jì)分析方法計(jì)算倒伏水稻的屬性信息；
12、步驟4，構(gòu)建水稻倒伏識(shí)別模型：基于分層決策樹方法提取水稻倒伏空間分布信息；
13、步驟5，識(shí)別后處理：對(duì)提取結(jié)果進(jìn)行后處理；
14、步驟6，精度驗(yàn)證及模型參數(shù)調(diào)整：根據(jù)驗(yàn)證樣本點(diǎn)，利用混淆矩陣進(jìn)行精度驗(yàn)證及模型參數(shù)調(diào)整。
15、進(jìn)一步的，步驟1提取結(jié)果所用的影像為發(fā)生水稻倒伏的sentinel-2影像，矢量數(shù)據(jù)為研究區(qū)的行政邊界，步驟5數(shù)據(jù)后處理中使用耕地地塊矢量邊界，步驟6用于精度驗(yàn)證的數(shù)據(jù)為水稻倒伏野外實(shí)地考察點(diǎn)位。
16、進(jìn)一步的，步驟1預(yù)處理包括輻射校正、大氣校正、正射校正、去云和幾何配準(zhǔn)處理。
17、進(jìn)一步的，步驟2所述ndvi、lswi、rvi、dvi光譜指數(shù)以及mean_red紋理特征的計(jì)算公式為：
18、
19、dvi＝ρred-ρblue
20、mean_red＝∑i∑jp(i,j)*i
21、其中，ρred、ρblue、ρnir、ρswir分別為紅、藍(lán)、近紅外、短波紅外波段地表反射率；p(i，j)表示灰度聯(lián)合矩陣中第i行j列的元素。
22、進(jìn)一步的，步驟4所述構(gòu)建水稻倒伏識(shí)別模型，提取水稻倒伏空間分布信息，包括以下步驟：
23、s1：ndvi可有效剔除非綠色植被及人工建筑；
24、s2：利用對(duì)植被含水量敏感的lswi和rvi設(shè)定閾值能夠提取發(fā)生倒伏的水稻區(qū)域；結(jié)合dvi和mean_red指數(shù)可進(jìn)一步區(qū)分非倒伏水稻和發(fā)生倒伏的水稻。
25、進(jìn)一步的，步驟4所述構(gòu)建分層決策樹模型，提取水稻倒伏面積空間分布，包括以下步驟：
26、s1：設(shè)置條件ndvi＞t0，當(dāng)條件為假時(shí)，像元標(biāo)記為非綠色植被，當(dāng)條件為真時(shí)，則進(jìn)入s2判斷；
27、s2：設(shè)置條件lswi＜t1&rvi>t2，若條件為假時(shí)，像元標(biāo)記為其他植被；若條件為真時(shí)，則進(jìn)入s3進(jìn)行判斷；
28、s3：設(shè)置條件dvi>t3&mean_red>t4，若條件為假時(shí)，則像元標(biāo)記為水稻；若條件為真時(shí)，則為倒伏水稻；
29、其中，t0、t1、t2、t3、t4為閾值，分別根據(jù)倒伏水稻樣本點(diǎn)進(jìn)行統(tǒng)計(jì)分析所得。
30、進(jìn)一步的，步驟5對(duì)模型提取的結(jié)果進(jìn)行后處理，主要針對(duì)結(jié)果中的斑點(diǎn)噪聲和非目標(biāo)地物進(jìn)行剔除，后處理主要包括濾波處理，腐蝕膨脹，耕地矢量掩膜，獲得形狀較為規(guī)整的柵格數(shù)據(jù)。
31、進(jìn)一步的，步驟6所述精度驗(yàn)證及模型參數(shù)調(diào)整包括，利用研究區(qū)發(fā)生倒伏水稻野外考察樣本點(diǎn)對(duì)遙感提取結(jié)果進(jìn)行對(duì)比，計(jì)算混淆矩陣，計(jì)算分類精度，若總體分類精度達(dá)到85％及以上，則滿足要求；若低于85％，則進(jìn)入步驟3重新調(diào)整模型參數(shù)閾值，重復(fù)步驟3和4，直到滿足要求為止。
32、有益效果：
33、與現(xiàn)有技術(shù)相比：本專利技術(shù)創(chuàng)造性的提出了采用多種植被指數(shù)以及影像紋理特征區(qū)分倒伏水稻與正常水稻，通過構(gòu)建表征水稻生長(zhǎng)狀態(tài)的多種遙感指數(shù)，創(chuàng)造了融合多種植被指數(shù)和紋理特征的倒伏水稻提取決策樹模型，所述方法基于sentinel-2影像提取倒伏水稻面積，實(shí)現(xiàn)了大范圍水稻倒伏信息高效監(jiān)測(cè)，可以為農(nóng)業(yè)生產(chǎn)管理、水稻倒伏理賠提供準(zhǔn)確的信息。因此，加強(qiáng)對(duì)水稻倒伏面積及位置的監(jiān)測(cè)識(shí)別，對(duì)于估計(jì)水稻倒伏損失，及時(shí)采取相關(guān)挽救和補(bǔ)償措施意義重大。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種融合多種光譜特征的水稻倒伏遙感識(shí)別方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述一種融合多種光譜特征的水稻倒伏遙感識(shí)別方法，其特征在于，步驟1提取結(jié)果所用的影像為發(fā)生水稻倒伏的Sentinel-2影像，矢量數(shù)據(jù)為研究區(qū)的行政邊界，步驟5數(shù)據(jù)后處理中使用耕地地塊矢量邊界，步驟6用于精度驗(yàn)證的數(shù)據(jù)為水稻倒伏野外實(shí)地考察點(diǎn)位。
3.根據(jù)權(quán)利要求1所述一種融合多種光譜特征的水稻倒伏遙感識(shí)別方法，其特征在于，步驟1預(yù)處理包括輻射校正、大氣校正、正射校正、去云和幾何配準(zhǔn)處理。
4.根據(jù)權(quán)利要求1所述一種融合多種光譜特征的水稻倒伏遙感識(shí)別方法，其特征在于，步驟2所述NDVI、LSWI、RVI、DVI光譜指數(shù)以及MEAN_RED紋理特征的計(jì)算公式為：
5.根據(jù)權(quán)利要求1所述一種融合多種光譜特征的水稻倒伏遙感識(shí)別方法，其特征在于，步驟4所述構(gòu)建水稻倒伏識(shí)別模型，提取水稻倒伏空間分布信息，包括以下步驟：
6.根據(jù)權(quán)利要求1所述一種融合多種光譜特征的水稻倒伏遙感識(shí)別方法，其特征在于，步驟4所述構(gòu)建分層決策樹模型，提取水稻倒伏
7.根據(jù)權(quán)利要求1所述一種融合多種光譜特征的水稻倒伏遙感識(shí)別方法，其特征在于，步驟5對(duì)模型提取的結(jié)果進(jìn)行后處理，主要針對(duì)結(jié)果中的斑點(diǎn)噪聲和非目標(biāo)地物進(jìn)行剔除，后處理主要包括濾波處理，腐蝕膨脹，耕地矢量掩膜，獲得形狀較為規(guī)整的柵格數(shù)據(jù)。
8.根據(jù)權(quán)利要求1所述一種融合多種光譜特征的水稻倒伏遙感識(shí)別方法，其特征在于，步驟6所述精度驗(yàn)證及模型參數(shù)調(diào)整包括，利用研究區(qū)發(fā)生倒伏水稻野外考察樣本點(diǎn)對(duì)遙感提取結(jié)果進(jìn)行對(duì)比，計(jì)算混淆矩陣，計(jì)算分類精度，若總體分類精度達(dá)到85％及以上，則滿足要求；若低于85％，則進(jìn)入步驟3重新調(diào)整模型參數(shù)閾值，重復(fù)步驟3和步驟4，直到滿足要求為止。
...【技術(shù)特征摘要】
1.一種融合多種光譜特征的水稻倒伏遙感識(shí)別方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述一種融合多種光譜特征的水稻倒伏遙感識(shí)別方法，其特征在于，步驟1提取結(jié)果所用的影像為發(fā)生水稻倒伏的sentinel-2影像，矢量數(shù)據(jù)為研究區(qū)的行政邊界，步驟5數(shù)據(jù)后處理中使用耕地地塊矢量邊界，步驟6用于精度驗(yàn)證的數(shù)據(jù)為水稻倒伏野外實(shí)地考察點(diǎn)位。
3.根據(jù)權(quán)利要求1所述一種融合多種光譜特征的水稻倒伏遙感識(shí)別方法，其特征在于，步驟1預(yù)處理包括輻射校正、大氣校正、正射校正、去云和幾何配準(zhǔn)處理。
4.根據(jù)權(quán)利要求1所述一種融合多種光譜特征的水稻倒伏遙感識(shí)別方法，其特征在于，步驟2所述ndvi、lswi、rvi、dvi光譜指數(shù)以及mean_red紋理特征的計(jì)算公式為：
5.根據(jù)權(quán)利要求1所述一種融合多種光譜特征的水稻倒伏遙感識(shí)別方法，其特征在于，步驟4所述構(gòu)建水稻倒伏...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：茹菲，周春寅，臧霄鵬，李勁松，王夢(mèng)陽(yáng)，李夢(mèng)君，
申請(qǐng)(專利權(quán))人：天地信息網(wǎng)絡(luò)研究院安徽有限公司，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。