[发明专利]一种基于遥感时序数据的冬小麦面积估算方法

说明书

技术领域

本发明属于遥感影像信息处理技术领域，涉及一种基于遥感时序数据的冬小麦面积估算方法。 

背景技术

小麦是世界性的粮食作物，在我国的产量仅次于水稻，其种植面积与产量关乎国计民生。目前获取冬小麦种植面积数据的渠道主要为农业调查抽样统计与遥感监测。与传统的农业调查抽样方法相比，遥感技术在大范围快速获取信息方面具有明显优势。并且，MODIS等卫星遥感系统能够提供每日覆盖全球的遥感影像数据，为监测农作物种植面积提供了详实的数据基础。如何充分利用遥感影像的时序信息，进行农作物种植面积监测，是一项十分重要的工作。目前基于时序遥感影像数据进行包括冬小麦在内的农作物遥感监测技术方法仍不成熟，正处在发展阶段，需要开展更深入的研究工作。迄今为止，所提出的方法中均基于以下思想：利用MODIS EVI/NDVI (Enhanced Vegetation Index增强型植被指数/ Normalized Difference Vegetation Index归一化植被指数)或SPOT VGT(Vegetation)时序数据集，建立基于原始数据的冬小麦年内变化曲线，然后通过计算欧式距离等方法判断未知像元与已知冬小麦区域的植被指数的年内原始变化曲线的相似度，然后通过设定一定阈值的方法实现遥感影像分类。此类方法比较直观并且易于实现，但其不足之处在于：(1) 基于MODIS或SPOT遥感平台的植被指数数据集均在一定程度上受到噪声的影响，基于原始数据建立的已知冬小麦与待分像元的年内变化曲线，自然也难以避免噪声的干扰，从而直接影响到分类精度；(2) 未知像元与已知冬小麦之间的距离计算直接基于植被指数年内原始变化曲线，而不同地块的冬小麦由于耕作方式、土壤肥力、灌溉条件等不同，直接导致不同地块的冬小麦的植被指数年内变化曲线存在较大差异，这种已知样本之间的不确定性直接影响到分类结果的可靠性。因此，非常需要引入一种新型冬小麦监测方法。

发明内容

本发明所要解决的问题是：提出一种基于遥感时序数据的冬小麦面积估算方法，能有效地避免各种因素引起的原始植被指数年内变化幅度不一致等问题。

本发明提供的技术方案是：一种基于遥感时序数据的冬小麦面积估算方法，其特征在于包括以下步骤：

S1. 获取遥感植被指数时序数据，并生成研究区域内每个像元以日为时间步长的植被指数年内时序数据集； 

S2. 利用连续小波变换，将每个像元的植被指数年内时序数据转换为小波系数谱；

S3. 基于所述小波系数谱建立研究区域内表征每个像元年内植被变化特征的小波系数二值图； 

S4. 将N个已知冬小麦样点的小波系数二值图进行叠加操作，将叠加后生成的图像中绝对值大于或等于θ                                               N的区域设置为1，其他区域设置为-1，生成冬小麦的标准小波系数二值图，θ大于0且小于或等于1，N为自然数；

S5. 通过计算每个像元小波系数二值图与冬小麦的标准小波系数二值图叠加后生成的图像中绝对值为2的单元个数占整个图像的比例R，作为冬小麦识别的依据；

S6. 通过统计M个若干已知冬小麦样点的R值分布，建立冬小麦识别标准，M为自然数；

S7. 依据冬小麦识别标准，逐像元实现冬小麦识别，汇总统计得到研究区域冬小麦面积。

在本发明一实施例中，所述步骤S1的实现方式是：根据L天合成的植被指数时序数据，生成研究区域内每个像元以日为时间步长的植被指数年内时序数据集，其中L为大于1的自然数。

在本发明一实施例中，所述步骤S3的实现方式是：将小波系数谱中小波系数大于或等于0的单元赋值为1，其他单元赋值为-1，从而获得数值为1或-1的二维矩阵，称为小波系数二值图。

在本发明一实施例中，生成小波系数二值图的具体步骤是：在纵坐标频率维上，从最低到最高尺度[1,80]逐行进行搜索，如果小波系数谱中行列号分别为i, j的某个单元的小波系数大于或者等于0，则将该单元赋值为1，否则为-1；表示为：

                        （3）

其中表示小波谱中行列号为i, j所处的位置小波系数值，表示小波系数二值图中行列号为i, j所处的位置的取值。