[发明专利]一种基于NDVI时间序列曲线积分的冬小麦提取方法

说明书

技术领域

本发明是一项冬小麦遥感识别技术，提出了一种基于NDVI时间序列曲线积分的冬小麦提取方法，充分利用冬小麦生长周期内的NDVI时间序列与其它农作物的显著差异，实现了冬小麦的高精度提取。

背景技术

小麦是我国的主要粮食之一，小麦的产量直接关系到国家粮食安全和社会稳定。小麦分为冬小麦和春小麦，我国以种植冬小麦为主。及时准确地提取冬小麦种植信息是获取冬小麦种植面积和进行产量预测的基础。随着遥感平台的不断发展及影像分辨率不断提高，遥感技术在小麦监测领域中得到了广泛的应用，如小麦种植面积监测、长势监测和产量估算等。

我国农作物类型复杂多样，如何利用遥感技术手段从众多的作物中将冬小麦识别出来，研究人员已经开展了大量的研究工作。由于许多作物的光谱特征具有相似性，利用单一时相遥感影像数据进行冬小麦的识别经常会出现错判、漏判的现象。近年来，归一化植被指数( Normalized Difference Vegetation Index, NDVI )时间序列数据已成为研究的热点，能够精确地反映植被物候信息，有效削弱“同物异谱，同谱异物”现象，逐渐应用于冬小麦的识别。目前较为流行的方法是基于MODIS、NOAA/AVHRR的NDVI时间序列数据，但由于影像空间分辨率较低加之我国农作物种植类别复杂多样、地块较为破碎，仅有极少的像元是由单一地物所组成，冬小麦识别精度有限。

随着我国高分辨率卫星的陆续发射（ZY-3、GF-1、GF-2等），为高分辨率NDVI时间序列的构建提供了可能。其中GF-1卫星搭载的宽覆盖相机(Wide Field of View, WFV)具备16米空间分辨率及4天重访周期的影像获取能力，只需利用单一数据源就能构建高空间分辨率NDVI时间序列。本专利提出了一种基于NDVI时间序列曲线积分的冬小麦提取方法，流程简单实用且效果显著。

发明内容

本专利提出了一种基于NDVI时间序列曲线积分的冬小麦提取方法，充分利用冬小麦区别于其它作物的特有物候特征，基于冬小麦生长周期内的NDVI时间序列，通过曲线积分方法实现了冬小麦的高精度提取。该算法包括如下步骤：

步骤1）获取冬小麦生长周期内的GF-1卫星搭载的宽覆盖相机(Wide Field of View, WFV)数据，并构建NDVI时间序列；

步骤2）利用历史数据获取试验区耕地分布信息并进行掩膜处理，得到试验区的耕地分布；

步骤3）通过历史数据或实地调查，获取冬小麦样本数据；

步骤4）基于冬小麦样本，获取相应的像元的NDVI时间序列曲线，采用曲线积分方法对NDVI时间序列曲线在以天为单位的时间轴求积分，获取每个样本像元的积分值，并对所有样本像元的积分值进行统计分析得到最小值，作为冬小麦提取的阈值，其中，像元的NDVI 时间序列表示为，为时间序列的起点，即，为时刻对应的NDVI，为时间序列中第二景影像获取的日期与第一景影像获取的日期相隔的天数，为时刻对应的NDVI，以下以此类推，按照公式计算得到每个样本像元的积分值；

步骤5）利用步骤2）得到的掩膜图，采用曲线积分方法对各个像元的NDVI时间序列曲线求积分，当积分值在阈值区间时，则判定该像元为冬小麦，遍历整个试验区，最后形成冬小麦分布图。

进一步地，所述步骤1）中冬小麦的生长周期为11月上旬至次年6月下旬，确保每个月有一期GF-1 WFV数据，NDVI时间序列构建前需要对数据经过辐射定标、大气校正、几何校正等处理，然后利用红光波段与近红外波段计算得到NDVI，最后形成NDVI时间序列。

进一步地，所述步骤2）中的历史数据为国家基础地理信息中心制作的全球30米地表覆盖数据。

进一步地，所述步骤4）中，冬小麦样本数据具有代表性，即样本像元的NDVI时间序列曲线的积分值的动态范围能够代表整个试验区冬小麦NDVI时间序列曲线的积分值的动态范围。

本发明的优点：本发明采用单一数据源构建了高空间分辨率NDVI时间序列，NDVI时间序列覆盖冬小麦生长周期，充分利用了冬小麦在生长周期内NDVI时间序列与其它农作物的差异显著的特征，通过曲线积分方法达到了较高的提取精度；同时利用样本数据完成了阈值的自动获取，有助于实现冬小麦的自动提取。

附图说明

图1为2013年11月末到2014年6月末试验区作物的NDVI时间序列曲线。

图2为冬小麦NDVI时间序列曲线积分示意图，图中阴影部分的面积为积分值。

图3为试验区冬小麦提取结果图。