[发明专利]基于遥感数据进行季度灌溉面积识别的方法

权利要求书

1.基于遥感数据进行季度灌溉面积识别的方法，其特征在于，包括以下步骤：

步骤1、确定分析区域空间范围并进行数据准备，收集不大于月尺度的植被指数、降水时间序列的遥感数据集，时间上统一处理为月尺度数据，统一各类数据的空间分辨率；

步骤1具体的包括以下分步骤：

步骤1.1、根据不同实施区域的范围大小，依据空间分辨率选取NDVI数据以提高模型运算效率，并依据时间分辨率匹配性收集降水数据；

步骤1.2、对收集的数据进行时空分辨率统一处理，需要将收集的降水数据与NDVI数据运用统计方法进行时间分辨率上的统一；

步骤1.3、若降水数据与NDVI数据的空间分辨率不统一，使用重采样或插值的方法统一两种数据的空间分辨率；

步骤2、生成植被指数与降水随时间变化折线图，识别植被主要生长期与灌溉期时间范围，并依据降水情况进行季节划分；

步骤2具体的包括以下分步骤：

步骤2.1、运用区域统计方法，统计实施区域的平均降水和平均NDVI，绘制NDVI与降水时间变化折线图，用来判断区域整体植被生长变化情况；

步骤2.2、根据时间序列的NDVI生长变化曲线，将作物主要生长期判定为主要灌溉期，确定主要灌溉期的时间范围；

步骤2.3、结合时间序列的降水变化曲线，划分主要灌溉期中降水亏缺季与降水充足季，由于降水对NDVI的促进作用可能存在滞后性，划分季节时可以根据实施区域的不同，再做调整，确定季节中包括的月份；

步骤3、对季节划分后的植被指数NDVI与降水数据进行月度累加，得到季度值，然后计算累加的降水与植被指数间的一致性系数；

步骤3具体的包括以下分步骤：

步骤3.1、带入归一化模型前，需要对上一步骤中季节划分的结果再次进行计算，使用累加的方式对月尺度的降水与NDVI进行季节转化，计算季度累加值；

步骤3.2、进行归一化处理；将累加后的季节降水与NDVI结果整理，分别将季节降水与季节NDVI转换为二维数组，随后再将不同年份的同季节降水与NDVI存入三维矩阵，对三维矩阵中的每一个元素都进行归一化计算，计算公式如下：

r_i，j＝(x_i，j-min(x_i，j，y))/(max(x_i，j，y)-min(x_i，j，y)) (1)

其中r_i，j表示NDVI或降水影像第i行，j列像元的归一化结果，x_i，j表示NDVI或降水影像的第i行，j列的像元，min(x_i，j，y)与max(x_i，j，y)分别表示x_i，j像元在时间序列y中的最小值与最大值；

步骤3.3、将得到的NDVI与降水的归一化矩阵带入公式(2)获得降水与NDVI的一致性系数：

其中RUE_seasonal表示季节内降水与NDVI的一致性系数，NDVI(r_i，j)与P(r_i，j)分别表示NDVI归一化矩阵与降水归一化矩阵；

步骤4、划分一致性系数值域区间，根据一致性系数所在区间进行灌溉位置及灌溉面积识别；

步骤4具体的包括以下分步骤：

步骤4.1、提出植被生长与降水量一致性概念RUE_seasonal，其值处于[0,10]之间，将计算结果分层，分层如下：

区间	特征
seasonal≤1]]>	降水满足植被生长，无灌溉行为
seasonal≤2]]>	降水不满足植被生长，有较少灌溉行为
seasonal≤3]]>	降水不满足植被生长，有一定灌溉行为
seasonal]]>	降水不满足植被生长，有较多灌溉行为

步骤4.2、筛选不合理数据，对不合理数据进行补偿；

步骤4.3、对不合理数据的补偿需要考虑两种情况，第一种是当P(r_i，j)等于0时，RUE_seasonal的计算结果将溢出；第二种情况是当P(r_i，j)等于1，RUE_seasonal的计算结果将小于1；为了防止算术溢出和错误分类，对不合理RUE_seasonal进行进一步补偿；

步骤4.4、根据步骤4.1中的区间划分结果，通过设定阈值来识别灌溉位置与灌溉面积；

步骤5、生成完整时间序列的植被主要生长期灌溉区域的时空分布专题图成果。

2.根据权利要求1所述的基于遥感数据进行季度灌溉面积识别的方法，其特征在于，所述步骤5具体的包括以下分步骤：

步骤5.1、将三维矩阵的一致性计算结果重新转化为栅格数据；

步骤5.2、根据上一步转化的栅格数据生成各季节研究区灌溉面积的时空分布时间序列图；

步骤5.3、根据各季节灌溉面积和分布栅格数据，可合并求得完整灌溉期的总灌溉面积和分布。