[发明专利]一种基于GF-1数据重构的小麦单产遥感估算方法

说明书

本发明涉及农作物产量预测技术领域技术领域，尤其涉及一种基于GF‑1数据重构的小麦单产遥感估算方法，包括下述步骤：步骤1）、收集并下载研究区域内时序原始MODIS数据和GF‑1数据；步骤2）、提取MODIS的QA质量参数；步骤3）、对MODIS数据进行投影转换、纯化、滤波和裁剪；步骤4）、处理GF‑1数据；步骤5）、将步骤3)和步骤4）中的数据带入重构模型重构出新的数据；步骤6）、得出小麦种植分布图和NDVI图；步骤7)、收集并处理气象站点数据；步骤8）、估产模型估产；步骤9)、估产模型精度进行验证分析。本发明提供的一种基于GF‑1数据重构的小麦单产遥感估算方法具有估产精准、数据完整、估产模型严密性强和完整性好的优点。

技术领域

本发明涉及农作物产量预测技术领域技术领域，尤其涉及一种基于GF-1数据重构的小麦单产遥感估算方法。

背景技术

农作物估产多年来一直是农业遥感中的一个短板，其中制约单产估算最大的两个因素：1.卫星时序数据的缺失；2.气象数据的不精准；3.样本数据严重缺乏，卫星时序数据链的断裂导致无法实时的监测农作物在其生长期中的长势和健康状况。因此，解决数据的时效性和连续性是监测农作物的关键所在；此外，气象数据的空间不准确性也是导致估产模型无法准确建立的重要原因，气象站点获取的数据无法准确的代表地块的数据，和农业气象数据存在一定的差异；样本数据的严重缺失导致模型的建立和验证也存在现实差异；

目前已有的估产主要分为两类：1.单一的使用时间分辨率达到一天的MODIS数据进行NDVI、EVI、RVI、LSW等指数的计算，进而将影响农作物的诸多因子进行多元回归分析或者建立神经网络模型，但这类方法只是单纯的从衡量作物生长情况的表面指标作为影响因子并不能准确的反应出农作物的长势，且未考虑与植被生长息息相关的温度，降水等气象数据，此外，MODIS数据虽然时间分辨率满足作物估产的需求，但是空间分辨率最高250米，无法反映精细的作物空间分布，因此，这种方法仅适合于实验条件下的作物估产；2.基于外业光谱仪采样和干物质量测量的回归模型；具体如下：使用样方光谱反射率计算NDVI值和影像上相应区域的植被NDVI进行对比，通过拟合方程回归分析建立回归模型，然后，使用光谱仪实测的反射率计算的NDVI和外业采集处理后的干物质量建立回归模型，从而将实测的NDVI转换到影像的NDVI，然后过渡到干物质量模型中，即完成了估产的目标；但是该方法大多使用的MODIS数据，分辨率仍然达不到实际要求的空间精度，如果采用高分辨率遥感影像，则无法满足作物生长期内时序数据的全覆盖；

因此，目前存在的数据估产模型无法克服空间数据分辨率的精度，若使用高空间分辨率的数据，又难以满足生长周期内数据的连续性，或者没有考虑气象因子的影响。

发明内容

本发明为解决现有的数据不连续、估产精度不高、分辨率太低和数据受气象因子影响的问题，而提供估产准确、精度更高的一种基于GF-1数据重构的小麦单产遥感估算方法。

本发明采用的技术方案是：

一种基于GF-1数据重构的小麦单产遥感估算方法，包括下述步骤：

步骤1）、收集并下载研究区域内作物生长周期内的时序原始MODIS数据和GF-1数据；

步骤2）、使用LODPE工具对原始MODIS的质量控制波段QA进行提取，对提取出来的QA波段使用MRT工具进行投影和格式的转换，得到Geotiff格式和UTM投影的QA波段数据，使用MRT数据对原始MODIS数据进行投影和格式转换，得到投影后的MODIS数据；

步骤3）、将步骤2）中提取的质量控制波段数据由整型转换为浮点型，根据质量控制波段数据中的质量因子数值作为权重来纯化投影后的MODIS数据，将原始MODIS数据进行裁剪并转换成float类型，再使用Timesat软件进行S-G滤波处理；

步骤4）、对GF-1数据进行校正处理，将校正好的数据进行NDVI计算和合成，再进行统一裁剪；