[发明专利]一种基于哨兵1号RVI时间序列的农作物分类方法

说明书

本发明公开了一种基于哨兵1号RVI时间序列的农作物分类方法，包括如下步骤：步骤1）获取哨兵1号卫星IW模式下VV‑VH极化数据，构建覆盖农作物生长周期的遥感影像时间序列；步骤2）基于每一期VV‑VH极化数据构建RVI指数（公式为RVI=σ_VH/σ_VV），然后整合形成RVI时间序列；步骤3）通过实地调查或历史图件，获取农作物样本数据；步骤4）以RVI时间序列和样本数据作为输入，采用随机森林分类器，对研究区的农作物进行分类，形成农作物分类结果图。

技术领域

本发明是一项农作物遥感精细分类技术，提出了一种基于哨兵1号RVI时间序列的农作物分类方法，充分利用雷达数据全天候的特征，以及RVI时间序列能够反应不同农作物的生长特点，有效提高农作物精细分类的精度，为农作物精细分类提供了一种新途径。

背景技术

农作物的及时、准确监测和有效管理是确保全球人口获得粮食供应的关键。遥感作为一种快速、大范围获取地表信息的技术手段，已广泛应用于农作物分类，相对于传统的农作物监测方法，费用少、效率高。

农作物类型多样，有水稻、玉米、小米等，种植结构复杂，有连作、轮作、间种与套种等种植结构，农作物田块的“同物异谱和异物同谱”现象突出。因此，单纯依靠光谱特征进行农作物提取，经常会出现“错分、漏分”的现象，难以达到预期效果。由于不同作物具有特定的生长规律和物候特征，不同生长时期的同一农作物其光谱特征不同，同一生长期的不同农作物光谱也具有差异。因此，时间序列遥感已逐步应用于农作物分类。目前，归一化植被指数( Normalized Difference Vegetation Index, NDVI)时间序列数据，广泛应用于农作物分类，这种方法能够较好地反映农作物物候信息，有效削弱“同物异谱，同谱异物”现象，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，农作物分类精度有限。随着遥感数据源的不断丰富，目前中、高分辨率光学影像时间序列的构建逐步成为热点，然而受到云雨天气的影响，较为完整的时间序列难以构建，从而影响农作物分类的效果。

雷达卫星（如哨兵1号卫星）具备全天时、全天候获取地表数据的能力，不受云雨天气的影响，而且基于雷达数据可以反演雷达植被指数（Radar Vegetation Index，RVI）。因此，本专利提出了一种基于哨兵1号RVI时间序列的农作物分类方法，提升农作物的分类精度。

发明内容

本发明提出了一种基于哨兵1号RVI时间序列的农作物分类方法，充分利用雷达数据全天候的特征，以及农作物在生长过程中不同农作物RVI的差异，有效提升了农作物遥感分类的精度，该估算方法包括如下步骤：

步骤一：获取哨兵1号卫星IW模式下VV-VH极化数据，构建覆盖农作物生长周期的遥感影像时间序列；步骤二：基于每一期VV-VH极化数据构建RVI指数（公式为RVI=σ_VH/σ_VV，式中σ_VH为VH极化的后向散射系数，σ_VV为VV极化的后向散射系数），然后整合形成RVI时间序列；步骤三：通过实地调查或历史图件，获取农作物样本数据；步骤四：以RVI时间序列和样本数据作为输入，采用随机森林分类器，对研究区的农作物进行分类，形成农作物分类结果图。

附图说明

图1为基于哨兵1号RVI时间序列的农作物分类方法流程图。

图2为农作物分类结果图。

具体实施方式

下面结合实例对本发明“一种基于哨兵1号RVI时间序列的农作物分类方法”作进一步说明，按照实施流程（如图1所示），详细实施细节如下。