[发明专利]基于时间序列高分一号遥感影像的农业用地提取方法

权利要求书

1.一种基于时间序列高分一号遥感影像的农业用地提取方法，包括以下步骤：

步骤1、数据预处理

对多时相的时间序列遥感影像进行预处理，主要包括：辐射定标、大气校正、几何配准、重采样以及裁剪拼接，获得时间序列反射率图像数据集；

步骤2、感兴趣区范围圈定

在经过步骤1预处理后的时间序列反射率图像数据集裁剪出感兴趣区；

步骤3、云提取与掩膜

检测云像元并去除，将云掩膜后的无云影像与原始无云覆盖的影像进行组合，构成时间序列目标影像集，每个象元对应其光谱特征时间序列；

步骤4、遥感分类特征选择与计算

针对农业用地精细提取，选择宽动态范围植被指数WDRVI和归一化差异水体指数NDWI为主要农业用地精细提取的特征指数，其计算公式为：

式中，ρ_NIR为近红外波段反射率，ρ_RED为红光波段的反射率，ρ_GREEN为绿光波段反射率以及ρ_SWIR1为中红外波段反射率,α为计算权重，取值范围为0～1；

步骤5、时间序列构建

针对时间序列目标影像集，构建宽动态范围植被指数WDRVI和归一化差异水体指数NDWI的时间序列；

步骤6、时间序列重建拟合

利用非对称性高斯函数拟合法对WDRVI指数时间序列和NDWI指数时间序列进行拟合重建；

步骤7、训练样本选择与随机森林分类

针对“林草地”、“水田”、“旱地”、“大棚和建筑”、“水体和水产”、“其他”共六种原始类别，目视选取训练样本像元，以训练样本像元的光谱特征时间序列、WDRVI指数时间序列和NDWI指数时间序列对随机森林分类器进行训练，然后用训练后的随机森林分类器对时间序列目标影像集进行分类识别，并提取出“水体和水产”，“水田”，“大棚和建筑”三个类别的影像集；

步骤8、“水体”和“水产”精细分类

针对“水体和水产”类别影像集进行面向对象分割，提取分割对象的尺度分割特征，并将尺度分割特征传递至该分割对象的每个像元；目视选取水体像元、水产像元作为训练样本像元，以训练样本像元的光谱特征时间序列、WDRVI指数时间序列、NDWI指数时间序列和尺度分割特征对随机森林分类器进行训练，然后用训练后的随机森林分类器对“水体和水产”影像集进行分类识别，得到“水体”和“水产”的精细分类结果；

步骤9、“冬小麦”和“油菜”精细分类

在“水田”类别影像集中选取时间为3月份和4月份影像，在3月份影像中WDRVI指数≥n₁且在4月份影像中WDRVI指数＜n₂的像元判定为“冬小麦”像元，在3月份影像中WDRVI指数≥n₁且在4月份影像中WDRVI指数≥n₂的像元判定为“油菜”像元，得到“冬小麦”和“油菜”精细分类结果，其中，n₁＝0.035，n₂＝0.051；

步骤10、“大棚”和“建筑”精细分类

获取时间序列范围内的感兴趣区哨兵一号雷达影像，将其后向散射系数作为像元的雷达极化波段特征，目视选取“大棚和建筑”类别影像集中的大棚像元和建筑像元作为训练样本像元，以训练样本像元的光谱特征时间序列、WDRVI指数时间序列、NDWI指数时间序列和雷达极化波段特征对随机森林分类器进行训练，然后用训练后的随机森林分类器对“大棚和建筑”影像集进行分类识别，得到“大棚”和“建筑”的精细分类结果。

2.根据权利要求1所述的基于时间序列高分一号遥感影像的农业用地提取方法，其特征在于：步骤3中，对感兴趣区的反射率影像每个像元判断是否被云覆盖，以所有感兴趣区像元的特征值为样本，使用大津法求得用于分割的阈值ε₀，特征值≥ε₀的像元判定为云像元。

3.根据权利要求1所述的基于时间序列高分一号遥感影像的农业用地提取方法，其特征在于：步骤4中，对感兴趣区的反射率图像每个像元计算宽动态范围植被指数，α为计算权重，取值为0.1。