[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

说明书

本发明涉及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，利用不同地物覆盖在不同波段和特征组合下的特征信息，基于非对称高斯函数拟合法重构了地物时序特征，在消除噪声的同时尽可能的保留地物特征在长时间序列下的特征信息，最终直观的体现出旱地、水体、建筑、林草地以及水田等不同地物间的差异，以光谱特征以及NDWI和WDRVI指数特征为初步分类特征，随机森林分类器为最终分类器进行初步分类，随后加入面向对象形状特征、雷达VV/VH极化波段等辅助特征进行精细提取。本发明使用了国产高分一号影像数据，实现了基于高分一号影像的农业用地精细提取，可将提取结果应用到实际农业监控中，充分体现了本发明精细提取方法的可靠性与实用性。

技术领域

本发明涉及遥感农业监测技术领域，特别是涉及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。

技术背景

随着经济的不断发展，自然资源不断遭受破坏的同时，优质耕地面积也在逐年减少，严重影响粮食生产效率。因此，农业用地分布信息及时准确地获取可以帮助相关部门及时了解、掌握主要农作物的种植面积以及长势情况，从而准确预估主要农作物的产量，进而为政府部门合理有效地制定作物生产管理政策、调整农业结构、开展农作物普查以及作物长势监测提供基本数据保障。

长时间序列农业遥感理论研究，近年来取得了较好的发展，光学和雷达遥感在该领域的理论与应用研究积累表明：(1)农业用地是土地覆盖主要类型之一，高效提取与监测耕地的变化可以促进生态环境的稳定以及保障粮食安全。(2)时间序列和其他数据相比各个数据值之间存在严格的时序的关系。在时间序列数据上的各个数据值是有严格的顺序而且由于其时序特征导致了时间序列数据普遍是海量的，因此时间序列数据挖掘逐渐成为数据挖掘领域中的研究热点。(3)农业用地的变化除了与时间有关还与变化类型有关。因此，农业用地分类提取综合使用各项遥感指数的时间序列变化来区分农用地变化情况。

发明内容

本发明要解决的问题是：探索了时间序列高分一号影像在农业用地精细提取与监测中的应用潜力，提出的分类提取方法可以在当前较为复杂的种植结构背景下为农业用地精细提取遥感监测提供了重要的技术支持，操作较为便捷和可靠，可以为大面积的快速农业监测和分析提供初步依据。

为了解决上述技术问题，本发明提出的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，通过查阅分析国内外文献资料以及对比实验验证，本发明选择宽动态范围植被指数(Wide Dynamic Range Vegetation Index,WDRVI)和归一化差异水体指数(Normalized Difference Water Index,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