[发明专利]一种基于合成孔径雷达时序数据的水稻自动识别方法

说明书

本发明公开了一种基于合成孔径雷达时序数据的水稻自动识别方法。利用合成孔径雷达时序数据在水稻特定物候期相对于其他地物类型的差异，通过数据获取和预处理、水稻识别特征选择、背景地物剔除、双季稻识别模型构建、单季稻识别模型构建、水稻空间分布信息提取，自动提取区域范围内水稻的空间分布信息。本方法的特点是自动化的水稻空间分布提取，不要求任何先验知识或训练样本即可同时识别双季稻和单季稻，且识别精度较高；方法鲁棒性高、普适性好，可应用于大范围水稻自动化提取业务。

技术领域

本发明涉及农业遥感技术领域，尤其涉及一种水稻空间分布信息的遥感提取方法。

背景技术

遥感具有大面积同步观测、时效性高以及成本低廉等特点，可以相对便捷地获得大范围、全覆盖的农作物空间分布信息，已被广泛应用于农作物种植范围提取。

水稻遥感识别的主要数据源有光学遥感数据和合成孔径雷达遥感数据，其中光学遥感数据易受天气要素如降水和云雾的影响，难以满足多雨地区的水稻空间分布提取。合成孔径雷达数据具有穿云透雨的能力，不受天气要素的影响，因而更适合大范围的水稻空间分布提取。当前免费的合成孔径雷达数据空间分辨率最高达10米，时间分辨率最高达6天，完全可以满足水稻空间分布提取的需求。

传统的基于合成孔径雷达数据识别水稻的方法往往以雷达后向散射系数时间序列的动态范围或方差等相似要素作为识别特征，通过设定某个阈值来区分水稻和非水稻，该阈值通常基于专家知识或通过对选取的训练样本进行统计得到。这类方法的实施往往需要以研究区的训练样本为基础，考虑到中国水稻种植的复杂性，在不同地区使用该类方法提取水稻空间分布往往需要重新选取训练样本，因此该类方法的推广性较差，不适用于大范围的水稻空间分布提取工作。另一方面，传统的水稻遥感提取方法无法区分单季稻和双季稻，因此无法得到更精确的水稻种植信息，也限制了该类方法在水稻生长监测以及水稻单产估算等方面的应用。

虽然传统的基于合成孔径雷达数据识别水稻的方法使用合成孔径雷达时序数据提取水稻识别特征，但该类方法往往忽略很多合成孔径雷达时间序列上的有用信息，例如后向散射系数的变化趋势等。水稻的种植与其他作物最大的差异在于水稻种植过程中需要进行灌水，这个过程在合成孔径雷达时序上表现为后向散射系数逐渐降低，而与此同时其他作物的后向散射系数则逐渐升高，因此利用该特征识别水稻的种植可以提高水稻空间分布识别的精度及自动化程度，同时在结合区域物候历信息的基础上还可以实现单季稻和双季稻的区分。

发明内容

本发明正是针对传统的水稻空间分布遥感提取方法的不足，提出一种基于合成孔径雷达时序数据和水稻物候信息的水稻自动识别方法，自动、准确地提取区域范围内的水稻空间分布信息。

为达此目的，本发明采用以下技术方案：

一种基于合成孔径雷达时序数据的水稻自动识别方法，包括以下步骤：

A、数据获取和预处理

获取某区域内同一合成孔径雷达数据源全年的VH极化数据，对数据进行轨道修正、辐射校正、地形校正、重采样、空间滤波去噪声以及数据转换预处理操作，得到单位为dB的VH极化后向散射系数时间序列数据。

具体来说预处理包括5个步骤：(1)使用轨道数据修正雷达影像的轨道信息；(2)对雷达数据进行辐射校正，将雷达数据的数值转化为后向散射系数； (3)对雷达数据进行地形校正并重采样；(4)对重采样后的图像进行空间滤波去除噪声；(5)使用以下公式对无单位的雷达后向散射系数进行数据转换，得到单位为dB的雷达后向散射系数。

BS_dB＝10×lg BS

式中，BS表示无单位的雷达后向散射系数，BS_dB表示单位为dB的雷达后向散射系数。

B、水稻识别特征选择