[发明专利]基于遥感影像的丘陵区柑橘种植地块监测方法及系统有效
| 申请号: | 202010562660.4 | 申请日: | 2020-06-18 |
| 公开(公告)号: | CN111709379B | 公开(公告)日: | 2023-04-18 |
| 发明(设计)人: | 谢国雪;黄启厅;杨绍锷;覃泽林;曾志康;苏秋群;张秀龙;马灿达;张家玫;林垚君 | 申请(专利权)人: | 广西壮族自治区农业科学院 |
| 主分类号: | G06V20/10 | 分类号: | G06V20/10;G06V10/26;G06V10/774;G06V10/84;G06V10/764 |
| 代理公司: | 广西汇佳知识产权代理事务所(普通合伙) 45125 | 代理人: | 林鹏 |
| 地址: | 530007 广西*** | 国省代码: | 广西;45 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 遥感 影像 丘陵 柑橘 种植 地块 监测 方法 系统 | ||
1.基于遥感影像的丘陵区柑橘种植地块监测方法,其特征在于,包括以下步骤:
步骤S1:获取待监测区域遥感中分影像和高分影像信息,并对影像进行预处理以获得高质量影像;
步骤S2:采用3S技术通过对待监测区实地采集解译标志,获取包括柑橘多个不同地类的解译标志点,得到训练样本及验证样本;
步骤S3:以高分影像作为基底,叠加二调数据通过包括切割、合并、拓扑监测处理完成地块形态边界更新;
步骤S4:计算中分影像的多时相影像特征NDVI、RVI、NDWI、NDRE1、MTCI、IRECI,计算高分影像灰度共生矩阵的均值表征纹理信息,同时计算可见光常用特征指数NDVI、RVI、NDWI;
步骤S5:以S2获取的地块信息作为训练样本,基于S4计算出的高分影像纹理特征与特征指数NDVI、RVI、NDWI以及中分影像多时相影像特征NDVI、RVI、NDWI、NDRE1、MTCI、IRECI作为输入特征,对向量机、决策树、神经网络、随机森林、K最邻近、贝叶斯分类器进行训练;
步骤S6:将待监测区域的影像信息分别输入训练好的向量机、决策树、神经网络、随机森林、K最邻近、贝叶斯分类器进行识别并分别输出结果;
步骤S7:对各类识别结果加权计分,对计分超过半数的地块识别为柑橘,从得分为半数地块挑选训练样本循环更新分类器并完成柑橘识别。
2.根据权利要求1所述基于遥感影像的丘陵区柑橘种植地块监测方法,其特征在于,还包括对识别出为柑橘的地块进行面积计算,其步骤包括,对识别为柑橘的地块基于DEM计算地块的坡度均值,坡度值≤6°划分为平地柑橘地块,坡度值>6°划分为坡地柑橘地块,针对判断为平地的地块采用投影面积计算方法获取平地柑橘地块面积,坡地柑橘地块通过投影面积与坡度余弦之比的计算方法获取,累计所有柑橘地块面积即为柑橘实际种植面积。
3.根据权利要求1所述基于遥感影像的丘陵区柑橘种植地块监测方法,其特征在于:所述步骤S1使用GF-1、ZY-3、北京二号卫星数据形成低频高分影像,以哨兵二号影像为高频中分数据,剔除云量覆盖率超过70%影像,对影像预处理方法包括:以谷歌地球影像为参考,基于高程模型开展全色影像正射校正处理,同理完成多光谱影像正射纠正处理,将全色正射影像和相应的多光谱正射影像进行融合处理,提高多光谱影像分辨率,在此基础上利用试验区行政边界裁剪融合后的数据,再通过镶嵌模型处理形成研究区高分辨率高质量影像;针对获得的中分影像,首先通过大气自动纠正处理生成地物真实反射率数据,再通过基于像元的监督分类方法检测云影并形成矢量文件,剔除云影遮盖区域形成有效不完整影像,筛选邻近时期影像为替补数据源,利用云影矢量文件进行裁剪处理形成无云碎片影像以填补剔除云影遮盖区域的影像。
4.根据权利要求1所述基于遥感影像的丘陵区柑橘种植地块监测方法,其特征在于:所述步骤S2解译标志点包括柑橘地块、水稻地块、蔬菜地块、林地地块。
5.根据权利要求1所述基于遥感影像的丘陵区柑橘种植地块监测方法,其特征在于:所述步骤S3,待监测区提取二调数据为耕地、林地、园地三种类型地块作为待监测区,进一步减少任务工作量和提高分类精度。
6.基于遥感影像的丘陵区柑橘种植地块监测系统,其特征在于,包括:
影像获取模块,其用于获取待监测区域遥感中分影像和高分影像信息,并对影像进行预处理以获得高质量影像;
地块样本提取模块,其用于采用3S技术通过对待监测区实地采集解译标志,获取包括柑橘多个不同地类的解译标志点,得到训练样本及验证样本;
地块边界提取模块,以高分影像作为基底,叠加二调数据通过包括切割、合并、拓扑监测处理获取完整、准确地块;
特征计算模块,其用于计算中分影像的多时相影像特征NDVI、RVI、NDWI、NDRE1、MTCI、IRECI,计算高分影像灰度共生矩阵的均值表征纹理信息,同时计算特征指数NDVI、RVI、NDWI;
分类器训练模块,以地块样本提取模块获取的地块信息作为训练样本,基于特征计算模块计算出的高分影像纹理特征与特征指数NDVI、RVI、NDWI以及中分影像多时相影像特征NDVI、RVI、NDWI、NDRE1、MTCI、IRECI作为输入特征,对向量机、决策树、神经网络、随机森林、K最邻近、贝叶斯分类器进行训练,获得向量机、决策树、神经网络、随机森林、K最邻近、贝叶斯分类器模型;
识别模块,将待监测区域的影像信息分别输入训练好的向量机、决策树、神经网络、随机森林、K最邻近、贝叶斯分类器进行识别并分别输出结果;对各分类器识别结果加权计分,对计分超过半数的地块识别为柑橘,从得分为半数地块挑选训练样本循环更新分类器并完成柑橘识别;
面积计算模块,对识别为柑橘的地块基于DEM计算地块的坡度均值,针对坡地的地块采用投影面积与坡度余弦之比的计算方法获取面积,平地地块面积直接采用投影面积计算方法获取,累计所有柑橘地块面积即为柑橘实际种植面积。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广西壮族自治区农业科学院,未经广西壮族自治区农业科学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010562660.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种智能报警的粘鼠工具
- 下一篇:一种抑制球墨铸铁供水管道电化学腐蚀的方法





