[发明专利]面向多云雨地区的基于多载荷遥感图像的水稻估产方法

说明书

本发明公开了面向多云雨地区的基于多载荷遥感图像的水稻估产方法，属于遥感图像农业应用领域，通过利用光学遥感卫星和合成孔径雷达遥感卫星对某水稻种植区进行监测；然后利用GIS技术提取工作区水稻种植面积，并将相关信息储存在属性表中；再区分水稻种植时间；然后计算各田块对应的雷达后向散射系数Mean_RSC；并对强反射点影响的稻田区域值进行修正；再实地进行人工采样测产，得到田块的水稻测产亩产量；然后建立水稻估产模型；最后根据估产模型和时相雷达后向散射系数计算田块的预估产量；本发明解决了多云雨地区水稻估产的实际应用难题。

技术领域

本发明涉及遥感图像农业应用领域，具体涉及面向多云雨地区的基于多载荷遥感图像的水稻估产方法。

背景技术

水稻在我国粮食生产中占有重要地位，是我国重要的粮食作物之一，种植面积约占全国粮食总播种面积的25％，而其产量达到全国粮食总产量的32％。水稻种植面积及产量预报是重要的农情信息之一，对国家粮食安全预警、宏观粮食经济决策具有重要意义。

传统的水稻估产采用人工区域调查方法，结合农学、气象学、统计学，从不同角度建立作物估产模式，该方法速度慢、工作量大、成本高且很难及时获取水稻长势与产量信息；卫星遥感以其宏观、快速、准确、动态等优势，被广泛应用于农作物的长势监测及产量预报。

水稻遥感估产包括播种面积提取与产量预报两项内容，目前，国内外学者在水稻遥感估产方面已取得了大量的研究成果，其主要方法大多是基于中低分辨率遥感影像，利用计算机分类的方法提取水稻种植面积；利用水稻生殖生长期的光学遥感影像光谱信息计算植被指数，建立水稻长势指标与产量的关系模型，进行水稻产量的估算。这种估产方法建立的模型简洁明了，计算便捷，是一种较为普遍的产量估算模式，但是具有极大的局限性：首先，通过计算机分类或机器学习方法提取的水稻种植面积，不管是基于光学遥感还是SAR遥感，都存在田块边缘识别效果差、无法准确提取水稻田块边界的技术壁垒，尤其是我国很多地区的种植田块极度不规则，因此造成估产过程中水稻种植面积及田块长势信息的获取出现偏差，影响估产模型建立的精度，从而导致产量预报容易出现较大的误差；其次，在我国现有农情条件下，同一地区的水稻种植时间会存在一至两个月的差异，因此传统的估产模式，无法消除种植时间差异对估产模型的影响；再次，利用光学遥感数据获取水稻光谱信息来计算植被指数，需要确保水稻生殖生长期的遥感数据质量良好，图像清晰，无云雾覆盖，而多云雨地区在多数情况下无法获取水稻生殖生长阶段足够可用的光学遥感数据，因此，在多云雨地区的水稻估产很难采用该估算模式，影响了卫星遥感数据在农业中的应用。

合成孔径雷达技术拥有全天时、全天候、高分辨率和不受云层干扰的特点，同时，可根据雷达后向散射原理，以及水稻生长周期内稻田水浸特性差异导致的地表后向散射系数的变化，可通过多时相SAR图像来区分水稻种植时间，从而消除因种植时间差异导致的影响，利用SAR在我多云雨地区进行水稻估产拥有无可比拟的优势，但是，由于SAR图像分类提取水稻种植面积的精度较差，也会导致估产结果精度出现较大的偏差，因此，不管是单一的光学遥感数据估产还是SAR估产，均无法满足某些行业或农业应用的高精度要求。

发明内容

本发明的目的在于：针对目前单一的光学遥感数据估产还是SAR估产，均无法满足某些行业或农业应用的高精度要求的问题，提供了面向多云雨地区的基于多载荷遥感图像的水稻估产方法，解决了上述问题。

本发明的技术方案如下：

面向多云雨地区的基于多载荷遥感图像的水稻估产方法，包括以下步骤：

步骤一：针对某水稻种植区利用光学遥感卫星和合成孔径雷达遥感卫星对某工作区进行监测，获取若干监测影像，并对各图像分别进行预处理；并制作种植区高分辨率正射底图；

步骤二：基于工作区高分辨率光学遥感正射底图，利用GIS技术提取工作区水稻种植面积，并将相关信息储存在属性表中；