[发明专利]基于植被指数时序谱特征的大豆种植区提取方法和系统

说明书

本发明提出基于植被指数时序谱特征的大豆种植区提取方法和系统。方法包括：通过构建中高时空分辨率的时间序列植被指数，利用线性谐波模型提取研究区植被指数时序谱特征。其次，基于关键生育期遥感原始影像波段反射率，通过百分位数、最大值、最小值、平均值、标准差方法提取光谱特征。另外，利用航天飞机雷达地形测绘任务数字高程数据提取地形特征。借助随机森林分类模型，分析整个生育期时序谱特征、关键生育期光谱特征及地形特征对大豆识别精度的差异，探究不同类别特征的最优组合，实现大豆种植区高精度提取。本申请提出的方案提供了大区域尺度大豆种植区快速准确的识别方法，为大豆面积、产量、病虫害监测等提供科学依据。

技术领域

本发明属于遥感影像处理技术领域，尤其涉及基于植被指数时序谱特征的大豆种植区提取方法和系统。

背景技术

目前大豆种植区提取方法主要基于中高空间分辨率的遥感图像分类方法和基于中低空间分辨率的时序数据提取方法，其中基于中高空间分辨率的遥感图像分类方法一般选择几景影像，会因为缺少对时序特征的充分利用而限制分类精度。而基于中低空间分辨率时序数据的提取方法又因较低空间分辨率产生的混合像元问题而影响提取精度。随着大量中高分辨率的遥感卫星发射升空，使得利用中高空间分辨率高频度时序数据成为可能。例如，Sentinel-2A/B卫星的空间分辨率为10米(蓝色、绿色、红色和近红外波段)和20米(红边1、红边2、红边3、红色边缘4、短波红外1和短波红外2波段)，它的一颗卫星的重访周期为10天，两颗互补，重访周期为5天，相对较短的重访周期可以提供作物更详细物候信息。此外，红边范围含有三个波段，这可能有助于区分形态相似作物类型之间的细微差异。因此，亟需充分挖掘中高空间分辨率高频度时序数据优势，构建大豆种植区高精度提取方法。

专利：一种大豆生长季空间分布图的生成方法和系统，大豆生长季的影像的提取和预处理；随机森林分类模型的构建与训练；时间窗口的设置；特征子集的选择；大豆生长季空间分布图的获得。本申请构造大豆生长季内Sentinel-2光谱波段的时间序列合成影像，然后结合随机森林分类模型探究大豆最早识别的时间窗口，其次通过评估时间窗口内所有特征的重要性进一步筛选特征子集，最终绘制出大豆空间分布图。

发明内容

为解决上述技术问题，本发明提出基于植被指数时序谱特征的大豆种植区提取方法和系统的技术方案，以解决上述技术问题。

本发明第一方面公开了一种基于植被指数时序谱特征的大豆种植区提取方法，所述方法包括：

步骤S1、遥感数据预处理：对Sentinel-2卫星影像进行预处理，并进行耕地掩膜；

步骤S2、特征提取：提取大豆整个生育期内掩膜后的Sentinel-2影像增强型植被指数时序谱特征，简称时序谱特征；提取大豆关键生育期内掩膜后的Sentinel-2影像波段反射率特征，简称光谱特征；提取海拔及坡度特征，简称地形特征，并利用耕地数据对所述时序谱特征、光谱特征和地形特征分别进行掩膜；

步骤S3、分类模型的构建与训练：构建分类模型并通过训练设置参数；

步骤S4、以所述时序谱特征为主，将所述时序谱特征、光谱特征和地形特征进行组合得到待选特征组合，得到待选特征组合；将所述待选特征组合输入分类模型，计算待选特征组合的分类精度，根据分类精度得到最优特征组合；

步骤S5、大豆种植区提取及精度评价：将最优特征组合输入随机森林分类模型提取大豆种植区分布图并进行精度评价。

根据本发明第一方面的方法在所述步骤S2中，所述提取大豆整个生育期内掩膜后的Sentinel-2影像增强型植被指数时序谱特征的方法包括：

利用线性谐波模型提取大豆整个生育期内掩膜后的Sentinel-2影像增强型植被指数时序谱特征；

所述线性谐波模型的公式为：