[发明专利]基于时序遥感影像的多季农作物自动识别方法

说明书

技术领域

本发明涉及遥感影像信息处理技术领域，特别是一种基于时序遥感影像的多季农作物自动识别方法。

背景技术

农业是国民经济的基础，而农作物作为农业的基础，在保障粮食安全与社会稳定中具有举足轻重的地位。目前我国粮食生产面临的形势是：一方面，根据中国人口多、耕地少的特点，因地制宜地提高复种指数，是扩大作物播种面积，挖掘耕地利用潜力和提高农作物总产量的有效途径；另一方面，在当前农村劳动力不断转移到城市，农民种粮积极性不高的大背景下，提高耕地复种指数，面临越来越多的现实性困难。因此如何制定与落实各项惠农政策，调动农民种粮的积极性，成为当务之急。由于单季和多季（包括两季、三季）粮食作物的补贴与优惠政策不同，如何快速准确地获取全国各个地区每块耕地上的耕地复种指数，成为农业遥感应用面临的重要课题。目前获取耕地复种指数的主要途径为土地调查与农业统计，这种传统的调查方式费时费力，而且数据的时效性与精度均难以满足精准农业的要求。当前，MODIS等卫星遥感系统能够提供覆盖全球的每日重复的遥感影像数据，为监测地表覆盖变化特征提供了详实的数据基础。如何充分利用遥感影像的时序信息，有效地提取耕地复种指数信息，是一项十分重要的工作。目前通过遥感技术进行年内耕地复种指数监测的技术方法仍不成熟，正处在发展阶段，需要开展更深入的研究工作。迄今为止，所提出的方法中均基于以下思想：利用MODIS EVI/NDVI 或SPOT VGT时序数据集，建立基于原始数据的年内变化图谱，然后通过检测植被指数的年内动态变化，特别是峰谷值的个数，来确定耕地复种指数。这些方法的优点在于它们充分利用单季、多季或多季作物分别具有单个、两个或者多个生长期，从而能从象征其生长状态的植被指数中找到对应具有各自不同的生长峰的特点，因此具有一定的合理性。但其缺点也显而易见，体现在以下几个方面：(1) 基于MODIS或SPOT遥感平台的植被指数数据集均在一定程度上受到噪声的影响，导致此类方法所检测到的峰、谷值很可能并不是植被生长或枯萎所引起的；(2) 由于不同农作物的生长特点以及冬季杂草等其他非农作物的影响，小的生长峰和农作物并非一一对应，如冬小麦存在“一小、一大”两个生长峰，中国南方地区比较温暖潮湿，即使在冬季农闲时也普遍长草；(3) 研究方法比较简单，鲁棒性不够，很容易受到以上原因带来的非农作物生长峰干扰引起的局部最小或局部最大值的影响。因此，非常需要引入一种新型多季农作物自动识别方法。

发明内容

本发明的目的在于提供一种基于时序遥感影像的多季农作物自动识别方法，该方法不需要依赖先验知识，鲁棒性好，分类精度高，自动化程度高。

为实现上述目的，本发明的技术方案是：一种基于时序遥感影像的多季农作物自动识别方法，该方法基于时序遥感影像，利用连续小波变换，获取研究区域每个像元的小波系数谱，并从中提取可以表征研究区域每个像元植被变化特征的年内变化特征图谱，进一步从所述年内变化特征图谱中提取用于区分植被相对偏好时期与植被相对偏差时期的特征线，逐尺度计算特征线确定的区域范围内的特征点数构成特征点变量，而后依据已知的多季农作物特征点变量在不同尺度区间内的值域分布特征，进行多季农作物识别。

所述基于时序遥感影像的多季农作物自动识别方法，进一步包括以下步骤：

（1）基于一定时间步长为间隔的年内时序变化系列遥感影像数据集，如某个年份8天最大化合成的MODIS EVI时间序列数据集，通过一定的方法，如线性插值方法，建立研究区域每个像元以日为时间步长的年内时序变化原始图谱，同时，为了消除小波边沿效应的影响，通过复制的方法将其扩展为3年的3年期时序变化原始图谱，以此作为多季农作物自动识别的基础；

（2）基于墨西哥帽母小波，对每个像元的3年期时序变化原始图谱进行连续小波变换，获得小波系数谱，体现为一幅横纵坐标分别为时间维与尺度维的二维图谱，从时间与尺度两个维度刻画农作物年内变化信息；在所述小波系数谱中，数值为正的区域表示该区域处于植被相对偏好时期，数值为负的区域表示该区域处于植被相对偏差时期，正负相邻的区域表示开始发生突变的区域；

（3）截取中间年份小波系数谱，将小波系数正负相邻的区域赋值为1，其他区域赋值为0，从而建立表征研究区域每个像元植被变化特征的年内变化特征图谱；