[发明专利]基于遥感大数据的大棚房识别方法及系统

权利要求书

1.一种基于遥感大数据的大棚房识别方法，其特征在于，包括：

获取目标区域的土地利用信息图、交通信息和行政区图，并基于所述土地利用信息图、所述交通信息和所述行政区图，确定监测大棚房的重要区域，所述重要区域为目标区域内大棚房存在的区域；

获取所述重要区域内疑似大棚房产生前历史多年相同作物生长期的遥感影像，并基于所述遥感影像初步确定所述重要区域的类别，所述重要区域的类别包括：上覆膜的大棚房区域或者占用耕地的其他地物区域；

用初步确定出类别的所述重要区域替换所述土地利用信息图中相同位置处的地物，得到更新后的所述土地利用信息图；

生成格网，并将所述格网叠加至更新后的所述土地利用信息图中，对于所述格网中的每一网格，若判断获知所述网格中同时存在道路像元、空地像元和上覆膜的大棚房像元，则确定所述网格为所述大棚房区域对应的网格；

其中，上覆膜的大棚房像元为初步确定的所述大棚房区域对应的像元；

所述基于所述遥感影像初步确定所述重要区域的类别，具体包括：

基于所述遥感影像，计算所述遥感影像内每一像元对应的历史多年相同作物生长期的第一农田动态指数、所述地物的第一动态指数、第一归一化植被指数均值、第一大棚指数均值；

若判断获知所述第一农田动态指数大于等于第二预设阈值、所述第一归一化植被指数均值小于等于第三预设阈值、所述第一动态指数大于等于第四预设阈值且所述第一大棚指数均值小于等于第五预设阈值，则确定对应的像元为改变耕地属性的像元；

对于改变耕地属性的每一像元，基于所述遥感影像，计算所述像元对应的相同作物生长期内的第二农田动态指数、所述地物的第二动态指数、第二归一化植被指数均值、第二大棚指数均值；若判断获知所述第二农田动态指数大于等于第六预设阈值、所述第二归一化植被指数均值小于等于第七预设阈值、所述第二动态指数大于等于第八预设阈值且所述大棚指数均值小于等于第九预设阈值，则确定所述像元为所述大棚房区域对应的像元；否则，所述像元为所述其他地物区域对应的像元；

所述基于所述遥感影像，计算所述遥感影像内每一像元对应的历史多年相同作物生长期的第一农田动态指数、所述地物的第一动态指数、第一归一化植被指数均值、第一大棚指数均值的公式为：

其中，ADI_b为像元b对应的历史Y年相同作物生长期的第一农田动态指数，NDVI_by为像元b对应的第y年的归一化植被指数，为像元b的第一归一化植被指数均值；R_nir为近红外波段的反射率，R_r为红光波段的反射率；DDI_b为像元b对应的历史Y年相同作物生长期的疑似大棚房的地物的第一动态指数，DPI_by为像元b对应的第y年的大棚指数，为像元b的第一大棚指数均值；R_c为覆膜敏感波段c的反射率，C为覆膜敏感波段的数量，R_r为红光波段的反射率；

所述对于改变耕地属性的每一像元，基于所述遥感影像，计算所述像元对应的相同作物生长期内的第二农田动态指数、所述地物的第二动态指数、第二归一化植被指数均值、第二大棚指数均值的公式为：

其中，SDI_e为像元e对应的相同作物生长期内的第二农田动态指数，NDVI_eq为像元e对应的相同作物生长期内时间节点q的归一化植被指数，为像元e对应的相同作物生长期内的第二归一化植被指数均值；SDPI_e为像元e对应的相同作物生长期内疑似大棚房的地物的第二动态指数，DPI_eq为像元e对应的相同作物生长期内时间节点q的大棚指数，为像元e的第二大棚指数均值。

2.根据权利要求1所述的基于遥感大数据的大棚房识别方法，其特征在于，还包括：

若判断获知所述网格中存在道路像元、空地像元和其他地物像元，则确定所述网格为所述其他地物区域对应的网格；

其中，所述其他地物像元为初步确定的所述其他地物区域对应的像元。