[发明专利]基于遥感植被冠层水分指数的灌溉农田识别方法

说明书

本发明公开了一种基于遥感植被冠层水分指数的灌溉农田识别方法，具体是基于农田和附近森林的遥感植被冠层水分指数差值与平均年降水量之间的回归关系的灌溉识别方法。由于降水的作用，使得每个区域的灌溉阈值随着平均年降水量的增大而减小。因此，灌溉阈值的确定可以在空间上实现滑动取值，即在平均年降水量越大的地方灌溉阈值越小，平均年降水量越小的地方灌溉阈值越大。通过设计线性回归方程，充分利用灌溉农田像元与附近森林像元的水分指数的差值，与平均年降水量之间的线性回归关系，可以实现灌溉阈值在空间上的变化，从而实现灌溉农田的识别。该方法具有不依赖于先验知识、鲁棒性好、分类精度高、识别能力强等特点。

技术领域

本发明涉及农业遥感技术领域，更具体地，涉及一种基于农田和附近森林的遥感植被冠层水分指数差值与年降水量之间的回归关系的灌溉识别方法。

背景技术

灌溉作物精确的空间分布信息是保证粮食安全的重要依据，对农业产业结构的调整以及粮食产量的估算至关重要。特别是在干旱地区，灌溉是作物生产的重要条件。在中国，仅占总耕地40％的灌溉耕地，生产了占全国的74％的粮食。因此，开发一种快速准确监测灌溉分布的方法，对农情监测具有重要的意义。高精度的光学遥感和合成孔径雷达由于受数据可获得性及计算能力的限制，很难应用于大范围的灌溉面积制图。目前，区域或国家尺度灌溉面积制图大都采用中等分辨率的遥感数据，这些数据具有较高的时间分辨率并且数据比较容易获取。

目前，灌溉识别制图已经开展了大量的工作。对灌区和非灌区进行分类的方法主要有三种。(1)联合国粮食及农业组织开发的水资源调查(FAO)，利用统计数据绘制了灌区的全球分布图，但是统计数据通常基于县/区域信息(甚至更粗的信息)，且数据来自不同的年份。因此，调查数据不能准确、及时地反映灌区和非灌区的空间分布；(2)美国地质调查局(USGS)和国际水资源管理研究所(IWMI)利用非监督分类的方法对全球灌溉和雨养地区进行了分类，绘制出全球土地覆盖类型图(GLCC)和全球灌溉分布图(GIMA)。该方法在局部信息稀疏的情况下任然能使用；但这个方法很难控制覆盖类型的数量。另外，分类组合的覆盖类型，受主观因素的影响；(3)Ozdogan和Gutman(2008)使用决策树监督分类的方法绘制出了美国灌区和非灌区的地图，其优点是易于对训练样本进行控制，但其分类的准确率通常受到训练样本的显著影响。因此，如何简易高效准确的识别灌溉分布成为一个亟待解决的问题。

发明内容

本发明所要解决的技术问题是克服现有灌溉识别制图中的缺陷和不足，提供一种基于遥感植被冠层水分指数与平均年降水之间的回归关系的灌溉识别方法。所述方法不依赖于田间观测，鲁棒性好分类精度高；可进一步提高对不同年降水量地区的灌溉识别度，提高中等分辨率遥感数据的灌溉识别能力。本发明尤其适用于大区域范围的灌溉农田识别。

本发明的目的是提供一种基于遥感植被冠层水分指数的灌溉农田识别方法。

本发明的上述目的是通过以下技术方案给予实现的：

一种基于遥感植被冠层水分指数的灌溉农田识别方法，包括如下步骤：

S1.采集待研究区的遥感数据和气象数据，获得研究区内各农田像元水分指数(LSWI)、植被指数(NDVI)、年降水量时序数据集；

S2.根据S1获得的水分指数、植被指数，得到各农田像元生长季内水分指数(lswiMean)、植被指数的平均值(ndviMean)；

S3.根据土地覆盖图找到研究区各农田像元附近与之植被指数相等的森林像元，并确定农田像元与森林像元两者水分指数平均值的差值，形成一张差值图；

S4.根据现有统计资料中研究区内灌溉面积，对上述S3中得到的研究区内的所有像元的差值进行排序，确定研究区的水分指数差值排序与其灌溉面积对应的卡值，即灌溉阈值；

S5.根据S4获得的灌溉阈值，确定研究区所有的灌溉阈值与该研究区对应的年降水量之间的回归关系；