[发明专利]一种云计算平台下基于多源全时相卫星影像的越冬作物种植面积识别方法

说明书

本发明公开一种云计算平台下基于多源全时相卫星影像的越冬作物种植面积识别方法，首先，融合Landsat 7/8和Sentinel‑2A/B卫星影像并进行预处理，计算NDVI、LSWI、EVI和mNDWI以对土地覆被进行分类来获得耕地掩膜，使用影像10天合成法，线性插值和Savitzky‑Golay滤波对时间序列进行重构；其次，在重构后的时间序列数据集上迭代算法，识别时间序列曲线中的峰值和低谷，利用阈值法确定越冬作物生长季节的开始日期和结束日期，计算最大生长期的生长速率和完整生长周期跨度；最后，根据越冬作物不同物候时期的物候指标，设置阈值在像素尺度上提取越冬作物种植面积。本发明实现了越冬作物种植面积遥感精准、自动识别。

技术领域

本发明属于遥感目标识别技术领域，尤其涉及一种云计算平台下基于多源全时相卫星影像的越冬作物种植面积识别方法。

背景技术

通常作物种植信息的获取方法包括农业普查法和遥感提取法。及时性是农业统计数据和相关监控系统的主要因素，传统的农业普查法时效性较差。官方耕地统计资料包含许多有关作物类型分布的信息，但耕地总面积统计以行政区为单元，不能具体到行政区内的空间分布，面积信息的准确度依赖基层上报和抽样的样本量。使用遥感数据能够基于一幅或多幅影像准确快速地提取作物种植信息，是一种非常有效的农作物监测方法。随着遥感数据的激增和遥感大数据处理方法的发展，利用遥感技术进行作物种植强度的提取逐渐成为作物种植数据统计的重要途径。以往的越冬作物种植面积识别通常基于多时相NDVI值来提取，影像时相选取至关重要，影像的质量和数量成为影像分类结果的关键，在气候恶劣，多云覆盖的区域难以精准捕获越冬作物的物候动态。

发明内容

本发明针对以往的越冬作物种植面积识别通常基于多时相NDVI值来提取，在气候恶劣，多云覆盖的区域难以精准捕获越冬作物的物候动态的问题，提出一种云计算平台下基于多源全时相卫星影像的越冬作物种植面积识别方法，通过融合多传感器所有卫星影像极大地增加了每个像素上可用的高质量影像数量，解决由于单传感器、单时相和多时相影像数据量不足造成的物候信息不完整问题；通过对土地覆被进行分类来获取耕地掩膜，减少了其他土地覆被类型对越冬作物提取的影响；通过分析越冬作物完整生长周期物候特征的方法获取作物独特生长特征，相比多时相提取法更加全面和精准。

为了实现上述目的，本发明采用以下技术方案：

一种云计算平台下基于多源全时相卫星影像的越冬作物种植面积识别方法，包括：

步骤1：基于云计算平台获取研究区在研究期内所有可使用的Landsat 7ETM+、Landsat 8OLI和Sentinel-2A/B MSI卫星影像；

步骤2：对步骤1中所述卫星影像进行预处理，包括：去云处理和波段协调，得到卫星影像数据集；

步骤3：基于所述卫星影像数据集，计算归一化植被指数NDVI、地表水分指数LSWI、增强型植被指数EVI和改进归一化差异水体指数mNDWI，基于上述四个指数对土地覆被进行分类来获得耕地掩膜；

步骤4：对NDVI和LSWI时间序列进行处理，包括：计算每10天NDVI的最大值和LSWI的平均值作为该10天的观测值；在缺失10天的观测值的地区，根据10天前、后的观测值进行线性插值；使用Savitzky-Golay滤波对NDVI时间序列进行平滑处理；

步骤5：在步骤4处理后的NDVI时间序列中迭代寻找所有峰值和低谷，包括：识别NDVI时间序列中的局部最大值为峰值、局部最小值为低谷；去除NDVI小于0.6的峰值和LSWI大于0的低谷；将获得的峰值发生的日期SDP和低谷发生的日期以月、日、年的形式储存到每个像元中；

步骤6：根据步骤4处理后的NDVI时间序列，结合步骤5中获得的低谷发生的日期计算NDVI的最大变化率，确定植被生长周期中的播种期SOS和收获期EOS；