本发明涉及地物遥感识别方法技术领域,具体地说是一种冬小麦—夏玉米种植模式遥感识别方法。
背景技术:
农业生产与工业生产不同,狭义的农业生产,生产的对象是植物,受水、光、气、热、土等5大自然环境要素的影响。不同的植物,生长发育要求的自然条件不同,因此在空间的分布上具有明显的地域差异,不同的地域,生产的结构品种和数量都不同。长期以来农民根据自然条件以及市场需求形成了相对固定的生产模式,如单作、间作、套作等,中国20世纪时,农业耕作主要以人工为主,为了更为充分地利用光能和热能,提高单位土地的产出率,普遍采取间作与套作的种植模式。进入21世纪,随着农业机械化程度的提高,育种技术的进步,以及人口城市化农村劳动力减少,农业生产单作逐渐成为主流的种植模式。
黄淮海平原属半干旱、半湿润地区,热量资源可满足喜凉、喜温作物一年两熟的要求,该区主要种植模式是冬小麦——夏玉米,即冬春季节单作冬小麦,夏秋季节单作夏玉米。冬小麦、玉米是中国重要的粮食作物,准确地获取冬小麦——夏玉米的种植区域信息对于农业资源优化配置、粮食贸易及相关政策的制定尤为重要,是保障区域和全球粮食安全的重要依据。
种植模式的调查方法主要有两种:
一种是农业生产管理部门通过常年实地调查获取,调查的结果是某一生产区域存在的种植模式种类,而未形成面积统计及确切的地理位置数据。
另一种是利用时间序列的遥感影像数据,提取复种指数及农作物种植模式。如CN201410030444-一种耕地复种指数自动提取方法、CN201210085386-一种农作物种植模式识别方法。两种方法均需要全年的遥感影像数据,提取时农作物均已收获,对于当年作物的生产管理、农产品贸易、相关政策的制定已不具备指导意义。
技术实现要素:
本发明的目的在于提供一种冬小麦—夏玉米种植模式遥感识别方法,用于解决现有的植被识别模式已不具备指导意义的问题。
本发明解决其技术问题所采取的技术方案是:一种冬小麦—夏玉米种植模式遥感识别方法,其特征是,具体包括以下过程:
1)、获取数据;
2)、数据处理;
3)、建立决策树;
4)、运行决策树,制作冬小麦—夏玉米种植模式专题图。
进一步地,所述1)中获取数据的方式具体为:
从美国航空航天局数据共享站点下载地球观测卫星系列中分辨率成像光谱仪modis 8天合成空间分辨率为250m前两波段表观反射率文件。
进一步地,所述的数据包括上一年儒历289、297、321、329,至当年儒历97、105、129、137、169、177、209和217共12组关键生育期的数据。
进一步地,所述2)中数据处理的具体步骤包括:
21)、利用遥感图像处理软件对12组数据进行albers投影转换;
22)、裁剪感兴趣区域数据;
23)、利用波谱计算工具,计算12组数据的归一化差值植被指数ndvi;
24)、计算关键生育期最大ndvi值,得到自定义变量s1、s2、s3、s4、s5、s8;
25)、利用波谱计算工具,根据s1、s2、s3、s5计算s6和s7。
进一步地,23)中植被指数ndvi具体计算方法为:
将12组数据分别带入公式ndvi=(rnir-rred)/(rnir+rred)。
进一步地,24)的具体过程为:
241)、根据最大合成法剔除云影响,获得关键生育期最大ndvi;
242)、计算自定义变量s1、s2、s3、s4、s5、s8。
进一步地,241)中所述最大合成法的具体公式为:b1*(b1ge b2)+b2*(b2gt b1),b1表示所选关键生育期前8天合成数据的nvdi值,b2表示所选生育期后8天合成数据的nvdi值;
所述s1表示10月中下旬的最大ndvi值,所需的儒历数据为289和297;
所述s2表示11月中下旬的最大ndvi值,所需儒历数据为321和329;
所述s3表示4月中上旬的最大ndvi值,所需儒历数据为97和105;
所述s4表示5月中上旬的最大ndvi值,所需儒历数据为129和137;
所述s5表示6月中下旬的最大ndvi值,所述儒历数据为169和177;
所述s8表示7月下旬至8月上旬的最大ndvi值,所需儒历数据为209和217。
进一步地,25)中s6和s7的具体计算过程为:
s6=s2-s1,s7=s3-s5;
s6表示秋种作物出苗时与播种时ndvi的差值;
s7表示秋种作物春季生长旺盛时与收获时ndvi的差值。
进一步地,3)中建立决策树的具体过程为:
31)、node1,判断“s6gt 0”,如果s6gt 0,提取10月份播种越冬的植被,包括小麦和大蒜,稻茬麦11月中下旬ndvi值小于10月中下旬水稻田的ndvi值,可排除冬小麦—水稻种植模式;
32)、node2-2,判断“s7gt 0.2”,进行夏收作物;如果s7大于0.2,则表示麦收种玉米6月中下旬玉米刚出苗;否则,则表示大蒜地块移植辣椒或棉花;
33)、node3-4,判断“s4gt 0.6”,如果s4小于0.6,则表示温室蔬菜完成一茬生长;否则,则表示冬小麦处于抽穗开花期;
34)、node4-8,判断“s8gt 0.7”,如果s8小于0.7,则表示冬小麦接茬大豆、土豆和花生;否则,则表示该地块种植为夏玉米。
进一步地,4)的具体步骤为:
利用感兴趣区矢量数据对node4-8得出的结果进行掩膜,统计得出感兴趣区该年度冬小麦—夏玉米种植模式的面积。
本发明的有益效果是:
1、现有技术通常用了全年数据,本发明所用数据量少,只用了6个关键生育期数据。
2、本发明用了两组数据的最大合成法,以及简单的大小逻辑比较,决策树清晰,计算方法简便,易于推广。
3、在夏玉米播种后,利用拔节期数据将玉米玉其他作物进行区分,提取时间早。
4、云是影响解译结果准确性的重要因素,本发明使用了8天合成数据,为了进一步降低云的影响,每一个关键生育期ndvi值,又用前后两个8天合成数据进行最大合成,在云剔除效果上要优于全年滤波变换。
5、现有方法多为直接下载16天合成的evi或ndvi植被指数产品,虽然都是为了消除云的影响,但其空间分辨率为500m*500m。8天合成数据的空间分辨率是250m*250m,进ndvi值计算,然后将两期8天合成数据进行最大合成后的空间分辨率仍为250m*250m,混合像元数降低,提取精度提高。
6、本发明根据冬小麦—夏玉米种植区的耕作制度特点而制定,除了混合像元及个别受灾地块外,拥有较高的提取精度。
附图说明
图1为本发明的步骤逻辑图;
图2为本发明数据处理的步骤逻辑图;
图3为本发明决策树的结构图;
图4为本发明实施例的冬小麦—夏玉米种植模式专题图。
具体实施方式
如图1所示,一种冬小麦—夏玉米种植模式遥感识别方法,其特征是,具体包括以下过程:
步骤1)、获取数据;
步骤2)、数初处理;
步骤3)、建立决策树;
步骤4)、运行决策树,制作冬小麦—夏玉米种植模式专题图。
步骤1)中获取数据的方式具体为:
从美国航空航天局数据共享站点ftp://ladsweb.nascom.nasa.gov/allData/5/MOD09Q1/2015/下载2015年度地球观测卫星系列中分辨率成像光谱仪modis 8天合成空间分辨率为250m前两波段表观反射率文件,包括上一年儒历289、297、321、329,至当年儒历97、105、129、137、169、177、209和217共12组关键生育期的数据。
如图2所示,数据处理的具体步骤包括:
21)、利用遥感图像处理软件对12组数据进行albers投影转换;
22)、裁剪感兴趣区域数据;
23)、利用波谱计算工具,计算12组数据的归一化差值植被指数ndvi;
24)、计算关键生育期最大ndvi值,得到自定义变量s1、s2、s3、s4、s5、s8;
25)、利用波谱计算工具,根据s1、s2、s3、s5计算s6和s7。
23)中植被指数ndvi具体计算方法为:
将12组数据分别带入公式ndvi=(rnir-rred)/(rnir+rred)。
24)的具体过程为:
241)、根据最大合成法剔除云影响,获得关键生育期最大ndvi值;
242)、计算自定义变量s1、s2、s3、s4、s5、s8。
241)中所述最大合成法的具体公式为:b1*(b1ge b2)+b2*(b2gt b1),b1表示所选关键生育期前8天合成数据的nvdi值,b2表示所选生育期后8天合成数据的nvdi值;
所述s1表示10月中下旬的最大ndvi值,所需的儒历数据为289和297;
所述s2表示11月中下旬的最大ndvi值,所需儒历数据为321和329;
所述s3表示4月中上旬的最大ndvi值,所需儒历数据为97和105;
所述s4表示5月中上旬的最大ndvi值,所需儒历数据为129和137;
所述s5表示6月中下旬的最大ndvi值,所述儒历数据为169和177;
所述s8表示7月下旬至8月上旬的最大ndvi值,所需儒历数据为209和217。
25)中s6和s7的具体计算过程为:
s6=s2-s1,s7=s3-s5;
s6表示秋种作物出苗时与播种时ndvi的差值;
s7表示秋种作物春季生长旺盛时与收获时ndvi的差值。
如图3所示,建立决策树的具体过程为:
31)、node1,判断“s6gt 0”,如果s6gt 0,提取10月份播种越冬的植被,包括小麦和大蒜,稻茬麦11月中下旬ndvi值小于10月中下旬水稻田的ndvi值,可排除冬小麦—水稻种植模式;
32)、node2-2,判断“s7gt 0.2”,进行夏收作物;如果s7大于0.2,则表示麦收种玉米6月中下旬玉米刚出苗;否则,则表示大蒜地块移植辣椒或棉花;
33)、node3-4,判断“s4gt 0.6”,如果s4小于0.6,则表示温室蔬菜完成一茬生长;否则,则表示冬小麦处于抽穗开花期;
34)、node4-8,判断“s8gt 0.7”,如果s8小于0.7,则表示冬小麦接茬大豆、土豆和花生;否则,则表示该地块种植为夏玉米。
如图4所示,利用山东省矢量数据对node4-8得出的结果进行掩膜,统计得出山东省2014-2015年度冬小麦—夏玉米种植模式的亩数共4450万亩。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。