本发明涉及面向对象分割和中等分辨率遥感影像的精准农业管理分区的方法，属于农业管理分区
技术领域：
：。
背景技术：
：：农业一直以来是关系国民经济和国家发展的关键性问题，近年来，随着粮食产量的不断提升，农用化肥的研发、销售、施用也在不断加强，与此同时突显出的问题也越来越多，化肥的过量施用便是最突出的问题之一。过量施肥不仅造成肥料资源的浪费，更是对农业生态造成了大量的面源污染，降低了农业的经济效益，甚至降低农作物的生产品质。因此，科学合理有效的提高肥料利用率，对农业生态、农业经济的发展都具有重大而现实的意义。精准管理分区便是提高肥料利用率最有效的方法之一。精准管理分区是根据产量的各种限制因素的相似性与差异性把一个田块分割成不同的子田块来指导田间变量管理，是精准农业发展的基础；有利于提高农业生产资料的利用率，节约生产成本，提高农业生产效率，保护生态环境，实现农业的可持续发展。它就是把特定的区域分成独立的小单元，使每个小单元内具有相同的特性，对不同属性的单元进行变量施肥。传统的精准管理分区大多以田间土壤网格采样为主，通过分析影响作物生产的土壤理化性质或产量数据来划分精准管理分区。田间土壤网格采样，需要消耗大量的人力、物力、财力，并且时效性差，难以大规模推广，实用性较差。技术实现要素：本发明目的是为了解决目前精准管理分区的分区方法耗时耗力并且时效性差的问题，提供了一种面向对象分割和中等分辨率遥感影像的精准农业管理分区的方法。本发明所述面向对象分割和中等分辨率遥感影像的精准农业管理分区的方法，它包括以下步骤：步骤一：采集包含待管理分区的遥感影像数据，对遥感影像数据进行正射校正和几何校正；步骤二：将步骤一中校正后的遥感影像数据进行裁剪，获得待管理分区影像数据；根据待管理分区影像数据计算植被覆盖指数ndvi；步骤三：根据植被覆盖指数ndvi对待管理分区影像数据进行多尺度分割，获得多个分割单元，每个分割单元由空间上相邻、同质性达到80％以上的像元组成，将每个分割单元作为一个分区；重复此步骤多次，获得多次分区结果；步骤四：对步骤三中多次进行多尺度分割的多次分区结果，利用最优评价指数确定最优分区尺度；步骤五：将最优分区尺度对应的分区结果作为待管理分区的最终分区结果，指导农业生产精准管理。本发明的优点：本发明应用遥感图像分割方法，将独立的像元合并成为同质的对象，分区的过程中不仅利用光谱特征，还利用了对于区分土壤养分和作物长势十分重要的纹理特征和拓扑特征，逐步得到不同分区信息。所得分区结果精度高，且具有明确的农业生产意义。本发明解决了传统精准管理分区实地采样浪费人力物力、时效性低的问题，对变量施肥施药、精准农业生产具有重要的实践和指导意义。本发明方法具有更大的优势，不需要在田间消耗大量的时间、降低了变量施肥成本，并且具有更高的时效性，适合大规模推广试验。附图说明图1是东兴农机合作社地块尺度裸土精准管理分区图；图中轮廓线为分区边界；图2是东兴农机合作社地块尺度生长期精准管理分区图；图中轮廓线为分区边界；图3是红星农场地块裸土影像图；图4是红星农场地块尺度裸土分区图；图5是采用本发明方法进行多尺度分割，每次分割尺度的评价指数和所对应的分割斑块数的折线图；图中m为评价系数，n为斑块数。具体实施方式具体实施方式一：下面结合图1至图5说明本实施方式，本实施方式所述面向对象分割和中等分辨率遥感影像的精准农业管理分区的方法，它包括以下步骤：步骤一：采集包含待管理分区的遥感影像数据，对遥感影像数据进行正射校正和几何校正；步骤二：将步骤一中校正后的遥感影像数据进行裁剪，获得待管理分区影像数据；根据待管理分区影像数据计算植被覆盖指数ndvi；步骤三：根据植被覆盖指数ndvi对待管理分区影像数据进行多尺度分割，获得多个分割单元，每个分割单元由空间上相邻、同质性达到80％以上的像元组成，将每个分割单元作为一个分区；重复此步骤多次，获得多次分区结果；步骤四：对步骤三中多次进行多尺度分割的多次分区结果，利用最优评价指数确定最优分区尺度；步骤五：将最优分区尺度对应的分区结果作为待管理分区的最终分区结果，指导农业生产精准管理。步骤四中评价指数的获得方法为：首先计算出每一次多尺度分割下的评价指数sei：式中δxl为每个分割单元的异质性指数，即待管理分区内第l个分割单元与相邻分割单元的平均差分的绝对值，σl为待管理分区内第l个分割单元的标准差；式中n为与当前分割单元相邻接分割单元的个数，li为当前分割单元与第i个相邻分割单元的公共边长，xl为当前分割单元的分割对象反射率或ndvi均值，xli为第i个分割单元的反射率或ndvi均值，l为每个分割单元的周长；式中n为待管理分区的最终分区结果内第l个分割单元的像元个数。本实施方式中采集的遥感影像数据包括landsat-8oli即tm8影像、高分一号、高分二号、spot6/7影像数据。对遥感影像数据进行裁剪利用arcgis10.1实现，植被覆盖指数ndvi用envi5.1计算提取。然后利用ecognitiondeveloper8.7将提取的ndvi进行多尺度分割，对于裸土时期影像按波段进行分割；利用最优评价指数确定最优分区尺度，尺度最优所对应的分区为最优分区。平均评价指数绘制曲线图，在平均分割评价指数开始产生明显变化的前一个指数，其所对应的分割尺度就是最优分区尺度。具体实施例：步骤一：获取研究区spot6/7影像，利用envi5.1将获取的遥感影像数据进行正射校正和几何校正；步骤二：将处理完成的影像利用arcgis10.1裁剪成将要分区地块的大小，作物生长期的影像要用envi5.1计算其ndvi；如附图3所示；步骤三：利用ecognitiondeveloper8.7将步骤二中的地块按提取的ndvi进行多尺度分割，裸土时期影像按波段进行分割，分割步骤如下所示，得到一系列分割单元，每个分割单元由空间上相邻、同质性达到80％以上的像元组成，将每个分割单元作为一个分区；1)将待分割影像或ndvi打开；2)打开process中processtree功能，选择appendnew，选择multiresolutionsegmentation；3)multiresolutionsegmentation中，采用scale定义分割对象均一性准则的最大标准差；shape定义分割对象纹理一致性；compactness利用形状准则，考虑总体紧致性，优化分割结果。确定合适的shape权重和compactness后，通过调节不同的分割尺度scale，使得分区内反射率或ndvi基本一致，分区之间的反射率或ndvi有明显的差异。4)选择exportvectorlayers输出分割结果，同时在attributetable中选择同质性standarddeviation和异质性meandiffto。5)然后利用arcgis10.1软件将分割结果加载进去，求得每一个分割单元的面积，将属性表输出。步骤四：利用最优评价指数确定最优分区尺度，尺度最优所对应的分区为最优分区。平均分割评价指数(averagesegmentationevaluationindex,asei)的计算公式为：式中，a表示所有分割单元的总面积，ai表示第i个分割单元的面积，m表示分割单元总数量，seii表示第i个分割单元的分割评价指数。步骤五：利用最优评价指数确定最优分区尺度，尺度最优所对应的分区为最优分区。将平均分割尺度绘制曲线图，在平均分割评价指数开始产生明显变化的前一个指数，其所对应的分割尺度就是最优分区尺度。将每次分割尺度的评价指数和所对应的分割斑块数制成折线图，如附图5所示，选择分区斑块数适合耕作的最优分割尺度，为图中点a。步骤六：将最优分区作为最终的精准管理分区结果，如附图4所示，指导农业生产精准管理。当前第1页12当前第1页12