识别农田的扩张类型的方法
【技术领域】
[0001] 本发明涉及农田变化检测领域，更具体地讲，涉及一种识别农田的扩张类型的方 法。
【背景技术】
[0002] 干旱、半干旱地区生态环境是陆地生态系统重要构成之一。近几十年来，由于农业 经济主导下的农田扩张，特别是灌溉农业的高速发展，中国干旱地区绿洲的土地覆盖发生 了显著变化。然而不容忽视的问题在于，农田的快速扩张以及由于干旱区水资源的匮乏导 致频繁弃耕和疏于管理，造成土壤盐碱化和沙漠化，对干旱地区早已脆弱的生态环境产生 灾难性的影响。因此，对干旱区农田的变化情况进行分析以规划和管理农田显得尤为紧迫 和重要。
[0003] 然而，现有的对农田的变化情况进行分析的方法无法有效地获知农田的变化类 型。
【发明内容】
[0004] 本发明的示例性实施例提供一种识别农田的扩张类型的方法。根据所述方法能够 有效地识别出农田的扩张类型。
[0005] 根据本发明的示例性实施例，提供一种识别农田的扩张类型的方法，其特征在于， 所述方法包括：(A)分别获取多个时期的农田覆盖分布图；(B)对所述多个时期中的各个 时期的农田覆盖分布图进行叠置分析，得到农田扩张轨迹图；（C)根据农田扩张轨迹图，确 定农田扩张轨迹图中发生农田扩张的每个时期的扩张部分；(D)计算农田扩张轨迹图中发 生农田扩张的每个时期的扩张部分的散布与并列指标、发生农田扩张的每个时期的扩张部 分的凝合度指标、发生农田扩张的每个时期的扩张部分的面积加权平均斑块最邻近距离指 标；(E)根据所述散布与并列指标、所述凝合度指标、所述面积加权平均斑块最邻近距离指 标来识别农田的扩张类型。
[0006] 可选地，所述农田的扩张类型包括：随机型、圈层分布型和方向指向型。
[0007] 可选地，步骤（E)中：在所述散布与并列指标均大于第一预定值、所述面积加权平 均斑块最邻近距离指标均大于第二预定值时，农田的扩张类型为随机型；在所述散布与并 列指标均小于第三预定值、所述凝合度指标均大于第四预定值、所述面积加权平均斑块最 邻近距离指标均小于第五预定值时，农田的扩张类型为圈层分布型；在发生农田扩张的第 一时期的扩张部分的散布与并列指标小于第六预定值，且后续的发生农田扩张的每个时期 的扩张部分的散布与并列指标依次逐渐增大、发生农田扩张的第一时期的扩张部分的凝合 度指标大于第七预定值，且后续的发生农田扩张的每个时期的扩张部分的凝合度指标依次 逐渐减小、所述面积加权平均斑块最邻近距离指标均大于第八预定值时，农田的扩张类型 为方向指向型。
[0008] 可选地，步骤（A)包括：(Al)分别获取多个时期的遥感影像；(A2)对所述多个时 期中的各个时期的遥感影像数据分别进行预处理；(A3)根据遥感分类方法分别对预处理 的各个时期的遥感影像中的地表物体进行分类，并提取出所述各个时期的遥感影像中的农 田覆盖部分得到各个时期的农田覆盖分布图。
[0009] 可选地，所述预处理包括：基于遥感卫星姿态参数的几何粗校正和影像对影像的 几何精校正。
[0010] 可选地，所述遥感分类方法为基于像元光谱信息分类或基于影像分割的面向对象 分类。
[0011] 可选地，步骤（B)包括：(B1)将所述多个时期中的各个时期的农田覆盖分布图中 的农田覆盖部分的像元的值设置为第一值，非农田覆盖部分的像元的值设置为第二值，得 到所述各个时期的农田覆盖分布二值图；(B2)获得像元所在的各个位置的指示值，其中， 基于所述各个时期的农田覆盖分布二值图中同一位置的像元的值获取所述同一位置的指 示值；(B3)根据各个位置的指示值分别确定相应位置的像元的值，以得到农田扩张轨迹 图。
[0012] 可选地，基于所述各个时期的农田覆盖分布二值图中同一位置的像元的值获取所 述同一位置的指示值包括：将所述各个时期的农田覆盖分布二值图中同一位置的像元的值 按预定顺序排列，并将排列得到的数转换成十进制数来作为所述同一位置的指示值。
[0013] 可选地，步骤（C)中：在农田扩张轨迹图中，同一时期的扩张部分中的像元具有相 同的值，根据像元的值来确定扩张部分发生的时期。
[0014] 可选地，步骤（D)中通过下式计算发生农田扩张的第i时期的扩张部分的散布与 并列指标IJI i:
【主权项】
1. 一种识别农田的扩张类型的方法，其特征在于，所述方法包括： (A) 分别获取多个时期的农田覆盖分布图； (B) 对所述多个时期中的各个时期的农田覆盖分布图进行叠置分析，得到农田扩张轨 迹图； (C) 根据农田扩张轨迹图，确定农田扩张轨迹图中发生农田扩张的每个时期的扩张部 分； (D) 计算农田扩张轨迹图中发生农田扩张的每个时期的扩张部分的散布与并列指标、 发生农田扩张的每个时期的扩张部分的凝合度指标、发生农田扩张的每个时期的扩张部分 的面积加权平均斑块最邻近距离指标； (E) 根据所述散布与并列指标、所述凝合度指标、所述面积加权平均斑块最邻近距离指 标来识别农田的扩张类型。
2. 根据权利要求1所述的方法，其特征在于，所述农田的扩张类型包括：随机型、圈层 分布型和方向指向型。
3. 根据权利要求2所述的方法，其特征在于，步骤（E)中： 在所述散布与并列指标均大于第一预定值、所述面积加权平均斑块最邻近距离指标均 大于第二预定值时，农田的扩张类型为随机型； 在所述散布与并列指标均小于第三预定值、所述凝合度指标均大于第四预定值、所述 面积加权平均斑块最邻近距离指标均小于第五预定值时，农田的扩张类型为圈层分布型； 在发生农田扩张的第一时期的扩张部分的散布与并列指标小于第六预定值，且后续的 发生农田扩张的每个时期的扩张部分的散布与并列指标依次逐渐增大、发生农田扩张的第 一时期的扩张部分的凝合度指标大于第七预定值，且后续的发生农田扩张的每个时期的扩 张部分的凝合度指标依次逐渐减小、所述面积加权平均斑块最邻近距离指标均大于第八预 定值时，农田的扩张类型为方向指向型。
4. 根据权利要求1所述的方法，其特征在于，步骤（A)包括： (Al)分别获取多个时期的遥感影像； (A2)对所述多个时期中的各个时期的遥感影像数据分别进行预处理； (A3)根据遥感分类方法分别对预处理的各个时期的遥感影像中的地表物体进行分类， 并提取出所述各个时期的遥感影像中的农田覆盖部分得到各个时期的农田覆盖分布图。
5. 根据权利要求4所述的方法，其特征在于，所述预处理包括：基于遥感卫星姿态参数 的几何粗校正和影像对影像的几何精校正。
6. 根据权利要求4所述的方法，其特征在于，所述遥感分类方法为基于像元光谱信息 分类或基于影像分割的面向对象分类。
7. 根据权利要求1所述的方法，其特征在于，步骤（B)包括： (BI)将所述多个时期中的各个时期的农田覆盖分布图中的农田覆盖部分的像元的值 设置为第一值，非农田覆盖部分的像元的值设置为第二值，得到所述各个时期的农田覆盖 分布二值图； (B2)获得像元所在的各个位置的指示值，其中，基于所述各个时期的农田覆盖分布二 值图中同一位置的像元的值获取所述同一位置的指示值； (B3)根据各个位置的指示值分别确定相应位置的像元的值，以得到农田扩张轨迹图。
8. 根据权利要求7所述的方法，其特征在于，基于所述各个时期的农田覆盖分布二值 图中同一位置的像元的值获取所述同一位置的指示值包括：将所述各个时期的农田覆盖分 布二值图中同一位置的像元的值按预定顺序排列，并将排列得到的数转换成十进制数来作 为所述同一位置的指示值。
9. 根据权利要求1所述的方法，其特征在于，步骤（C)中：在农田扩张轨迹图中，同一 时期的扩张部分中的像元具有相同的值，根据像元的值来确定扩张部分发生的时期。
10. 根据权利要求1所述的方法，其特征在于，步骤（D)中通过下式计算发生农田扩张 的笛i时期的扩张部分的散布与#列指标TII i: 其中，eik为农田扩张轨迹图中发生农田扩张的第i时期的扩张部分中的各个扩张块和 第k时期的扩张部分中的各个扩张块的共有边界的长度之和，m为发生农田扩张的时期的 数量； 通过下式计算发生农田扩张的第i时期的扩张部分的凝合度指标COHESIONi:
其中，Pij为农田扩张轨迹图中发生农田扩张的第i时期的扩张部分中的扩张块中的第 j个扩张块的周长，为农田扩张轨迹图中发生农田扩张的第i时期的扩张部分中的扩张 块中的第j个扩张块的面积，Z为农田扩张轨迹图中所有像元的数量，η为发生农田扩张的 第i时期的扩张部分中的扩张块的数量； 通过下式计算发生农田扩张的第i时期的扩张部分的面积加权平均斑块最邻近距离 指标 ENN_AMi:
其中，Ilij为农田扩张轨迹图中发生农田扩张的第i时期的扩张部分中的扩张块中的第 j个扩张块与同一时期的扩张部分中的其他扩张块之间的最小的欧氏距离， 其中，任意一个扩张部分包括至少一个扩张块。
【专利摘要】本发明提供一种识别农田的扩张类型的方法，所述方法包括：分别获取多个时期的农田覆盖分布图；对所述多个时期中的各个时期的农田覆盖分布图进行叠置分析，得到农田扩张轨迹图；根据农田扩张轨迹图，确定农田扩张轨迹图中发生农田扩张的每个时期的扩张部分；计算农田扩张轨迹图中发生农田扩张的每个时期的扩张部分的散布与并列指标、凝合度指标、面积加权平均斑块最邻近距离指标；根据所述散布与并列指标、凝合度指标、面积加权平均斑块最邻近距离指标来识别农田的扩张类型。根据本发明的示例性实施例的方法能够有效地识别出农田的扩张类型。
【IPC分类】G06K9-62, G06K9-00
【公开号】CN104680153
【申请号】CN201510111750
【发明人】孙博, 周启鸣
【申请人】中国科学院深圳先进技术研究院
【公开日】2015年6月3日
【申请日】2015年3月13日