一种基于ndvi时间序列曲线积分的冬小麦提取方法
【技术领域】
[0001] 本发明是一项冬小麦遥感识别技术，提出了一种基于NDVI时间序列曲线积分的 冬小麦提取方法，充分利用冬小麦生长周期内的NDVI时间序列与其它农作物的显著差异， 实现了冬小麦的高精度提取。
【背景技术】
[0002] 小麦是我国的主要粮食之一，小麦的产量直接关系到国家粮食安全和社会稳定。 小麦分为冬小麦和春小麦，我国W种植冬小麦为主。及时准确地提取冬小麦种植信息是获 取冬小麦种植面积和进行产量预测的基础。随着遥感平台的不断发展及影像分辨率不断提 高，遥感技术在小麦监测领域中得到了广泛的应用，如小麦种植面积监测、长势监测和产量 估算等。
[0003] 我国农作物类型复杂多样，如何利用遥感技术手段从众多的作物中将冬小麦识别 出来，研究人员已经开展了大量的研究工作。由于许多作物的光谱特征具有相似性，利用单 一时相遥感影像数据进行冬小麦的识别经常会出现错判、漏判的现象。近年来，归一化植被 指数（Normalized Difference Vegetation Index, NDVI )时间序列数据已成为研究的 热点，能够精确地反映植被物候信息，有效削弱"同物异谱，同谱异物"现象，逐渐应用于冬 小麦的识别。目前较为流行的方法是基于M0DIS、N0AA/AVHRR的NDVI时间序列数据，但由 于影像空间分辨率较低加之我国农作物种植类别复杂多样、地块较为破碎，仅有极少的像 元是由单一地物所组成，冬小麦识别精度有限。
[0004] 随着我国高分辨率卫星的陆续发射（ZY-3、GF-1、GF-2等)，为高分辨率NDVI时间 序列的构建提供了可能。其中GF-1卫星搭载的宽覆盖相机（Wide Field of View, WFV) 具备16米空间分辨率及4天重访周期的影像获取能力，只需利用单一数据源就能构建高空 间分辨率NDVI时间序列。本专利提出了一种基于NDVI时间序列曲线积分的冬小麦提取方 法，流程简单实用且效果显著。
【发明内容】
[0005] 本专利提出了一种基于NDVI时间序列曲线积分的冬小麦提取方法，充分利用冬 小麦区别于其它作物的特有物候特征，基于冬小麦生长周期内的NDVI时间序列，通过曲线 积分方法实现了冬小麦的高精度提取。该算法包括如下步骤： 步骤1)获取冬小麦生长周期内的GF-1卫星搭载的宽覆盖相机（Wide Field of View, WFV)数据，并构建NDVI时间序列； 步骤2)利用历史数据获取试验区耕地分布信息并进行掩膜处理，得到试验区的耕地分 布； 步骤3)通过历史数据或实地调查，获取冬小麦样本数据； 步骤4)基于冬小麦样本，获取相应的像元的NDVI时间序列曲线，采用曲线积分方法 对NDVI时间序列曲线在W天为单位的时间轴求积分，获取每个样本像元的积分值，并对所 有样本像元的积分值进行统计分析得到最小值，作为冬小麦提取的阔值，其中，像元的NDVI 时间序列表示为J.…（I-vM;，t;为时间序列的起点，即= 0为t,时刻对应 的NDVI，为时间序列中第二景影像获取的日期与第一景影像获取的日期相隔的天数，"2 为时刻对应的NDVI，W下W此类推，按照公式每=二玄杆任*1 -的口计算 得到每个样本像元的积分值J ; 步骤5)利用步骤2)得到的掩膜图，采用曲线积分方法对各个像元的NDVI时间序列曲 线求积分，当积分值在阔值区间时，则判定该像元为冬小麦，遍历整个试验区，最后形成冬 小麦分布图。
[0006] 进一步地，所述步骤1)中冬小麦的生长周期为11月上旬至次年6月下旬，确保每 个月有一期GF-1 WFV数据，NDVI时间序列构建前需要对数据经过福射定标、大气校正、几 何校正等处理，然后利用红光波段与近红外波段计算得到NDVI，最后形成NDVI时间序列。
[0007] 进一步地，所述步骤2)中的历史数据为国家基础地理信息中屯、制作的全球30米 地表覆盖数据。
[0008] 进一步地，所述步骤4)中，冬小麦样本数据具有代表性，即样本像元的NDVI时间 序列曲线的积分值的动态范围能够代表整个试验区冬小麦NDVI时间序列曲线的积分值的 动态范围。
[0009] 本发明的优点：本发明采用单一数据源构建了高空间分辨率NDVI时间序列，NDVI 时间序列覆盖冬小麦生长周期，充分利用了冬小麦在生长周期内NDVI时间序列与其它农 作物的差异显著的特征，通过曲线积分方法达到了较高的提取精度；同时利用样本数据完 成了阔值的自动获取，有助于实现冬小麦的自动提取。
【附图说明】
[0010] 图1为2013年11月末到2014年6月末试验区作物的NDVI时间序列曲线。
[0011] 图2为冬小麦NDVI时间序列曲线积分示意图，图中阴影部分的面积为积分值。
[0012] 图3为试验区冬小麦提取结果图。
【具体实施方式】
[0013] 下面结合实例对本发明作进一步说明。
[0014] 步骤1);获取冬小麦生长周期内的GF-1 WFV数据，并构建NDVI时间序列；本发明 W河北省唐山市南部为试验区，获取了从2013年11月至2014年6月覆盖冬小麦完整生长 周期的GF-1 WFV数据共9景(见表1)，经过福射定标、大气校正、几何校正等处理后，提取 NDVI并构建NDVI时间序列，W实现对作物生长发育关键时期的连续观测。其中NDVI是利 用GF-1 WFV数据的红光波段与近红外波段，通过公式（1)计算得到。
[0015] NDVI= '此-3 -，如 / {斯3 + 妇己； (1) 式中；.％:3为近红外波段反射率，.35为红光波段反射率。
[001引表1 GF-1WFV影像 从试验区农作物的NDVI曲线图（图1)可W看出，冬小麦的NDVI曲线整体相对较高，也 就是说冬小麦的NDVI曲线图随时间的积分值（图2阴影部分的面积)相对其它作物较大，本 专利充分利用了该一特征，实现了冬小麦的高精度识别。
[0017] 步骤2);根据实地考察并结合国家基础地理信息中屯、牵头制作的全球30米地表 覆盖数据（GlobeLand30)，获取试验区耕地分布信息并进行掩膜处理，得到试验区的耕地分 布。
[0018] 步骤3);通过实地调查在试验区获取了 112个冬小麦样本数据，样本数据在试验 区尽可能均匀分布。
[0019] 步骤4);冬小麦提取阔值的确定。基于冬小麦样本，获取相应像元的NDVI时间序 列曲线。本专利中像元的NDVI时间序列表示为Rr,.rJ.(r:.r:).…，其中r为时间 天为单位)，c~为时间序列的起点，即r_= 0, 为^^寸刻对应的NDVI，^;为时间序列中第二景 影像获取的日期与第一景影像获取的日期相隔的天数，为时刻对应的NDVI，W下W此 类推。按照公式（2)计算得到每个样本像元的积分值，并对所有样本像元的积分值进行统 计分析得到最小值二巧，作为小麦提取的阔值。
[0020]
(2) 步骤五；冬小麦的提取。对耕地分布区域内各个像元按照公式（2)计算得到NDVI时间 序列曲线的积分值，然后按照公式（3)判定该像元是否为冬小麦，遍历整个试验区，最后形 成冬小麦分布图（图3)。本次试验的冬小麦的识别精度为91. 8%。
[00引]
做。
【主权项】
1. 一种基于NDVI时间序列曲线积分的冬小麦提取方法，其特征在于，该方 法包括以下步骤：步骤1)获取冬小麦生长周期内的GF-1卫星搭载的宽覆盖相 机（WideFieldofView,WFV)数据，并构建NDVI时间序列；步骤2)利用历史数 据获取试验区耕地分布信息并进行掩膜处理，得到试验区的耕地分布；步骤3)通 过历史数据或实地调查，获取冬小麦样本数据；步骤4)基于冬小麦样本，获取相应 的像元的NDVI时间序列曲线，采用曲线积分方法对NDVI时间序列曲线在以天为单 位的时间轴求积分，获取每个样本像元的积分值，并对所有样本像元的积分值进行 统计分析得到最小值，作为冬小麦提取的阈值，其中，像元的NDVI时间序列表示为 [(1Vt2),…（IVtg)]，q为时间序列的起点，即= 0，R为L时亥IJ对应的NDVI，为时间 序列中第二景影像获取的日期与第一景影像获取的日期相隔的天数，h为时刻对应的 NDVI，以下以此类推，按照公式』-t;)/2计算得到每个样本像 元的积分值4 ;步骤5)利用步骤2)得到的掩膜图，采用曲线积分方法对各个像元的NDVI时 间序列曲线求积分，当积分值在阈值区间时，则判定该像元为冬小麦，遍历整个试验区，最 后形成冬小麦分布图。2. 根据权利要求1所述的一种基于NDVI时间序列曲线积分的冬小麦提取方法，其特征 在于，所述冬小麦生长周期为11月上旬至次年6月下旬。3. 根据权利要求1所述的一种基于NDVI时间序列曲线积分的冬小麦提取方法，其特征 在于，所述冬小麦样本数据为冬小麦的几何位置信息，且在试验区相对均匀分布，具有代表 性。4. 根据权利要求1所述的一种基于NDVI时间序列曲线积分的冬小麦提取方法，其特征 在于，所述历史数据为国家基础地理信息中心制作的全球30米地表覆盖数据。
【专利摘要】本发明公开了一种基于NDVI时间序列曲线积分的冬小麦提取方法，本发明基于GF-1卫星搭载的宽覆盖相机(Wide Field of View, WFV)，采用覆盖冬小麦生长周期NDVI时间序列，充分利用冬小麦生长周期内NDVI曲线相对较高，也就是说冬小麦的NDVI曲线图随时间的积分值相对其它作物较大的特征，基于曲线积分方法实现了冬小麦的高精度自动识别，操作流程简单、效果显著。
【IPC分类】G06K9/00
【公开号】CN104951772
【申请号】CN201510401405
【发明人】占玉林, 杨闫君, 顾行发, 余涛, 孟庆岩, 牛铮
【申请人】中国科学院遥感与数字地球研究所
【公开日】2015年9月30日
【申请日】2015年7月10日