一种烟田遥感数据的分类提取方法
【技术领域】
[0001 ]本发明涉及烟田地理信息分析方法领域，更具体地，涉及一种烟田遥感数据的分类提取方法。
【背景技术】
[0002]目前，烟田遥感分类提取注重在中高分辨率的遥感影像尺度上进行研究。农田遥感提取主要有如下2种方法:I)人工目视解译;2)计算机自动分类提取。前者烟田提取精度较高，但工作周期长、成本高;后者地类信息提取速度较快、成本较低，但在地表覆盖类型复杂和人为活动影响较大的地区，自动分类提取的结果仍存在较多漏分和误分。另外，在生长盛期地表植被具有近似的卫星影像像元DN数值，相差不大的地物影像纹理特征，复杂的土地覆被类型;这些加大了烟田区水田和旱地的遥感分类提取难度。
【发明内容】
[0003]本发明提供一种烟田遥感数据的分类提取方法，来实现烟田遥感自动分类提取。
[0004]为了达到上述技术效果，本发明的技术方案如下:
[0005]—种烟田遥感数据的分类提取方法，包括以下步骤:
[0006]SI:收集监控烟田区域的陆地卫星月值数据集；
[0007]S2:对月值数据集进行波段运算得到植被指数、水体指数和修正土壤调整指数的序列数据；
[0008]S3:对序列数据进行均方差、半方差和均值运算构建多维特征空间分类数据集；
[0009]S4:利用分类算法对多维特征空间分类数据集进行处理将烟田遥感数据进行分类。
[0010]进一步地，所述步骤S4中利用的分类算法是支持向量机算法。
[0011]进一步地，步骤S3中依据计算植被指数半方差达到最大值时的峰值点位置，来提取烟田地物连续变化的特征信息。
[0012]进一步地，步骤S3中计算植被指数均值的局部方差，获取局部方差曲线的峰值点位置，来提取烟田地物的空间格局信息。
[0013]进一步地，通过一个ηX η的移动窗口计算窗口内影像植被指数值的标准差的均值，依据形成局部方差曲线的峰值点位置，来获取地物的空间格局信息。
[0014]进一步地，利用多波段扫描影像的绿光波段和近红外波段的比值构建归一化差异水体指数来表示该比值与实际土壤中含水量的相关关系。
[0015]与现有技术相比，本发明技术方案的有益效果是:
[0016]本发明基于陆地资源卫星的月值数据集，通过波段运算得到植被指数(normalized difference vegetat1n index，NDVI)、7K 体指数 NDWI (normal izeddifference water index，NDWI)和修正土壤调整指数(modif i ed soil adjustedvegetat1n index，MSAVI)的序列数据，进行均方差、半方差和均值等数学方法运算，得到具有明确物理意义和物候信息的指标因子，构建多维特征空间分类数据集，运行支持向量机算法(SVM)自动分类提取研究区内水田和旱地农田类型，本发明对该区域农业资源合理利用具有一定的实践意义，同时为有关行政部门制定该区未来农业发展的政策与规划提供一定的参考依据。
【附图说明】
[0017]图1为本发明的流程图。
【具体实施方式】
[0018]附图仅用于示例性说明，不能理解为对本专利的限制；
[0019]为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
[0020]对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
[0021]下面结合附图和实施例对本发明的技术方案做进一步的说明。
[0022]实施例1
[0023]如图1所示，一种烟田遥感数据的分类提取方法，包括以下步骤:
[0024]SI:收集监控烟田区域的陆地卫星月值数据集；
[0025]S2:对月值数据集进行波段运算得到植被指数、水体指数和修正土壤调整指数的序列数据；
[0026]S3:对序列数据进行均方差、半方差和均值运算构建多维特征空间分类数据集；
[0027]S4:利用分类算法对多维特征空间分类数据集进行处理将烟田遥感数据进行分类。
[0028]本实施例中，步骤S4中利用的分类算法是支持向量机算法;步骤S3中依据计算植被指数半方差达到最大值时的峰值点位置，来提取烟田地物连续变化的特征信息；步骤S3中计算植被指数均值的局部方差，获取局部方差曲线的峰值点位置，来提取烟田地物的空间格局信息。
[0029]本实施例中，通过一个nXn的移动窗口计算窗口内影像植被指数值的标准差的均值，依据形成局部方差曲线的峰值点位置，来获取地物的空间格局信息;利用多波段扫描影像的绿光波段和近红外波段的比值构建归一化差异水体指数来表示该比值与实际土壤中含水量的相关关系。
[0030]基于陆地资源卫星的月值数据集(Landset数据)，通过波段运算得到植被指数(normalized difference vegetat1n index，NDVI)、7K 体指数 NDWI (normal izeddifference water index，NDWI)和修正土壤调整指数(modif i ed soil adjustedvegetat1n index，MSAVI)的序列数据，进行均方差、半方差和均值等数学方法运算，得到具有明确物理意义和物候信息的指标因子，构建多维特征空间分类数据集，运行支持向量机算法(SVM)自动分类提取研究区内水田和旱地农田类型，本发明对该区域农业资源合理利用具有一定的实践意义，同时为有关行政部门制定该区未来农业发展的政策与规划提供一定的参考依据。
[0031]相同或相似的标号对应相同或相似的部件；
[0032]附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；
[0033]显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
【主权项】
1.一种烟田遥感数据的分类提取方法，其特征在于，包括以下步骤: Si:收集监控烟田区域的陆地卫星月值数据集； S2:对月值数据集进行波段运算得到植被指数、水体指数和修正土壤调整指数的序列数据； S3:对序列数据进行均方差、半方差和均值运算构建多维特征空间分类数据集； S4:利用分类算法对多维特征空间分类数据集进行处理将烟田遥感数据进行分类。2.根据权利要求1所述的烟田遥感数据的分类提取方法，其特征在于，所述步骤S4中利用的分类算法是支持向量机算法。3.根据权利要求1所述的烟田遥感数据的分类提取方法，其特征在于，步骤S3中依据计算植被指数半方差达到最大值时的峰值点位置，来提取烟田地物连续变化的特征信息。4.根据权利要求1所述的烟田遥感数据的分类提取方法，其特征在于，步骤S3中计算植被指数均值的局部方差，获取局部方差曲线的峰值点位置，来提取烟田地物的空间格局信息。5.根据权利要求4所述的烟田遥感数据的分类提取方法，其特征在于，通过一个nXn的移动窗口计算窗口内影像植被指数值的标准差的均值，依据形成局部方差曲线的峰值点位置，来获取地物的空间格局信息。6.根据权利要求1所述的烟田遥感数据的分类提取方法，其特征在于，利用多波段扫描影像的绿光波段和近红外波段的比值构建归一化差异水体指数来表示该比值与实际土壤中含水量的相关关系。
【专利摘要】本发明提供一种烟田遥感数据的分类提取方法，该方法基于陆地资源卫星的月值数据集，通过波段运算得到植被指数(normalized？difference？vegetation？index，NDVI)、水体指数NDWI(normalized？difference？water？index，NDWI)和修正土壤调整指数(modified？soil？adjusted？vegetation？index，MSAVI)的序列数据，进行均方差、半方差和均值等数学方法运算，得到具有明确物理意义和物候信息的指标因子，构建多维特征空间分类数据集，运行支持向量机算法(SVM)自动分类提取研究区内水田和旱地农田类型，本发明对该区域农业资源合理利用具有一定的实践意义，同时为有关行政部门制定该区未来农业发展的政策与规划提供一定的参考依据。
【IPC分类】G06K9/62
【公开号】CN105550707
【申请号】CN201510926408
【发明人】陈泽鹏, 张金霖, 陈俊, 林先丰, 唐瑞文, 唐建波, 刘柏林, 郭治兴
【申请人】中国烟草总公司广东省公司, 广东烟草清远市有限公司连州市分公司, 广东省生态环境与土壤研究所
【公开日】2016年5月4日
【申请日】2015年12月11日