一种基于多时相植被变化指数图的农作物识别方法与流程

本发明属于农业遥感，更具体地说，涉及一种基于多时相植被变化指数图的农作物识别方法。

背景技术：

1、我国是个农业大国，农作物种植呈现区域广、差异大、季节性变化复杂的特点，因此农作物种植面积监测统计就显得尤为重要。从国家层面出发，对宏观种植情况进行指导和调整以满足社会发展的需要，是农业生产的主要目标；从区域层面，及时获取作物种植面积是研究粮食区域平衡，预测农业综合生产力和人口承载力的基础；同时农作物识别与种植面积数据制图是作物长势、风险胁迫、产量评估等生产参量监测预测，种植结构调整与供需决策分析以及耕地资源安全与生态效应评估等工作的基础数据。

2、目前往往通过遥感作物识别技术得到农作物的种植面积及种植分布，现有的遥感作物识别技术一般根据作物生长规律对应的特定时相影像数据的光谱纹理特征差异或多期数据的时间序列特征区分不同作物种植分布；上述遥感作物识别技术的方法存在以下缺陷：

3、1、特定时相影像数据作物识别受数据可获取性的限制以及干扰作物的影响，在作物种植品种多样的情况下，容易与其他作物品种混淆，因此，得到的农作物的种植面积及种植分布往往不够精确，从而影响后续分析与评估。

4、2、目前的多时相时间序列特征只是简单的多期数据的特征罗列，所述多时相时间序列特征不具有代表性，难以表达作物生育期的时间信息；且时间序列影像中获取的时序特征表现复杂，如同一作物不同种植时间引起的特征差异、不同作物生育期重合引起的时序特征相似，从而导致对目标植物的种植面积统计出现过大或者过小的情况，统计不够精准；

5、3、当前作物识别常采用多种光谱指数和纹理特征，计算复杂，数据处理压力大，数据处理成本高，难以总结分析作物差异化规律。

技术实现思路

1、本发明要解决的技术问题在于提供一种基于多时相植被变化指数图的农作物识别方法，它可以实现精准快速地统计并得到目标植被的分布范围和分布面积，并且在识别统计过程中的数据处理压力小。

2、本发明的一种基于多时相±植被变化指数图的农作物识别方法，包括：得到待识别区域内的至少一个目标作物的一个作物季的影像数据；得到目标作物在一个作物季内的时相ndvi变化指数，ndvi变化指数表示前后两个相邻时相的影像ndvi的变化速率；训练随机森林识别模型，其输入特征为待识别区域的影像光谱信息、时相ndvi变化指数，其输出特征为所述目标植物的分布范围。

3、作为本发明的进一步改进，时相ndvi变化指数的计算方法包括：ndvi前时相和ndvi后时相分别表示相邻的前后时相影像的ndvi数值，doy后时相与doy前时相分别表示相邻的前后时相影像对应的年积日。

4、作为本发明的进一步改进，还包括得到地块样方内的目标作物的一个作物季内的时相ndvi值和/或ndvi曲线，并计算得到相差指数r；随机森林识别模型的输入特征还包括相差指数r。

5、作为本发明的进一步改进，相差指数r的计算方法包括：得到目标作物的一个作物季内的ndvi的最大值ndvimax和ndvi的最小值ndvimin，或

6、作为本发明的进一步改进，随机森林得到所述目标植物的分布范围的方法包括：

7、得到待识别区域内相差指数在r±a％范围内的区域，所述区域为初步识别得到的目标作物的分布区域，记为初步分布区域；

8、时序ndvi变化指数表示为ndvi变化指数1、...、ndvi变化指数n，n>＝1；

9、分别得到初步分布区域内ndvi变化指数为ndvi变化指数1、...、ndvi变化指数n的区域，并将所得到的区域取交集，最终得到的区域即为目标作物在待识别区域内的所有分布区域。

10、作为本发明的进一步改进，还可以输出目标作物在待识别区域内的种植分布图，输出步骤包括：在待识别区域内对ndvi变化指数进行rgb彩色合成，得到ndvi变化指数-rgb合成图，并得到目标作物的ndvi变化指数ndvi变化指数所对应的颜色，所述颜色在ndvi变化指数-rgb合成图显示的区域即为目标作物在待识别区域内的种植分布图。

11、作为本发明的进一步改进，还可以输出目标作物在待识别区域内的种植分布图，输出步骤包括：

12、在待识别区域内对相差指数进行rgb彩色合成，得到待识别区域内的相差指数-rgb合成图，并得到目标作物的相差指数r所对应的颜色，从而得到目标作物在待识别区域内的初步分布范围；

13、在初步分布范围内对ndvi变化指数进行rgb彩色合成，得到ndvi变化指数-rgb合成图，并得到目标作物的ndvi变化指数ndvi变化指数所对应的颜色，所述颜色在ndvi变化指数-rgb合成图显示的区域即为目标作物在待识别区域内的种植分布。

14、作为本发明的进一步改进，得到待识别区域内的至少一个目标作物的一个作物季的影像数据的步骤包括：

15、获取待识别区域内的sentinel-2数据，筛选出待识别区域无云影像；叠加待识别区域矢量数据，对sentinel-2数据进行裁剪和拼接，并利用欧空局配套snap软件平台进行大气校正、重采样、波段合成、投影坐标转换，完成待识别区域内目标作物的一个作物季的影像数据准备。

16、相比于现有技术，本发明的有益效果在于：

17、(1)提出了多时相ndvi变化指数，并将多时相的ndvi变化指数进行合成，实现时序数据的时间序列特征变化空间可视化，作为随机森林分类算法模型的训练特征，用于对目标作物的种植分布识别，提高了作物可区分性，同时综合了多时相特征，降低了数据处理维度，提高了处理效率；

18、(2)通过多时相卫星影像数据的变化信息融合，降低了对关键时相卫星数据的需求，减少了需要处理和收集的数据，减少了信息冗余；

19、(3)ndvi变化指数表示前后两个相邻时相的影像ndvi的变化速率，多时相ndvi变化指数将时间信息融合到光谱图像中，模拟出作物的生长过程，且具有时序可扩展性；且每种作物的生长过程均具有其特性，避免了同一作物不同种植时间引起的特征差异、不同作物生育期重合引起的时序特征相似而导致的统计不精准的情况发生，以使得到的目标植物的分布范围精准，分布图分布直观；

20、(4)ndvi变化指数的计算过程中，不仅需要计算相邻前后时相影像的ndvi数值，还需要计算相邻的前后时相影像对应的年积日，计算数据需要计算的数据多；而本方案中还缩小了需要使用ndvi变化指数进行识别的识别区域，减少了需要计算的ndvi变化指数的数量，大大减少了需要处理的数据，降低了数据处理压力，减少了数据处理成本，提高了数据处理效率。

技术特征：

1.一种基于多时相植被变化指数图的农作物识别方法，其特征在于，包括：得到待识别区域内的至少一个目标作物的一个作物季的影像数据；得到目标作物在一个作物季内的时相ndvi变化指数，ndvi变化指数表示前后两个相邻时相的影像ndvi的变化速率；训练随机森林识别模型，其输入特征为待识别区域的影像光谱信息、时相ndvi变化指数，其输出特征为所述目标植物的分布范围。

2.根据权利要求1所述的一种基于多时相植被变化指数图的农作物识别方法，其特征在于：时相ndvi变化指数的计算方法包括：ndvi前时相和ndvi后时相分别表示相邻的前后时相影像的ndvi数值，doy后时相与doy前时相分别表示相邻的前后时相影像对应的年积日。

3.根据权利要求1所述的一种基于多时相植被变化指数图的农作物识别方法，其特征在于：还包括得到地块样方内的目标作物的一个作物季内的时相ndvi值和/或ndvi曲线，并计算得到相差指数r；随机森林识别模型的输入特征还包括相差指数r。

4.根据权利要求3所述的一种基于多时相植被变化指数图的农作物识别方法，其特征在于：相差指数r的计算方法包括：得到目标作物的一个作物季内的ndvi的最大值ndvimax和ndvi的最小值ndvimin，或

5.根据权利要求3所述的一种基于多时相植被变化指数图的农作物识别方法，其特征在于：随机森林得到所述目标植物的分布范围的方法包括：

6.根据权利要求1所述的一种基于多时相植被变化指数图的农作物识别方法，其特征在于：还可以输出目标作物在待识别区域内的种植分布图，输出步骤包括：在待识别区域内对ndvi变化指数进行rgb彩色合成，得到ndvi变化指数-rgb合成图，并得到目标作物的ndvi变化指数ndvi变化指数所对应的颜色，所述颜色在ndvi变化指数-rgb合成图显示的区域即为目标作物在待识别区域内的种植分布图。

7.根据权利要求3所述的一种基于多时相植被变化指数图的农作物识别方法，其特征在于：还可以输出目标作物在待识别区域内的种植分布图，输出步骤包括：

8.根据权利要求1所述的一种基于多时相植被变化指数图的农作物识别方法，其特征在于：得到待识别区域内的至少一个目标作物的一个作物季的影像数据的步骤包括：

技术总结
本发明公开了一种基于多时相植被变化指数图的农作物识别方法，属于农业遥感技术领域。一种基于多时相植被变化指数图的农作物识别方法，包括：得到待识别区域内的至少一个目标作物的一个作物季的影像数据；得到目标作物在一个作物季内的时相NDVI变化指数，NDVI变化指数表示前后两个相邻时相的影像NDVI的变化速率；训练随机森林识别模型，其输入特征为待识别区域的影像光谱信息、时相NDVI变化指数，其输出特征为所述目标植物的分布范围。它可以实现精准快速地统计并得到目标植被的分布范围和分布面积，并且在识别统计过程中的数据处理压力小。

技术研发人员：周祖煜,张澎彬,陈煜人,林波,杨肖,刘雅萱,刘昕璇
受保护的技术使用者：浙江领见数智科技有限公司
技术研发日：
技术公布日：2024/1/15