一种大范围农作物长势的遥感评级方法
【专利摘要】本发明公开了一种大范围农作物长势的遥感评级方法，其包括：A、获取评价年份的时序分辨率成像光谱仪MODIS数据，所述MODIS数据包含有质量评价信息，并进行预处理获取时序增强植被指数EVI数据；B、修正时序EVI数据；C、获取对比年份的时序EVI数据，并将其与修正后的时序EVI数据进行相似度分析，找到长势评价的基准时序EVI数据；D、根据基准时序EVI数据，分级评价评价年份指定期数的时序EVI数据。本发明能够适应大范围、复杂种植制度的作物长势监测要求，相对于传统简单的历史同期对比法，能够有效的避免农作物物候变化和农作物种植结构变化的影响。
【专利说明】一种大范围农作物长势的遥感评级方法
【技术领域】
[0001]本发明涉及遥感图像处理【技术领域】，具体涉及一种大范围农作物长势的遥感评级方法。
【背景技术】
[0002]农作物关系到国计民生，在农作物生长期内尽早掌握农作物生长形势在一定情况下比精确估计作物种植面积和总产量本身还重要。
[0003]而遥感技术因其获取地表信息速度快、覆盖范围广、周期短、实时性强等特点，故常应用于大范围农作物长势监测中。但开展大范围的农作物长势监测必须解决3个问题:
(I)精度问题。一些方法在小范围内进行实验可达到理想的高精度，但在大范围应用时精度难以保证。(2)速度与效率问题。在全球范围内多种农作物的耕种与收获季节分布于全年的各个月份，且密度频繁。为达到实时监测的目的，长势监测方法必须满足速度快、效率高的要求，因此，一些适合在小区域应用的精确处理方法不适应大范围内运行的要求。(3)成本问题。一些在小范围试验的成功方法推广到全球范围时因成本太高而不实用。
[0004]基于遥感技术的作物长势评价方法主要分为定性和定量两种类型。定量方法一般用于作物的个体长势评价，如吴炳方等基于MERIS数据反演出作物的冠层氮素浓度，从而对农作物的个体长势作出定量评价。然而定量方法由于不够直观，且本身概念上也存在较多不确定性，因此在实际应用中多以定性或半定量的方法来进行长势评价。目前，包括北美、欧洲、以及我国的气象局、农业部等都采用定性的长势监测方法。
[0005]目前，进行农作物长势评价最常用、也是最具操作性的方法是历史同期对比的方法，即利用实时遥感数据与历史同期进行对比，并按对比结果进行长势的评级。但这种方法存在以下缺陷:(1)并未考虑作物物候变化的影响。由于受不同年份气象条件不同的影响，作物的生长期可能有较大差距，那么进行历年同期数据对比便存在较大的不合理性。(2)目前作物长势分等定级没有统一标准，且缺少对分级标准的研究，导致不同机构得出不同的长势分级结果。
【发明内容】
[0006]有鉴于此，本发明要解决的技术问题在于提供一种大范围农作物长势的遥感评级方法，可避免农作物物候变化和农作物种植结构变化额影响。
[0007]为解决上述技术问题，本发明的技术方案是这样实现的:
[0008]一种大范围农作物长势的遥感评级方法，其包括:
[0009]A、获取评价年份的时序分辨率成像光谱仪MODIS数据，所述MODIS数据包含有质量评价信息，并进行预处理获取时序增强植被指数EVI数据；
[0010]B、修正时序EVI数据；
[0011]C、获取对比年份的时序EVI数据，并将其与修正后的时序EVI数据进行相似度分析，找到长势评价的基准时序EVI数据；[0012]D、根据基准时序EVI数据，分级评价评价年份指定期数的时序EVI数据。
[0013]作为优选方案，所述步骤A中的时序MODIS数据为由地表反射率获取的数据或植被指数。
[0014]作为优选方案，当时序MODIS数据为由地表反射率获取的数据时，
_5]正常地区:增强植被指数EV
【权利要求】
1.一种大范围农作物长势的遥感评级方法，其特征在于，其包括: A、获取评价年份的时序分辨率成像光谱仪MODIS数据，所述MODIS数据包含有质量评价信息，并进行预处理获取时序增强植被指数EVI数据； B、修正时序EVI数据； C、获取对比年份的时序EVI数据，并将其与修正后的时序EVI数据进行相似度分析，找到长势评价的基准时序EVI数据； D、根据基准时序EVI数据，分级评价评价年份指定期数的时序EVI数据。
2.根据权利要求1所述的大范围农作物长势的遥感评级方法，其特征在于，所述步骤A中的时序MODIS数据为由地表反射率获取的数据或植被指数。
3.根据权利要求2所述的大范围农作物长势的遥感评级方法，其特征在于，当时序MODIS数据为由地表反射率获取的数据时， 正常地区纖植被指数勝
4.根据权利要求3所述的大范围农作物长势的遥感评级方法，其特征在于，参数G取值为2.5，L取值为1.0, C1取值为6，C2取值为7.5。
5.根据权利要求1所述的大范围农作物长势的遥感评级方法，其特征在于，质量评价信息包括可靠性的参数及有效性的参数。
6.根据权利要求5所述的大范围农作物长势的遥感评级方法，其特征在于，步骤B包括: B1、计算时序EVI数据的质量权重Wqa和距离权重Wdis:其中， 在可靠性为O时，Wqa=I ;在可靠性为I时，Wqa=l—有效性X0.1 ;在可靠性为2时，Wqa=0.1 ;在可靠性为3时，Wqa=O ； 距离权
7.根据权利要求6所述的大范围农作物长势的遥感评级方法，其特征在于，步骤C包括: Cl、选取评价年份的多期遥感图像的同一指定像元，则获得一关于时序EVI数据的矢量，并同时取以该像元为中心的η X η窗口内共η2个EVI时序数据，即获得η2个EVI数据的矢量，其中，η >1 ； C2、根据步骤Cl，获取对比年份的时序EVI数据的矢量； C3、根据公式
8.根据权利要求7所述的大范围农作物长势的遥感评级方法，其特征在于，所述设置阈值为0.8~I。
9.根据权利要求7所述的大范围农作物长势的遥感评级方法，其特征在于，步骤D包括: D1、抽取与评价年份指定期数相应的基准时序EVI数据组； D2、计算抽取的基准时序EVI数据组的均值Mean和标准差SD ； D3、根据均值Mean和标准差SD，对评价年份指定期数的农作物长势分级: 当该评价年份指定期数的农作物长势时序EVI数据大于(Mean+2XSD)时为一级；当该评价年份指定期数的农作物长势时序EVI数据大于(Mean+SD),小于(Mean+2XSD)时，为二级； 当该评价年份指定期数的农作物长势时序EVI数据大于(Mean — SD),小于(Mean+SD)时，为三级； 当该评价年份指定期数的农作物长势时序EVI数据大于(Mean — 2XSD)，小于(Mean — SD)时，为四级； 当该评价年份指定期数的农作物长势时序EVI数据小于(Mean — 2 X SD)时为五级。
10.根据权利要求9所述的大范围农作物长势的遥感评级方法，其特征在于，所述三级为农作物正常长势标准。
【文档编号】G06Q50/02GK103971199SQ201410140447
【公开日】2014年8月6日 申请日期:2014年4月8日 优先权日:2014年4月8日
【发明者】陈康 申请人:武汉禾讯农业信息科技有限公司