南荻收割区或弃割区分布提取方法、系统及存储介质与流程

1.本发明涉及南荻监控领域，具体涉及南荻收割区或弃割区分布提取方法、系统及存储介质。


背景技术：

2.由于地理位置偏远，开发存在困难，常常存在南荻弃割的问题，弃割的南荻长期浸泡在水中会对水质造成一定的污染，为保证水质的健康，需要对南荻的收割情况进行监控，现有对南荻收割情况的监控一般通过人工勘察，然而，人工勘察不仅需要耗费大量的人力，效率也比较低。
3.因此，如何解决现有的人工监控南荻收割情况需要耗费大量人力且效率低的问题，已成为本领域技术人员亟待解决的技术问题。


技术实现要素：

4.本发明提供了南荻收割区或弃割区分布提取方法、系统及存储介质，用于解决的现有的人工监控南荻收割情况需要耗费大量人力且效率低技术问题。
5.为解决上述技术问题，本发明提出的技术方案为：
6.一种南荻收割区或弃割区分布提取方法，包括以下步骤：
7.获取待监测区域的卫星图像，并从卫星图像中提取南荻的生长区域；
8.获取南荻的生长区域各个部分的光谱特征数据，并将各个部分的光谱特征数据分别与预设的收割阈值或弃割阈值进行比较，当存在任意部分的光谱特征数据在预设的收割阈值或弃割阈值内，则判断部分为南荻收割区或弃割区。
9.优选的，光谱特征数据包括归一化植被指数ndvi以及亮度brightness。
10.优选的，亮度brightness通过以下公式计算得到：
[0011][0012]
其中，b为亮度brightness，i为概算影像对象的影像层的序号，c
i
为第i个含波谱信息影像层的亮度值；n
l
为概算影像对象的影像层的数量，为概算影像对象的所有含波谱信息影像层亮度的平均值。
[0013]
优选的，收割阈值为brightness＞1820，ndvi＜0.18；或，弃割阈值为brightness≤1820，ndvi＜≥0.18。
[0014]
优选的，从卫星图像中提取南荻的生长区域，包括以下步骤：
[0015]
根据待监测区域内南荻与其他植被在不同时期的光谱特征数据之间的差异性确定南荻在待监测区域内的最佳监测时相及其对应的光谱特征阈值；不同时期对应南荻与其他植被不同的生长阶段；
[0016]
从卫星图像中提取待监测区域内各个子区域在最佳监测时相的光谱特征数据，分
别将各个子区域的光谱特征数据与光谱特征阈值进行比较，当存在任意子区域的光谱特征数据在光谱特征阈值内，则判断子区域为南荻的生长区域。
[0017]
优选的，当待监测区域为大陆性亚热带季风湿润气候，且其他植被包括水稻、苔草、杨树、油菜时，光谱特征数据包括归一化植被指数ndvi、归一化水体指数ndwi、绿度ratio green时，南荻在待监测区域内的最佳监测时相及其对应的光谱特征阈值如下：
[0018][0019]
一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。
[0020]
一种计算机存储介质，其上存储有计算机程序，程序被处理器执行时实现上述任一项方法中的步骤。
[0021]
本发明具有以下有益效果：
[0022]
1、本发明中的南荻收割区或弃割区分布提取方法、系统及存储介质，通过获取待监测区域的卫星图像，并从卫星图像中提取南荻的生长区域；获取南荻的生长区域各个部分的光谱特征数据，并将各个部分的光谱特征数据分别与预设的收割阈值或弃割阈值进行比较，当存在任意部分的光谱特征数据在预设的收割阈值或弃割阈值内，则判断该部分为南荻收割区或弃割区。相比现有技术，本技术方案通过图像光谱识别技术快速且准确的识别出待监测区域内南荻的收割区域和弃割区域，从而对待监测区域的南荻收割情况进行有效监控。
[0023]
2、在优选方案中，本技术方案通过归一化植被指数ndvi以及亮度brightness这两个光谱特征区分南荻的收割区域和弃割区域，能提高识别的精度。
[0024]
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。
附图说明
[0025]
构成本技术的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0026]
图1是本发明优选实施例中的南荻收割期卫星影像图；
[0027]
图2是本发明优选实施例中待监测区域的不同部分同一时期不同地物光谱曲线图；
[0028]
图3是本发明优选实施例中的收割区提取技术路线图；
[0029]
图4是本发明优选实施例中的影像分割效果图；
[0030]
图5是本发明优选实施例中的待监测区域的卫星图像、brightness图像以及ndvi图像，其中，(a)为待监测区域的卫星图像，(b)为待监测区域的brightness图像，(c)为待监
测区域的ndvi图像；
[0031]
图6是本发明优选实施例中的东洞庭湖2015
‑
2018年南荻收割与弃割区空间分布图，其中，(a)
‑
(d)分别为东洞庭湖2015
‑
2018年南荻收割与弃割区空间分布图；
[0032]
图7是本发明优选实施例中的东洞庭湖2015
‑
2018年南荻收割与弃割面积统计图；
[0033]
图8是本发明中南荻的收割区或弃割区分布提取方法的流程图。
具体实施方式
[0034]
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
[0035]
实施例一：
[0036]
如图8所示,本发明公开了一种南荻收割区或弃割区分布提取方法，包括以下步骤：
[0037]
获取待监测区域的卫星图像，并从卫星图像中提取南荻的生长区域；
[0038]
获取南荻的生长区域各个部分的光谱特征数据，并将各个部分的光谱特征数据分别与预设的收割阈值或弃割阈值进行比较，当存在任意部分的光谱特征数据在预设的收割阈值或弃割阈值内，则判断该部分为南荻收割区或弃割区。
[0039]
另外，在本实施例中，本发明还公开了一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。
[0040]
另外，在本实施例中，本发明还公开了一种计算机存储介质，其上存储有计算机程序，程序被处理器执行时实现上述任一项方法中的步骤。
[0041]
本发明中的南荻收割区或弃割区分布提取方法、系统及存储介质，通过获取待监测区域的卫星图像，并从卫星图像中提取南荻的生长区域；获取南荻的生长区域各个部分的光谱特征数据，并将各个部分的光谱特征数据分别与预设的收割阈值或弃割阈值进行比较，当存在任意部分的光谱特征数据在预设的收割阈值或弃割阈值内，则判断该部分为南荻收割区或弃割区。相比现有技术，本技术方案通过图像光谱识别技术快速且准确的识别出待监测区域内南荻的收割区域和弃割区域，从而对待监测区域的南荻收割情况进行有效监控。
[0042]
实施例二：
[0043]
实施例二是实施例的拓展实施例，其与实施例一的不同之处在于，对于南荻收割区或弃割区分布提取方法具体步骤以及原理进行了介绍，具体如下：
[0044]
一、南荻收割区与弃割区区分原理
[0045]
南荻收割后，在卫星影像上表现为半裸土特征，呈现灰褐色或亮白色，而弃割区在卫星影像上呈现深褐色(图1)。从图2上可以看出，收割区光谱反射率高于弃割区。因此，依据光谱和颜色差异，可以将收割区与弃割区区分开来。
[0046]
二、收割区与弃割区分布提取方法
[0047]
本研究采用面向对象分类方法，区分南荻收割区与弃割区。在南荻空间分布提取结果的基础上，选择当年12月至翌年2月的无云卫星影像，在易康软件中进行分割，选择brightness和ndvi作为分类参数，选取分类阈值，提取收割与弃割区，并分析年际空间分布
变化和收割面积变化。其中，收割区提取技术路线如图3所示。
[0048]
①
感兴趣区裁剪
[0049]
将提取的南荻空间分布范围文件作为感兴趣区，裁剪南荻收割后卫星影像，获取南荻收割区与弃割区影像。
[0050]
②
影像分割
[0051]
在易康软件中，将南荻范围内的卫星影像进行分割，经过多次尝试，选择300作为分割尺度，分割形状因子设置为0.1，紧致度设置为0.5，其中图像分割效果图如图4所示。
[0052]
③
分类参数阈值选取
[0053]
亮度值是指将全部含波谱信息的影像层的平均值相加之后再除以用于概算影像对象的影像层的数量得到的值。计算公式如下：
[0054][0055]
其中，收割与弃割区卫星影像、brightness数据、ndvi数据如图5所示，从图5(a)中可以看出，南荻收割区在卫星影像上表现为灰褐色，而弃割区表现为深褐色；从图5(b)中可以看出，收割区亮度值比弃割区大；从图5(c)中可以看出，收割区ndvi值比弃割区小。因此，依据收割与弃割区亮度值和ndvi的差异，分别选取阈值，可将南荻收割与弃割区区分。
[0056]
表1收割区与弃割区br ightness和ndvi差异
[0057]
参数brightnessndvi差异描述收割＞弃割收割＜弃割
[0058]
本研究选取brightness、ndvi作为分类参数。以2015年12月数据为例，各分类参数阈值见表2：
[0059]
表2收割与弃割区区分各分类参数阈值
[0060][0061]
三、收割区与弃割区空间分布提取结果
[0062]
通过上述南荻收割区或弃割区分布提取方法提取东洞庭湖2015
‑
2018年南荻收割与弃割区空间分布，其中2015
‑
2019年南荻收割与弃割区空间分布如图6所示，并在图6中计算各个年份对应的南荻收割面积与弃割面积，构建如图7所示的2015
‑
2018年东洞庭湖南荻收割与弃割面积统计图。
[0063]
从图7中可以看出，2015年南荻收割面积最大，占当年南荻总面积的69.2％，2016年和2017年收割面积下降，收割面积均占当年南荻总面积的50％左右，而在2018年南荻收割面积大幅减少，收割面积进展当年南荻总面积的5.6％。2018年南荻收割面积大幅下降，主要是出台了《洞庭湖生态环境专项整治三年行动计划(2018
‑
2020)》和《洞庭湖区造纸企
业引导退出方案》，洞庭湖区所有依托南荻为主的纸浆企业退出产能，南荻无人收割。
[0064]
综上可知，本发明中的南荻收割区或弃割区分布提取方法、系统及存储介质，通过获取待监测区域的卫星图像，并从卫星图像中提取南荻的生长区域；获取南荻的生长区域各个部分的光谱特征数据，并将各个部分的光谱特征数据分别与预设的收割阈值或弃割阈值进行比较，当存在任意部分的光谱特征数据在预设的收割阈值或弃割阈值内，则判断该部分为南荻收割区或弃割区。相比现有技术，本技术方案通过图像光谱识别技术快速且准确的识别出待监测区域内南荻的收割区域和弃割区域，从而对待监测区域的南荻收割情况进行有效监控。
[0065]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。