一种玉米大豆带状复合种植区识别方法与流程

本技术涉及农业遥感，尤其涉及一种玉米大豆带状复合种植区识别方法。

背景技术：

1、玉米、大豆是集粮食、饲料和加工于一体的重要农作物。玉米-大豆带状复合种植模式生态效益显著，是世界公认的最佳复合种植模式。该模式通过免耕秸秆覆盖、根瘤固氮、分带轮作等技术，有效降低了能源消耗，减少了碳氮排放，减轻了连作障碍，培肥了地力。

2、通过卫星遥感的手段识别大豆玉米复合种植能充分发挥卫星影像数据覆盖范围大，光谱信息丰富的特点，结合相关农业遥感识别算法模型的应用可以识别玉米大豆复合种植的空间分布，为农作物增产，农民增收，为保障国家粮食生产和安全提供有力支撑。

3、由于玉米大豆复合种植的种植模式近些年才开始全面推广，因此行业内尚未有能用于生产的遥感提取玉米大豆混合种植区的成熟提取方法。同时由玉米大豆复合种植的种植模式复杂性和特殊性，目前行业内面向其他作物种植区的提取方法也不能很好的迁移至玉米大豆复合种植区的识别。

技术实现思路

1、本技术解决的技术问题是：针对现有技术中玉米大豆复合种植区的识别方案不能满足实际需求，本技术提供了一种玉米大豆带状复合种植区识别方法，本技术实施例所提供的方案中，从卫星遥感影像集中提取光学特征以及纹理特征，以及计算光学特征所对应的可分性指数si的总值，以及根据预设主成分分析法以及所述纹理特征提取主成分分量；基于所述si的总值以及所述主成分分量确定出第二卫星遥感影像集，以及对所述第二卫星遥感影像集进行分割得到超像素分割后的第三卫星遥感影像集；对所述第二卫星遥感影像集以及所述第三卫星遥感影像集进行分析得到玉米大豆带状复合种植区分布情况。即基于卫星遥感影像的光学特征与纹理特征融合以及超像素分割来识别的玉米大豆带状复合种植区，有效保障了玉米大豆复合种植区的高自动化识别与精准提取。

2、第一方面，本技术实施例提供一种玉米大豆带状复合种植区识别方法，该方法包括：获取预设玉米大豆生长周期内玉米大豆带状复合种植区域所对应的卫星遥感影像集，对所述卫星遥感影像集进行预处理得到预处理后的第一卫星遥感影像集；从所述第一卫星遥感影像集中提取光学特征以及纹理特征，以及计算光学特征所对应的可分性指数si的总值，以及根据预设主成分分析法以及所述纹理特征提取主成分分量；基于所述si的总值以及所述主成分分量确定出第二卫星遥感影像集，以及对所述第二卫星遥感影像集进行分割得到超像素分割后的第三卫星遥感影像集；对所述第二卫星遥感影像集以及所述第三卫星遥感影像集进行分析得到玉米大豆带状复合种植区分布情况。

3、可选地，对所述卫星遥感影像集进行预处理得到预处理后的第一卫星遥感影像集，包括：对所述卫星遥感影像集中卫星遥感影像进行几何校正以及辐射校正得到校正后的卫星遥感影像集；对所述校正后的卫星遥感影像集中的卫星遥感影像进行中值合成得到所述第一卫星遥感影像集。

4、可选地，计算光学特征所对应的可分性指数si的总值，包括：提取第一卫星遥感影像集中各个地物样本得到样本集，计算所述光学特征在所述样本集中任意两种地物之间的可分性指数si的值；将所述光学特征所对应的各个可分性指数si的值进行的叠加得到所述可分性指数si的总值。

5、可选地，所述光学特征，包括：绿色、红色、蓝色和近红外波段，光谱指数为增强型植被指数evi，改良土壤调整植被指数msavi，优化土壤调节植被指数osavi，转换型叶绿素吸收反射率指数tcari，宽范围动态植被指数wdrvi。

6、可选地，所述纹理特征，包括：基于绿色、红色、蓝色和近红外波段生成的灰度图像计算灰度共生矩阵，根据所述灰度共生矩阵得到对比度、角二阶距、相关性、均值、方差、同质性、相异性和熵共。

7、可选地，计算所述光学特征在所述样本集中任意两种地物之间的可分性指数si的值，包括：

8、通过下式计算每个光学特征在所述样本集中任意两种地物之间的所述可分性指数si的值：

9、

10、其中，siij(m，n)表示第m个光学特征在时间n时，在地物i和地物j之间的可分性指数si的值；m表示提取的光学特征个数；n表示卫星遥感影像获取的时间；i和j分别表示所述样本集中任意两种地物；和表示所述任意两种地物在对应的卫星遥感影像获取时间中的光谱特征的平均值；σi和σj表示所述任意两种地物在对应的卫星遥感影像获取时间中的光谱特征的标准差。

11、可选地，提取第一卫星遥感影像集中各个地物样本得到样本集，包括：根据记录的大豆玉米复合带状种植区域的地理坐标信息对所述第一卫星遥感影像集中的地物样本进行扩充得到扩充后的卫星遥感影像集；从所述扩充后的卫星遥感影像集中提取各个地物样本得到所述样本集。

12、可选地，基于所述si的总值以及所述主成分分量确定出第二卫星遥感影像集，包括：根据每个光学特征所述对应的所述si的总值确定出每个光学特征的敏感程度信息；根据所述敏感程度信息以及所述主成分分量对所述第一卫星遥感影像集中的遥感影像进行线性组合得到第四卫星遥感影像集；采用预设随机森林分类器对所述第四卫星遥感影像集中选择出满足预设条件的第二卫星遥感影像集。

13、可选地，对所述第二卫星遥感影像集进行分割得到超像素分割后的第三卫星遥感影像集，包括：采用预设的聚类算法对所述第二卫星遥感影像集中卫星遥感影像进行聚类计算得到聚类后的卫星遥感影像；基于预设的分割参数对聚类后的卫星遥感影像进行超像素分割得到所述第三卫星遥感影像集。

14、可选地，对所述第二卫星遥感影像集以及所述第三卫星遥感影像集进行分析得到玉米大豆带状复合种植区分布情况，包括：构建堆叠分类模型，将所述第二卫星遥感影像集以及所述第三卫星遥感影像集作为所述堆叠分类模型的输入，以及通过所述堆叠分类模型对所述第二卫星遥感影像集以及所述第三卫星遥感影像集进行分析得到玉米大豆带状复合种植区分布情况。

15、第二方面，本技术提供一种计算机设备，该计算机设备，包括：

16、存储器，用于存储至少一个处理器所执行的指令；

17、处理器，用于执行存储器中存储的指令执行第一方面所述的方法。

18、第三方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行第一方面所述的方法。

19、与现有技术相比，本技术实施例至少具有如下有益效果：

20、本技术实施例所提供的方案中，从卫星遥感影像集中提取光学特征以及纹理特征，以及计算光学特征所对应的可分性指数si的总值，以及根据预设主成分分析法以及所述纹理特征提取主成分分量；基于所述si的总值以及所述主成分分量确定出第二卫星遥感影像集，以及对所述第二卫星遥感影像集进行分割得到超像素分割后的第三卫星遥感影像集；对所述第二卫星遥感影像集以及所述第三卫星遥感影像集进行分析得到玉米大豆带状复合种植区分布情况。即基于卫星遥感影像的光学特征与纹理特征融合以及超像素分割来识别的玉米大豆带状复合种植区，有效保障了玉米大豆复合种植区的高自动化识别与精准提取。