本发明涉及地物遥感识别领域,尤其涉及一种稻鸭综合种养模式的遥感识别方法。背景稻鸭综合种养模式是以水田为基础,以种稻为中心,家鸭放养为特点的自然生态和人为干预相结合的复合生态种植模式。该模式利用家鸭的生物学特性,在田间除草、除虫、施肥,起到疏松土壤、浑水肥田的作用,节约种养成本、改善生态环境,实现稻田的可持续种养。该模式以“生态优先、绿色发展”为核心理念,形成了人与自然和谐共生的农业可持续发展新路,对降本增产、提质增效、保障生态具体重要作用和意义。高效精准的监测识别出稻鸭综合种养模式区域,对分析提质增效情况、发放补贴资金,进一步优化、推广稻鸭综合种养模式具有重要意义。目前针对单一农作物种植模式的遥感识别方法比较成熟,主要包括决策树分类、最大似然法、k-均值法、多尺度分割等基于像元和面向对象方法。这些方法利用农作物的光谱、纹理等特征,能够较为准确的识别出农作物单一种植模式。但是目前针对稻鸭综合种养这种复合生态种植模式的遥感识别方法比较匮乏,一是稻鸭综合种养模式是近些年新推广的一项复合生态种植技术,此方面的遥感识别方法研究累积较少;二是稻鸭综合种养模式与传统种植模式下的水稻生长发育特征相似,单纯使用光谱纹理等特征难以识别。以上
背景技术:
内容的公开仅用于辅助理解本发明的发明构思及技术方案,其并不必然属于本专利申请的现有技术,也不必然会给出技术教导;在没有明确的证据表明上述内容在本专利申请的申请日之前已经公开的情况下,上述背景技术不应当用于评价本技术的新颖性和创造性。
背景技术
技术实现思路
1、本发明的目的是提供一种稻鸭综合种养模式的遥感识别方法,能够高效精准地识别稻鸭综合种养地块。
2、为达到上述目的,本发明采用的技术方案如下:
3、一种稻鸭综合种养模式的遥感识别方法,用于对稻鸭综合种养地块进行遥感识别,包括以下步骤:
4、获取目标区域水稻抽穗时期的遥感影像;
5、对获取的目标区域的影像进行叠加运算处理,获得遥感影像中每个像元对应的归一化植被指数和绿色归一化植被指数;
6、获取目标区域水稻抽穗时期的遥感影像的近红外波段,并通过纹理分析以确定水稻像元和非水稻像元;
7、通过以下方式识别目标区域内的各个水稻种植地块是否为第一地块:运用箱式图分析方法,计算一水稻种植地块的归一化植被指数和绿色归一化植被指数的上边缘值和下边缘值,设置所述归一化植被指数的下边缘值至上边缘值为第一范围、所述绿色归一化植被指数的下边缘值至下边缘值为第二范围;计算归一化植被指数在所述第一范围外的像元数量相对于该地块像元总数的占比,以及计算绿色归一化植被指数在所述第二范围外的像元数量相对于该地块像元总数量的占比,并根据计算结果识别水稻种植地块为第一地块或其他地块;
8、识别各个所述第一地块是否为第二地块,根据所述第一地块内非水稻像元数量相对于该地块的像元总数量的占比识别所述第一地块为第二地块或其他地块;
9、识别所述第二地块中的稻鸭综合种养地块,包括获取所述第二地块的最小外接矩形,计算所述最小外接矩形的四个顶角区域的非水稻像元数量相对于所述第二地块内非水稻像元总数量的占比,并根据计算结果识别所述第二地块为稻鸭综合种养地块或其他地块。
10、进一步地,承前所述的任一技术方案或多个技术方案的组合,识别一水稻种植地块是否为第一地块,包括以下步骤:
11、统计一水稻种植地块的像元总数量n;
12、统计水稻种植地块内归一化植被指数在所述第一范围外的像元数量np1,以及绿色归一化植被指数在所述第二范围外的像元数量np2;
13、计算归一化植被指数在所述第一范围外的像元数量相对于该地块像元总数量的占比sp1,并且计算绿色归一化植被指数在所述第二范围外的像元数量相对于像元总数量的占比sp2,其中,sp1=np1/n,sp2=np2/n;
14、若sp1大于等于第一占比阈值且sp2大于等于第二占比阈值,则水稻种植地块为第一地块;否则水稻种植地块为其他地块。
15、进一步地,承前所述的任一技术方案或多个技术方案的组合,识别一所述第一地块是否为第二地块,包括以下步骤:
16、确定一所述第一地块内非水稻像元的数量;
17、计算所述第一地块内非水稻像元的数量相对于其像元总数的占比;
18、若非水稻像元的数量相对于其像元总数的占比大于等于第三占比阈值,则所述第一地块为第二地块,否则所述第一地块为其他地块。
19、进一步地,承前所述的任一技术方案或多个技术方案的组合,计算所述最小外接矩形的四个顶角区域的非水稻像元数量相对于所述第二地块内非水稻像元总数的占比,并根据计算结果识别所述第二地块为稻鸭综合种养地块或其他地块,包括以下步骤:
20、将所述最小外接矩形划分为至少五个分区,其中四个分区形状相同、面积相等并且一一对应位于所述最小外接矩形的四个顶角处;
21、统计位于所述最小外接矩形的顶角的四个矩形分区内的非水稻像元数量以及所述第二地块内非水稻像元总数;
22、计算位于所述最小外接矩形的顶角的四个矩形分区内的非水稻像元数量相对于所述第二地块内非水稻像元总数的占比,若计算结果大于等于第四占比阈值,则所述第二地块为非稻鸭综合种养地块,否则所述第二地块为其他地块。
23、进一步地,承前所述的任一技术方案或多个技术方案的组合,将所述最小外接矩形划分为等分的九个矩形分区,包括以下划分步骤:
24、将所述最小外接矩形的每个边三等分,每个边上对应有三个等分点;
25、将所述最小外接矩形的相对的两边上的等分点一一对应连接,形成九个相等的矩形分区。
26、进一步地,承前所述的任一技术方案或多个技术方案的组合,所述第一占比阈值为4%;和/或,
27、所述第二占比阈值为3%。
28、进一步地,承前所述的任一技术方案或多个技术方案的组合,所述第三占比阈值2%。
29、进一步地,承前所述的任一技术方案或多个技术方案的组合,所述第四占比阈值60%。
30、进一步地,承前所述的任一技术方案或多个技术方案的组合,确定水稻像元与非水稻像元包括以下步骤:
31、获取目标区域水稻抽穗时期的遥感影像的近红外波段;
32、根据遥感影像的近红外波段进行纹理分析,所述纹理分析采用3*3窗口选取二阶矩进行分析;
33、选取一定样本数的水稻像元和非水稻像元,根据水稻像元和非水稻像元样本的二阶矩值,确定用于区分水稻像元和非水稻像元的阈值范围;
34、利用所述阈值范围区分水稻像元和非水稻像元,若像元的二阶矩值在所述阈值范围内则为水稻像元,若像元的二阶矩值不在所述阈值范围内则为非水稻像元。
35、进一步地,承前所述的任一技术方案或多个技术方案的组合,采用要素管理工具,获取所述第二地块的最小外接矩形。
36、本发明提供的技术方案带来的有益效果如下:
37、a.本发明根据稻鸭综合种养模式下水稻的生长发育特征和鸭子管理特征,基于遥感影像的归一化植被指数和绿色归一化植被指数识别水稻种植地块是否为第一地块,并根据稻鸭种养地块的非水稻像元占比特征识别第一地块是否为第二地块,并根据稻鸭种养地块在地块一角设置放养通道的特征进一步识别第二地块是否为稻鸭综合种养地块,实现精准识别稻鸭综合种养模式区域,识别结果准确可靠;
38、b.本发明提出的稻鸭综合种养模式的遥感识别方法流程不复杂,采用分层逐级识别的策略,使得识别效率高。