一种利用多时相高分辨率卫星影像识别稻田内草皮的方法与流程

本发明涉及农业生产管理，并且更具体地，涉及一种利用多时相高分辨率卫星影像识别稻田内草皮的方法。

背景技术：

1、绿化草皮多数为禾本科植物，农民或园林绿化公司种植绿化草皮往往可以获得较高的经济效益。在旱地内种植绿化草皮管理养护不便且成本高，在种植水稻的水田内种植绿化草皮，养护方便且成本较低，因而，在我国南方很多地区，农民或园林绿化公司为了获得更高的经济效益，往往会选择在稻田内种植草皮。

2、稻田内种植绿化草皮更改了耕地的利用属性，实际上将耕地变更为园地。我国是一个人多地少的人口大国，人均耕地面积只有世界人均耕地面积的27.7%，因而不得不实行严格的耕地保护制度。根据我国自然资源管理部门和农业生产管理部门相关规定，稻田内种植绿化草皮属于违法违规行为。然而，由于绿化草皮与水稻同为禾本科植物，且每年都会有种和收的过程，自然资源和农业生产管理部门只能依靠常规的地面巡检办法对其进行甄别查处。

3、绿化草皮和水稻具有近似的电磁波谱特征，在航片和卫片上均呈现同谱异物的光谱特性和相似的纹理结构，导致即使采用高空间分辨率无人机拍摄航片和中高分卫星遥感影像也难以对其进行快速识别和精准监测。

技术实现思路

1、针对现有技术的不足，本发明提供一种利用多时相高分辨率卫星影像识别稻田内草皮的方法。

2、根据本发明的一个方面，提供了一种利用多时相高分辨率卫星影像识别稻田内草皮的方法，包括：

3、获取待识别稻田内草皮的水稻不同生育期的多时相卫星稻田影像；

4、通过机器学习算法分别对多时相卫星稻田影像进行非植被类地物类型的分离，确定多时相植被覆盖区域影像数据；

5、利用预先试验得到的多个植被指数特征分别对多时相植被覆盖区域影像数据进行分类，确定多时相季节性植被类型影像数据，其中季节性植被类型影像数据中包括初始水稻影像数据和初始草皮影像数据；

6、根据水稻和草皮的时间序列变化特征和植被指数信息，利用ai深度学习算法分别对多时相季节性植被类型影像数据中混杂稻田中的草皮区域进行分割，确定水稻影像数据和分割草皮影像数据；

7、根据分割草皮影像数据和初始草皮影像数据，确定多时相草皮影像。

8、可选地，还包括：分别对多时相卫星稻田影像进行预处理，并且该操作包括：

9、分别对多时相卫星稻田影像进行去云、去阴影、几何校正、辐射定标、大气校正、正射校正以及影像配准操作。

10、可选地，通过机器学习算法分别对多时相卫星稻田影像进行非植被类地物类型的分离，确定多时相植被覆盖区域影像数据，包括：

11、获取训练集数据，训练集数据包括：水体、建筑、林地、园地、水稻、草地、裸地七种地物类型数据信息；

12、提取训练集数据中不同地物类型的特征信息，其中特征信息包括：光谱、纹理、植被指数、生长周期特征；

13、针对不同地物类型分别在多时相卫星稻田影像进行矢量化标注；

14、将不同地物类型的特征信息以及进行矢量化标注的多时相卫星稻田影像输入至预先设置的机器学习分类器中，输出不同地物类型的地物区域分类结果；

15、对非植被类型的地物区域分类结果在多时相卫星稻田影像上进行掩膜，确定多时相植被覆盖区域影像数据。

16、可选地，多时相卫星稻田影像包括：7月份的第一期卫星稻田影像、8月份的第二期卫星稻田影像以及10月份的第三期卫星稻田影像，并且

17、利用预先试验得到的多个植被指数特征分别对多时相植被覆盖区域影像数据进行分类，确定多时相季节性植被类型影像数据，包括：

18、分别计算每个时相植被覆盖区域影像数据的ndvi值，确定多时相ndvi影像数据；

19、将第三期ndvi影像数据中ndvi值大于预设植被指数特征的区域提取出来，确定林地影像数据，并在第一期ndvi影像数据和第二期ndvi影像数据中进行掩膜；

20、在掩膜后的第一期ndvi影像数据和第二期ndvi影像数据中将ndvi值在预设植被指数特征范围内的区域进行提取，确定园地影像数据；

21、将林地影像数据和园地影像数据分别在多时相植被覆盖区域影像数据上进行掩膜，确定多时相季节性植被类型影像数据。

22、根据本发明的另一个方面，提供了一种利用多时相高分辨率卫星影像识别稻田内草皮的装置，包括：

23、获取模块，用于获取待识别稻田内草皮的水稻不同生育期的多时相卫星稻田影像；

24、第一确定模块，用于通过机器学习算法分别对多时相卫星稻田影像进行非植被类地物类型的分离，确定多时相植被覆盖区域影像数据；

25、第二确定模块，用于利用预先试验得到的多个植被指数特征分别对多时相植被覆盖区域影像数据进行分类，确定多时相季节性植被类型影像数据，其中季节性植被类型影像数据中包括初始水稻影像数据和初始草皮影像数据；

26、第三确定模块，用于根据水稻和草皮的时间序列变化特征和植被指数信息，利用ai深度学习算法分别对多时相季节性植被类型影像数据中混杂稻田中的草皮区域进行分割，确定水稻影像数据和分割草皮影像数据；

27、第四确定模块，用于根据分割草皮影像数据和初始草皮影像数据，确定多时相草皮影像。

28、根据本发明的又一个方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行本发明上述任一方面所述的方法。

29、根据本发明的又一个方面，提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现本发明上述任一方面所述的方法。

30、从而，本发明提供一种利用多时相高分辨率卫星影像识别稻田内草皮的方法，采用像元级别的分层分类方法和ai深度学习算法对稻田内种植草皮进行分割，以提高识别和提取精度。该方法具有高效性、精度性、实时性、适用性和经济性等优点，能够为稻田内种植草皮的管理和保护提供可靠的技术支持，具有广泛的应用前景和市场价值。进而解决了现有技术中即使采用高空间分辨率无人机拍摄航片和中高分卫星遥感影像也难以对稻田内草皮进行快速识别和精准监测的技术问题。

技术特征：

1.一种利用多时相高分辨率卫星影像识别稻田内草皮的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，还包括：分别对多时相所述卫星稻田影像进行预处理，并且该操作包括：

3.根据权利要求1所述的方法，其特征在于，通过机器学习算法分别对多时相所述卫星稻田影像进行非植被类地物类型的分离，确定多时相植被覆盖区域影像数据，包括：

4.根据权利要求3所述的方法，其特征在于，多时相卫星稻田影像包括：7月份的第一期卫星稻田影像、8月份的第二期卫星稻田影像以及10月份的第三期卫星稻田影像，并且

5.一种利用多时相高分辨率卫星影像识别稻田内草皮的装置，其特征在于，包括：

6.根据权利要求5所述的装置，其特征在于，还包括：预处理模块，用于分别对多时相所述卫星稻田影像进行预处理，并且预处理模块包括：

7.根据权利要求5所述的装置，其特征在于，第一确定模块，包括：

8.根据权利要求5所述的装置，其特征在于，多时相卫星稻田影像包括：7月份的第一期卫星稻田影像、8月份的第二期卫星稻田影像以及10月份的第三期卫星稻田影像，并且第二确定模块，包括：

9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-4任一所述的方法。

10.一种电子设备，其特征在于，所述电子设备包括：

技术总结
本发明公开了一种利用多时相高分辨率卫星影像识别稻田内草皮的方法，涉及农业生产管理技术领域。方法包括：获取待识别稻田内草皮的水稻不同生育期的多时相卫星稻田影像；通过机器学习算法分别对多时相卫星稻田影像进行非植被类地物类型的分离，确定多时相植被覆盖区域影像数据；利用预先试验得到的多个植被指数特征分别对多时相植被覆盖区域影像数据进行分类，确定多时相季节性植被类型影像数据；根据水稻和草皮的时间序列变化特征和植被指数信息，利用AI深度学习算法分别对多时相季节性植被类型影像数据中混杂稻田中的草皮区域进行分割，确定水稻影像数据和分割草皮影像数据；根据分割草皮影像数据和初始草皮影像数据，确定多时相草皮影像。

技术研发人员：席瑞,刘占宇,吴克宁,武洪峰,吕晓男
受保护的技术使用者：杭州稻道农业科技有限公司
技术研发日：
技术公布日：2024/1/14