综合关键季相特征和模糊分类技术的冬小麦遥感识别方法
【技术领域】
[0001] 本发明属于遥感监测技术领域，具体涉及一种综合利用关键季相特征和模糊分类 技术的的冬小麦遥感识别方法。
【背景技术】
[0002] 现有技术中，基于遥感技术识别作物类型的方法主要有基于波谱信息的方法和基 于季相节律的方法。
[0003] 基于波谱信息识别的方法主要用于中高分辨率遥感影像，原理是利用像元值的统 计特征进行分类识别，但由于"同物异谱"和"异物同谱"现象的存在，导致识别结果出现偏 差。
[0004] 基于季相节律特征的识别方法主要用于能形成时间序列的低空间分辨率遥感影 像，原理是利用作物与其他植被生长节律的差异，但由于存在影像分辨率低导致识别结果 精度不高的缺陷，因而常利用子像元的识别方法，如线性光谱分离技术，基于关键物候期的 面积指数法等。但是利用这些方法得到的结果都是一个丰度图，即粗分辨率像元中作物面 积的比例，而不能确切地确定作物的具体分布，因而具体使用上仍然存在较大不便。
[0005] 由于两类方法各有优缺点，因而也常将基于波谱信息方法与基于季相节律方法结 合使用。但是，目前两种方法的结合仍然主要局限于利用中高分辨率影像所提供混合像元 分解出的纯净单元，然后利用低分辨数据的光谱特性进行混合像元分解。这种结合虽然具 有一定的优点，但是仍未充分发挥两种方法的优势，而且其识别结果仅是作物的种植面积， 没有提取真正意义上的作物空间分布，因而实际使用仍然较为有限。
[0006] 将模糊分类技术应用于作物类型识别，为遥感影像中像元归属的不确定问题提供 了有用的理论基础，其原理为：当一个像元同时可以归属于不同的类时，关键在于确定该像 元对于各类的隶属度，最后将像元判定为隶属度最大的那一类。但是该方法的问题在于，当 存在最高的两类或多类隶属度基本相当时，即使将该像元归属于隶属度最大的那一类也存 在明显的不确定性。
[0007] 现有技术中，利用遥感影像对冬小麦的种植面积进行监控是一种较为快捷和直观 的技术手段，而对遥感影像的解读则存在多种技术手段，但是由于各类技术手段自身固有 的优缺点，因而常需一种或者多种技术联合使用并同时进行相互校正才能获得准确的监测 数据，而在现有技术中，尚未见到综合关键季相特征和模糊分类技术用于冬小麦遥感识别 的相关报道。
【发明内容】
[0008] 本发明目的在于提供一种综合利用关键季相特征和模糊分类技术的冬小麦遥感 识别方法。本发明的主要技术思路是：利用关键季相特征得到研究区粗分辨率尺度下的丰 度图；利用模糊分类技术得到研究区中高分辨率尺度下像元对于冬小麦的隶属度；综合上 述两种结果，利用季相特征信息纠正模糊分类中"异物同谱"现象，利用模糊分类中像元的 隶属度确定丰度图中子像元的具体位置，将两种方法的优势互补，从而得到中高分辨率尺 度下研究区冬小麦的确切空间分布。
[0009] 本发明所采取的技术方案具体介绍如下。
[0010] 综合关键季相特征和模糊分类技术的冬小麦遥感识别方法，包括如下步骤： (1) 数据预处理 将TM中高分辨率影像与M0DIS粗分辨率影像在投影和坐标系上数据完全配准； 具体如：将TM数据重采样设为25米，在投影和坐标系上与M0DIS250米数据完全配 准，使得每一个M0DIS像元在空间位置上能够对应10X10个TM像元； (2) 制备研究区粗分辨率下的丰度图 A. 根据研究区冬小麦种植情况，在确保精度条件下，野外布设典型样方调查M0DIS粗 分辨率尺度一个像元内冬小麦种植面积比例，为回归分析提供样本；也可利用高分辨率遥 感影像对冬小麦种植情况进行解译，以此为基础制作M0DIS粗分辨率尺度的像元百分比数 据作为样本，从而代替外业布设样方； B. 从MODISNDVI时间序列中提取反映冬小麦典型物候期的时段，利用该时段的M0DIS NDVI数据建立典型物候期斜率影像；所述冬小麦典型物候期优选为冬小麦返青期至冬小 麦孕穗期； C. 利用步骤B所得典型物候期斜率影像与步骤A所得样本数据建立回归模型，并将其 扩展到整个研究区，从而得到研究区的冬小麦种植面积的丰度图； (3) 获得研究区的中高分辨率尺度下像元对于冬小麦的隶属度 A.根据TM数据，利用模糊分类技术，基于贝叶斯准则的隶属度确定方法，得到各像元 隶属于冬小麦的隶属度；具体计算方法如下： 假设分类影像中向量
【主权项】
1. 综合关键季相特征和模糊分类技术的冬小麦遥感识别方法，其特征在于，该方法包 括如下步骤： (1) 数据预处理 将TM中高分辨率影像与MODIS粗分辨率影像在投影和坐标系上的数据完全配准； (2) 制备研究区粗分辨率下的丰度图 A. 根据研究区冬小麦种植情况，在确保精度条件下，野外布设典型样方调查MODIS粗 分辨率尺度一个像元内冬小麦种植面积比例，为回归分析提供样本；或者利用高分辨率遥 感影像对冬小麦种植情况进行解译，以此为基础制作MODIS粗分辨率尺度的像元百分比数 据作为样本，从而代替外业布设样方； B. 从MODISNDVI时间序列中提取反映冬小麦典型物候期的时段，利用该时段的MODIS NDVI数据建立典型物候期斜率影像； C. 利用步骤B所得典型物候期斜率影像与步骤A所得样本数据建立回归模型，并将其 扩展到整个研究区，从而得到研究区的冬小麦种植面积的丰度图； (3) 获得研究区的中高分辨率尺度下像元对于冬小麦的隶属度 A. 根据TM数据，利用模糊分类技术，基于贝叶斯准则的隶属度确定方法，得到各像元 隶属于冬小麦的隶属度； B. 数据校正，消除"同物异谱"现象； (4 )综合评判，即综合步骤（2 )丰度图和步骤（3 )隶属度数据对遥感图中冬小麦种植情 况进行评判 A. 在每个MODIS像元内，将其所对应的TM像元对冬小麦的隶属度从高到低排序； B. 假如一个MODIS像元的冬小麦丰度为F%，则将在中高分辨率条件下、空间位置上所 对应的10X10个、按前述步骤A的冬小麦隶属度排序的前F%个像元判定为冬小麦，F值根 据步骤（2)中的丰度图确定； C. 按该方法扩展到整个研究区，即可以得到冬小麦的种植面积和分布。
2. 如权利要求1所述综合关键季相特征和模糊分类技术的冬小麦遥感识别方法，其特 征在于，步骤（1)中所述TM分辨率为25米，MODIS分辨率为250米；配准过程具体为，将TM 数据重采样设为25米，在投影和坐标系上与MODIS250米数据完全配准，使得每一个MODIS 像元在空间位置上能够对应10X10个TM像元。
3. 如权利要求1所述综合关键季相特征和模糊分类技术的冬小麦遥感识别方法，其特 征在于，步骤（2)中所述冬小麦典型物候期为冬小麦返青期至冬小麦孕穗期。
4. 如权利要求1所述综合关键季相特征和模糊分类技术的冬小麦遥感识别方法，其特 征在于，模糊分类计算方法如下： 假设分类影像中向量
，将研究区分为?类，即先 义…，《，根据贝叶斯公式，在拙现的条件下归属于毛类的归属概率为：
向量I类别先.的条件概率密度函数为：
式中，汽先.）为类别先的先验概率;PUA.)为类别先中出现向量删概率；为特征空 间的维数；《为研究区类别数；为类别先的训练样本的均值向I
为类别毛 训练样本的协方差矩阵
的行列式。
【专利摘要】本发明属于遥感监测技术领域，具体涉及一种综合利用关键季相特征和模糊分类技术的冬小麦遥感识别方法。该方法包括：数据预处理、制备研究区粗分辨率下的丰度图、获得研究区的中高分辨率尺度下像元对于冬小麦的隶属度、综合评判等步骤。本发明综合了基于季相节律的方法（利用低分辨率遥感的时间优势）和模糊分类技术（利用中高分辨率遥感的波谱信息），得到具有确切空间分布的中高分辨率识别结果，弥补了两种方法各自的缺点，即既解决了模糊分类技术在像元归属于各类的概率相当时的不确定问题，又解决了利用季相特征得到的丰度图无法展示作物确切的空间分布问题，为冬小麦的遥感监测提供了新的监测、评估手段。
【IPC分类】G06K9-62, G06K9-00
【公开号】CN104615977
【申请号】CN201510037425
【发明人】张喜旺, 刘剑锋, 张传才, 秦奋, 秦耀辰
【申请人】河南大学
【公开日】2015年5月13日
【申请日】2015年1月26日