首页 > 分享 > 基于云平台的耦合主被动遥感影像的大蒜作物识别方法与流程

基于云平台的耦合主被动遥感影像的大蒜作物识别方法与流程

花匠小妙招
2025-01-13 20:14

技术特征：

1.一种基于云平台的耦合主被动遥感影像的大蒜作物识别方法，其特征在于，其步骤如下：

s1、在googleearthengine云计算平台上通过调取目标年份大蒜作物主产区的modis-ndvi时序影像，根据modis-ndvi时序影像获取大蒜作物和其他林草植被的物候信息；

s2、在googleearthengine云计算平台上通过调取目标年份大蒜作物主产区的sentinel-2时序影像及landsat-8时序卫星影像，并结合大蒜作物的物候信息获得光学合成影像数据集；

s3、使用手持gps获取、记录大蒜作物主产区的大蒜作物和冬小麦作物的地理坐标信息；

s4、基于步骤s2中得到的光学合成影像数据集和步骤s3中得到的大蒜作物的地理坐标信息，构建大蒜作物光学影像识别决策树模型；

s5、根据步骤s4中得到的大蒜作物光学影像识别决策树模型对步骤s2中得到的光学合成影像数据集进行分类，得到大蒜作物光学分布图；

s6、在googleearthengine云计算平台上通过调取目标年份大蒜作物主产区的sentinel-1时序合成孔径雷达卫星影像，结合步骤s3中得到的大蒜作物、冬小麦作物的地理坐标信息获取大蒜作物和冬小麦作物的雷达图像特征；

s7、根据步骤s6中大蒜作物和冬小麦作物的图像特征获得雷达合成影像数据集；

s8、根据步骤s7中得到的雷达合成影像数据集和步骤s3中得到的大蒜作物的地理坐标信息，构建大蒜作物雷达影像识别决策树模型；

s9、根据步骤s8中得到的大蒜作物雷达影像识别决策树模型对步骤s7中得到的雷达合成影像数据集进行分类，得到大蒜作物雷达分布图；

s10、在googleearthengine云计算平台上将步骤s9中的大蒜作物雷达分布图和步骤s5中的大蒜作物光学分布图进行耦合，得到大蒜作物遥感识别结果。

2.根据权利要求1所述的基于云平台的耦合主被动遥感影像的大蒜作物识别方法，其特征在于，所述光学合成影像数据集的获得方法为：在大蒜作物的时序modis-ndvi高于其他林草植被的时序modis-ndvi的时期内，提取像元i位置上的sentinel-2时序影像的ndvi的最大值作为像元i的像元值，依次遍历sentinel-2时序影像的所有像元位置，得到ndvi最大值合成影像，记为ndvimax；在大蒜作物的时序modis-ndvi小于其他林草植被的时序modis-ndvi的时期内，提取像元i位置上的sentinel-2和landsat-8时序影像的ndvi的最小值作为像元i的像元值，依次遍历sentinel-2和landsat-8时序影像的所有像元位置，得到ndvi最小值合成影像，记为ndvimin；在大蒜作物的时序modis-ndvi小于其他林草植被的时序modis-ndvi的时期内，提取像元i位置上的sentinel-2和landsat-8时序卫星影像的ndvi的中值作为像元i的像元值，依次遍历sentinel-2和landsat-8时序卫星影像的所有像元位置，得到ndvi中值合成影像，记为ndvimed；将ndvi最大值合成影像ndvimax、ndvi最小值合成影像ndvimin和ndvi中值合成影像ndvimed组合为光学合成影像数据集。

3.根据权利要求2所述的基于云平台的耦合主被动遥感影像的大蒜作物识别方法，其特征在于，所述大蒜作物光学影像识别决策树模型的构建方法为：根据ndvi中值合成影像ndvimed在大蒜作物的地理坐标位置上的分布获得像元中值阈值α；根据ndvi最大值合成影像ndvimax在大蒜作物的地理坐标位置上的分布获得像元最大值第一阈值γ和像元最大值第二阈值β；根据ndvi最小值合成影像ndvimin在大蒜作物的地理坐标位置上的分布获得像元最小值阈值δ；根据像元中值阈值α、像元最大值第一阈值γ、像元最大值第二阈值β和像元最小值阈值δ得到大蒜作物光学影像识别决策树模型。

4.根据权利要求3所述的基于云平台的耦合主被动遥感影像的大蒜作物识别方法，其特征在于，所述大蒜作物光学分布图的获得方法为：根据大蒜作物光学影像识别决策树模型构建大蒜作物的第一约束条件：或根据大蒜作物的第一约束条件分别对ndvi最大值合成影像ndvimax、ndvi中值合成影像ndvimed和ndvi最小值合成影像ndvimin中的像元进行筛选，得到大蒜作物光学分布图，其中，ndvimax,i表示ndvi最大值合成影像ndvimax中第i个像元的像元值，ndvimed,i表示ndvi中值合成影像ndvimed中第i个像元的像元值，ndvimin,i表示ndvi最小值合成影像ndvimin中第i个像元的像元值。

5.根据权利要求1或4所述的基于云平台的耦合主被动遥感影像的大蒜作物识别方法，其特征在于，所述雷达合成影像数据集的获得方法为：在冬小麦越冬期内合成sentinel-1合成孔径雷达卫星影像的中值影像，记为svv1med合成影像；在冬小麦分蘖至孕穗期内合成sentinel-1合成孔径雷达卫星影像的中值影像，记为svv2med合成影像；将svv1med合成影像和svv2med合成影像组合为雷达合成影像数据集。

6.根据权利要求5所述的基于云平台的耦合主被动遥感影像的大蒜作物识别方法，其特征在于，所述大蒜作物雷达影像识别决策树模型的构建方法为：根据svv1med合成影像和svv2med合成影像在大蒜作物的地理坐标位置上的分布获得差值阈值ε和阈值ζ；根据差值阈值ε和阈值ζ得到大蒜作物雷达影像识别决策树模型。

7.根据权利要求6所述的基于云平台的耦合主被动遥感影像的大蒜作物识别方法，其特征在于，所述大蒜作物雷达分布图的获得方法为：根据大蒜作物雷达影像识别决策树模型构建大蒜作物的第二约束条件，根据大蒜作物的第二约束条件对svv1med合成影像和svv2med合成影像中的像元进行筛选，得到大蒜作物雷达分布图，其中，svv1med,i表示svv1med合成影像中第i个像元的像元值，svv2med,i表示svv2med合成影像中第i个像元的像元值。

8.根据权利要求7所述的基于云平台的耦合主被动遥感影像的大蒜作物识别方法，其特征在于，所述大蒜作物最终遥感识别结果的获得方法为：当像元i在大蒜作物雷达分布图和大蒜作物光学分布图中均为大蒜作物时，判断像元i为大蒜作物，否则，像元i不是大蒜作物；依次遍历大蒜作物雷达分布图和大蒜作物光学分布图中的所有像元，完成大蒜作物的最终遥感识别。

技术总结
本发明提出了一种基于云平台的耦合主被动遥感影像的大蒜作物识别方法，其步骤为：首先，基于大蒜物候特征获得光学卫星遥感影像，并结合大蒜的地理坐标信息构建大蒜光学影像识别决策树模型，进而得到大蒜光学分布图；其次，基于合成孔径雷达卫星获得大蒜、冬小麦的雷达影像特征，并结合大蒜的地理坐标信息构建大蒜雷达影像识别决策树模型，进而得到大蒜雷达分布图；最后，对大蒜光学分布图、大蒜雷达分布图进行耦合，即选取两种分布图的交集，完成大蒜遥感识别制图。本发明综合利用了光学卫星影像和合成孔径雷达影像的优势，解决了大蒜与冬小麦不易区分的技术难题，实现了基于云平台的地理空间大区域尺度上大蒜分布遥感精准自动识别。

技术研发人员：田海峰;秦耀辰;沈威;周伯燕;王永久
受保护的技术使用者：河南大学
技术研发日：2020.09.21
技术公布日：2020.12.18