CN106682625A - 耕地信息的更新方法及系统 - Google Patents
耕地信息的更新方法及系统 Download PDFInfo
- Publication number
- CN106682625A CN106682625A CN201611246320.0A CN201611246320A CN106682625A CN 106682625 A CN106682625 A CN 106682625A CN 201611246320 A CN201611246320 A CN 201611246320A CN 106682625 A CN106682625 A CN 106682625A
- Authority
- CN
- China
- Prior art keywords
- arable land
- land use
- use change
- speckle
- remote sensing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于信息技术领域,提供了一种耕地信息的更新方法及系统,所述方法包括:从第一遥感影像中提取第一耕地变化斑块;参照所述第一耕地变化斑块,从第二遥感影像中提取第二耕地变化斑块,所述第二遥感影像的分辨率高于所述第一遥感影像;参照所述第二耕地变化斑块,采用地面传感器网或者低空无人机等技术,结合人工实地勘测,排除所述第二耕地变化斑块中的伪变化斑块,获取目标耕地变化斑块及其属性信息;根据所述目标耕地变化斑块及其属性信息更新数据库,生成统计报表。本发明解决了现有的耕地信息更新技术存在的人力成本高、耗费时间的问题,提高了耕地变化检测的效率和准确率,有利于城市规划与耕地红线保护。
Description
技术领域
本发明属于信息技术领域,尤其涉及一种耕地信息的更新方法及系统。
背景技术
随着经济高速发展,沿海经济发达地区的城市扩张迅猛。目前城市建设用地的扩张是建立在城市周边大量优质耕地和未利用地减少的基础上,会造成耕地破碎化以及对生态体系完整性的破坏。为了保护耕地及保障粮食战略安全,我国城市未来发展规划已将城市周边基本农田划入生态保护红线,需要定期对已掌握的耕地信息变更进行调查,对土地违规使用开展行政执法。
现有技术对城市周边的耕地信息进行更新时,主要采用内业处理和外业调研相结合的方法。其中,内业处理主要为影像判读,通常采用正射校正后的航空照片或者高分辨率卫星照片,对照进行人工图斑勾选。外业调研部分则包括野外调绘、补测、调绘整饰、填写记录表等。可见,内业处理主要依靠人工目视解译进行判读、勾绘;外业调研主要依靠记录员现场的实地勘察、记录;人力成本高,耗费时间,且耕地变化的检测效率低,自动化程度低。
发明内容
鉴于此,本发明实施例提供了一种耕地信息的更新方法及系统,以解决现有技术对城市周边的耕地信息进行更新时存在人力成本高、耗费时间的问题,提高耕地变化检测的效率和准确率。
第一方面,提供了一种耕地信息的更新方法,所述更新方法包括:
从第一遥感影像中提取第一耕地变化斑块;
参照所述第一耕地变化斑块,从第二遥感影像中提取第二耕地变化斑块,所述第二遥感影像的分辨率高于所述第一遥感影像;
排除所述第二耕地变化斑块中的伪变化斑块,获取目标耕地变化斑块及其属性信息,所述目标耕地变化斑块为发生确切变化的耕地变化斑块;
根据所述目标耕地变化斑块及其属性信息更新数据库,生成统计报表。
进一步地,所述从第一遥感影像中提取第一耕地变化斑块包括:
获取预处理后的若干个不同时期的第一遥感影像;
采用时间序列分析手段,获取所述第一遥感影像的遥感植被指数的时序特征;
根据所述遥感植被指数的时序特征判断植被类型,获取不同时期的耕地信息;
针对所述耕地信息中的待更新一期的耕地信息,结合所述耕地信息的植被类型的已有历史记录提取第一耕地变化斑块;或者
采用时间序列变化检测的方法,根据所述遥感植被指数的时序特征,提取出两个时期间隔里发生耕地变化的信息,得到第一耕地变化斑块。
进一步地,所述参照所述第一耕地变化斑块,从第二遥感影像中提取第二耕地变化斑块包括:
参照所提取出的第一耕地变化斑块,采用面向对象的遥感分类方法,从第二遥感影像中提取第二耕地变化斑块。
进一步地,所述排除所述第二耕地变化斑块中的伪变化斑块,获取目标耕地变化斑块及其属性信息包括:
获取用户对所述第二耕地变化斑块的真伪判断信息,根据所述真伪判断信息排除所述第二耕地变化斑块中的伪变化斑块;
对于用户无法确定真伪的第二耕地变化斑块,结合实地取证信息再次排除伪变化斑块;
以排除伪变化斑块后的剩余的第二耕地变化斑块作为目标耕地变化斑块,并更新所述目标耕地变化斑块的属性信息。
第二方面,提供了一种耕地信息的更新系统,所述更新系统包括:
第一提取模块,用于从第一遥感影像中提取第一耕地变化斑块;
第二提取模块,用于参照所述第一耕地变化斑块,从第二遥感影像中提取第二耕地变化斑块,所述第二遥感影像的分辨率高于所述第一遥感影像;
排除模块,用于排除所述第二耕地变化斑块中的伪变化斑块,获取目标耕地变化斑块及其属性信息,所述目标耕地变化斑块为发生确切变化的耕地变化斑块;
更新模块,用于根据所述目标耕地变化斑块及其属性信息更新数据库,生成统计报表。
进一步地,所述第一提取模块具体用于:
获取预处理后的若干个不同时期的第一遥感影像;
采用时间序列分析手段,获取所述第一遥感影像的遥感植被指数的时序特征;
根据所述遥感植被指数的时序特征判断植被类型,获取不同时期的耕地信息;
针对所述耕地信息中的待更新一期的耕地信息,结合所述耕地信息的植被类型的已有历史记录提取第一耕地变化斑块;或者
采用时间序列变化检测的方法,根据所述遥感植被指数的时序特征,提取出两个时期间隔里发生耕地变化的信息,得到第一耕地变化斑块。
进一步地,所述第二提取模块具体用于:
参照所提取出的第一耕地变化斑块,采用面向对象的遥感分类方法,从第二遥感影像中提取第二耕地变化斑块。
进一步地,所述排除模块包括:
第一排除单元,用于获取用户对所述第二耕地变化斑块的真伪判断信息,根据所述真伪判断信息排除所述第二耕地变化斑块中的伪变化斑块;
第二排除单元,用于对于用户无法确定真伪的第二耕地变化斑块,结合实地取证信息再次排除伪变化斑块;
获取单元,用于以排除伪变化斑块后的剩余的第二耕地变化斑块作为目标耕地变化斑块,并更新所述目标耕地变化斑块的属性信息。
与现有技术相比,本发明实施例通过从第一遥感影像中提取第一耕地变化斑块;然后参照所述第一耕地变化斑块,从第二遥感影像中提取第二耕地变化斑块,其中,所述第二遥感影像的分辨率高于所述第一遥感影像;在所得到的第二耕地变化斑块的基础上,再排除其中的伪变化斑块,获取目标耕地变化斑块及其属性信息,所述目标耕地变化斑块为发生确切变化的耕地变化斑块;最后根据所述目标耕地变化斑块及其属性信息更新数据库,生成统计报表;从而解决了现有技术对城市周边的耕地信息进行更新时存在的人力成本高、耗费时间的问题,且通过逐步细化的耕地变化确认过程,提高了耕地变化检测的效率和准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1是本发明实施例提供的耕地信息的更新方法的实现流程图;
图2是本发明实施例提供的耕地信息的更新方法中步骤S101的第一实现流程图;
图3是本发明实施例提供的耕地信息的更新方法中步骤S101的第二实现流程图
图4是本发明实施例提供的耕地信息的更新方法中步骤S103的具体实现流程图;
图5是本发明实施例提供的耕地信息的更系统的组成结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例通过从第一遥感影像中提取第一耕地变化斑块;然后参照所述第一耕地变化斑块,从第二遥感影像中提取第二耕地变化斑块,其中,所述第二遥感影像的分辨率高于所述第一遥感影像;在所得到的第二耕地变化斑块的基础上,再排除其中的伪变化斑块,获取目标耕地变化斑块及其属性信息,所述目标耕地变化斑块为发生确切变化的耕地变化斑块;最后根据所述目标耕地变化斑块及其属性信息更新数据库,生成统计报表;从而解决了现有技术对城市周边的耕地信息进行更新时存在的人力成本高、耗费时间的问题,且通过逐步细化的耕地变化确认过程,提高了耕地变化检测的效率和准确率。本发明实施例还提供了相应的系统,以下分别进行详细的说明。
图1示出了本发明实施例提供的耕地信息的更新方法的实现流程。参阅图1,所述耕地信息的更新方法包括:
在步骤S101中,从第一遥感影像中提取第一耕地变化斑块。
在本发明实施例中,所述第一遥感影像通常为时间序列的、能够免费获取的或者价格便宜的遥感影像,包括但不限于比如Landsat资源卫星、中巴地球资源卫星CBERS、ZY系列卫星等获得的遥感影像,所述第一遥感影像的分辨率通常较低。所述第一耕地变化斑块为基于所述第一遥感影像提取出来的耕地变化信息。
作为本发明的一个优选示例,可以采用基于时间序列的遥感植被指数来提取耕地变化信息。图2示出了本发明实施例提供的耕地信息的更新方法中步骤S101的第一实现流程。参阅图2,所述步骤S101包括:
在步骤S201中,获取预处理后的若干个不同时期的第一遥感影像。
在步骤S202中,采用时间序列分析手段,获取所述第一遥感影像的遥感植被指数的时序特征。
在步骤S203中,根据所述遥感植被指数的时序特征判断植被类型,获取不同时期的耕地信息。
在这里,由于耕地存在农作物种植和收割期,因此耕地的植被指数信息会存在周期性变化。本发明实施例采用时间序列分析手段,从长时间序列的第一遥感影像中提取遥感植被指数的时序特征,得到不同时期的植被状态。可选地,所述植被指数可以采用归一化植被指数NDVI、增强型植被指数EVIs等。然后基于所述遥感植被指数的时序特征得到的不同时期的植被状态,判断植被类型,以区分耕地以及其他植被类型(比如草地、林地、园地、城市绿地等),初步获取耕地信息,所获取的耕地信息中包括了不同时期的耕地信息。
在步骤S204中,针对所述耕地信息中的待更新一期的耕地信息,结合所述耕地信息的已有植被类型历史记录提取第一耕地变化斑块。
在获取到耕地信息之后,针对待更新一期的耕地信息,结合所述耕地信息对应的植被类型历史记录,从所述耕地信息中提取出第一耕地变化斑块,从而得到分辨率较粗的耕地变化范围。
可选地,作为本发明的另一个优选示例,图3示出了本发明实施例提供的耕地信息的更新方法中步骤S101的第二实现流程。参阅图3,所述步骤S101包括:
步骤S301至步骤S302,其中,步骤S301至步骤S302与图2实施例中所述的步骤S201至步骤S202相同,具体请参见上述实施例的叙述,此处不再赘述。
所述步骤S101还包括:
在步骤S303中,采用时间序列变化检测的方法,根据所述遥感植被指数的时序特征,提取出两个时期间隔里发生耕地变化的信息,得到第一耕地变化斑块。
在这里,所述变化检测是指从不同时期的遥感数据中定量分析和确定变化的特征与过程,具体为检测相同像素在不同时期的遥感数据中的变化趋势。本发明实施例通过对第一遥感影像提取出的遥感植被指数的时序特征进行变化检测,从中提取出耕地发生变化的部分,即第一耕地变化斑块,得到分辨率较粗的耕地变化范围。
在步骤S102中,参照所述第一耕地变化斑块,从第二遥感影像中提取第二耕地变化斑块。
在通过步骤S101初步筛选之后,本发明实施例采用高空间分辨率的第二遥感影像来进行二次的耕地变化信息筛选。其中,所述第二遥感影像主要分辨率较高、价格昂贵的航空照片、卫星照片,包括但不限于QuickBird卫星、WorldView卫星、国产GF系列卫星等获得的遥感影像。所述第二遥感影像的分辨率高于所述第一遥感影像。本发明实施例参照所提取出的第一耕地变化斑块,采用面向对象的遥感分类方法,并结合纹理和光谱信息,从两个或者多个不同时期的第二遥感影像再提取出耕地发生变化的部分,得到耕地变化斑块,记为第二耕地变化斑块,从而实现了在更精细化尺度上提取出耕地变化信息。
在这里,由于上述步骤S101是基于第一遥感影像进行提取的,所提取出的第一耕地变化斑块为具有较粗分辨率的耕地变化范围。上述步骤S102是基于第二遥感影像进行提取的,所述第二遥感影像的分辨率高于所述第一遥感影像,通常为高空间分辨率的遥感影像,因此,所提取出的第二耕地变化斑块为具有较高分辨率的耕地变化范围,即所述第二耕地变化斑块的分辨率高于所述第一耕地变化斑块。本发明实施例没有直接在分辨率较高的影像上进行分析,而是先在免费的、容易获取时间序列的影像上进行初步的筛选,并以所筛选出的第一耕地变化斑块作为参考,再从更高分辨率的第二遥感影像中提取第二耕地变化斑块,能够在提取的同时完成对所耕地变化斑块的验证,且缩小了二次提取的工作量,有效地提高了耕地变化斑块提取的效率及准确性。
在步骤S103中,排除所述第二耕地变化斑块中的伪变化斑块,获取目标耕地变化斑块及其属性信息。
在通过从第一遥感影像、第二遥感影像两个不同空间尺度的遥感影像筛选出第二耕地变化斑块后,本发明实施例再对所筛选出的第二耕地变化斑块进行真伪判断,以排除伪变化斑块,得到目标耕地变化斑块。所述目标耕地变化斑块是指发生确切变化的耕地变化斑块。可选地,图4示出了本发明实施例提供的耕地信息的更新方法中步骤S103的具体实现流程。参阅图4,所述步骤S103包括:
在步骤S401中,获取用户对所述第二耕地变化斑块的真伪判断信息,根据所述真伪判断信息排除所述第二耕地变化斑块中的伪变化斑块。
在这里,本发明实施例首先输出经过步骤S101、S102之后得到的第二耕地变化斑块,以供用户进行人工的真伪判断;然后获取用户的真伪判断信息,根据所述真伪判断信息排除一部分伪变化斑块,得到经过人工真伪判断之后的第二耕地变化斑块。其中,所述伪变化斑块是指错误提取的第二耕地变化斑块,包括比如耕地实际上没有发生变化的情况。
在步骤S402中,对于用户无法确定真伪的第二耕地变化斑块,结合实地取证信息再次排除伪变化斑块。
对于无法通过步骤S401确定真伪的第二耕地变化斑块,则结合实地取证影像再次排除伪变化斑块。其中,所述实地取证信息可以为通过外业无人机调研航拍的方式得到的无人机遥感影像或者架设传感器网络后以视频抬头得到的遥感影像。
本发明实施例通过人工筛选和实地取证信息来验证所述第二耕地变化斑块中的伪变化斑块,有效地提高了耕地变化检测的准确性。
在步骤S403中,以排除伪变化斑块后的剩余的第二耕地变化斑块作为目标耕地变化斑块,并获取所述目标耕地变化斑块的属性信息。
对于通过上述步骤S401和S402排除伪变化斑块后得到的剩余的第二耕地变化斑块,本发明实施例以所述剩余的第二耕地变化斑块作为目标耕地变化斑块,指导人工的外业工作,即人工野外实地勘察,并获取用户输入的野外实地勘察数据,从而得到所述目标耕地变化斑块的属性信息。
本发明实施例采用了多层级的方式提取耕地变化信息,通过引入较粗分辨率的第一遥感影像,根据所述第一遥感影像筛选出较粗的耕地变化斑块,然后借助所筛选出的耕地变化斑块,从较高分辨率的第二遥感影像提取出更精细化的耕地变化斑块,有效地加快了对耕地变化斑块的识别速度,提高了耕地变化检测的效率及准确性;在基于第一遥感影像和第二遥感影像所筛选出的耕地变化斑块的基础上,再结合人工真伪判断,得到具有确切变化的耕地变化斑块,有效地解决了原有耕地信息更新技术仅依靠人力而导致的人力成本高、时间成本大的问题。
在步骤S104中,根据所述目标耕地变化斑块及其属性信息更新数据库,生成统计报表。
综上所述,本发明实施例通过从第一遥感影像中提取第一耕地变化斑块;然后参照所述第一耕地变化斑块,从第二遥感影像中提取第二耕地变化斑块,其中,所述第二遥感影像的分辨率高于所述第一遥感影像;在所得到的第二耕地变化斑块的基础上,再排除其中的伪变化斑块,获取目标耕地变化斑块及其属性信息,所述目标耕地变化斑块为发生确切变化的耕地变化斑块;最后根据所述目标耕地变化斑块及其属性信息更新数据库,生成统计报表;从而解决了现有技术对城市周边的耕地信息进行更新时存在的人力成本高、耗费时间的问题,且通过逐步细化的耕地变化确认过程,提高了耕地变化检测的效率和准确率。
图5示出了本发明实施例提供的耕地信息的更新系统的组成结构,为了便于说明,仅示出了与本发明实施例相关的部分。
在本发明实施例中,所述系统用于实现上述图1至图4实施例中所述的耕地信息的更新方法,可以是内置于计算机、服务器内的软件单元、硬件单元或者软硬件结合的单元。
参阅图5,所述系统包括:
第一提取模块51,用于从第一遥感影像中提取第一耕地变化斑块;
第二提取模块52,用于参照所述第一耕地变化斑块,从第二遥感影像中提取第二耕地变化斑块,所述第二遥感影像的分辨率高于所述第一遥感影像;
排除模块53,用于排除所述第二耕地变化斑块中的伪变化斑块,获取目标耕地变化斑块及其属性信息,所述目标耕地变化斑块为发生确切变化的耕地变化斑块;
更新模块54,用于根据所述目标耕地变化斑块及其属性信息更新数据库,生成统计报表。
在本发明实施例中,所述第一遥感影像通常为时间序列的、能够免费获取的或者价格便宜的遥感影像,包括但不限于Landsat资源卫星、中巴地球资源卫星CBERS、ZY系列卫星等获得的遥感影像,所述第一遥感影像的分辨率通常较低。所述第一耕地变化斑块为基于所述第一遥感影像提取出来的耕地变化信息。
作为本发明的一个优选示例,可以采用基于时间序列的遥感植被指数来提取耕地变化信息。所述第一提取模块51具体用于:
获取预处理后的若干个不同时期的第一遥感影像;
采用时间序列分析手段,获取所述第一遥感影像的遥感植被指数的时序特征;
根据所述遥感植被指数的时序特征判断植被类型,获取不同时期的耕地信息;
针对所述耕地信息中的待更新一期的耕地信息,结合所述耕地信息的植被类型的已有历史记录提取第一耕地变化斑块。
在这里,由于耕地存在农作物种植和收割期,因此耕地的植被指数信息会存在周期性变化。本发明实施例所述第一提取模块51,采用时间序列分析手段,从长时间序列的第一遥感影像中提取遥感植被指数的时序特征,得到不同时期的植被状态。可选地,所述植被指数可以采用归一化植被指数NDVI、增强型植被指数EVIs等。然后基于所述遥感植被指数的时序特征得到的不同时期的植被状态,判断植被类型,以区分耕地以及其他植被类型(比如草地、林地、园地、城市绿地等),初步获取耕地信息,所获取的耕地信息中包括了不同时期的耕地信息
在获取到耕地信息之后,则针对待更新一期的耕地信息,结合所述耕地信息对应的植被类型历史记录,从所述耕地信息中提取出第一耕地变化斑块,从而得到分辨率较粗的耕地变化范围。
可选地,在获取到遥感植被指数时序特征之后,所述第一提取模块51还可以用于:
采用时间序列变化检测的方法,根据所述遥感植被指数的时序特征,提取出两个时期间隔里发生耕地变化的信息,得到第一耕地变化斑块。
在这里,所述变化检测是指从不同时期的遥感数据中定量分析和确定地表变化的特征与过程,具体为检测相同像素在不同时期的遥感数据中的变化趋势。本发明实施例通过对两个或者多个不同时期的第一遥感影像提取出的遥感植被指数的时序特征进行变化检测,从中提取出耕地发生变化的部分,即第一耕地变化斑块,得到分辨率较粗的耕地变化范围。
进一步地,所述第二提取模块52具体用于:
参照所提取出的第一耕地变化斑块,采用面向对象的遥感分类方法,从第二遥感影像中提取第二耕地变化斑块。
在通过第一提取模块51完成较粗分辨率的耕地变化信息提取之后,本发明实施例再通过第二提取模块52参照所述较粗分辨率的耕地变化斑块,对高空间分辨率的第二遥感影像进行更细的耕地变化信息筛选。其中,所述第二遥感影像的分辨率高于所述第一遥感影像。所述第二遥感影像主要为航空照片、卫星照片,包括但不限于QuickBird卫星、WorldView卫星、国产GF系列卫星等获得的遥感影像。所述第二提取模块52参照所提取出的第一耕地变化斑块,采用面向对象的遥感分类方法,并结合纹理和光谱信息,从两个或者多个不同时期的第二遥感影像再提取出耕地发生变化的部分,得到耕地变化斑块,记为第二耕地变化斑块,从而实现了在更精细化尺度上提取出耕地变化信息
在这里,由于上述第一提取模块51是基于第一遥感影像进行提取的,所提取出的第一耕地变化斑块为具有较粗分辨率的耕地变化范围。上述第二提取模块52是基于第二遥感影像进行提取的,所述第二遥感影像的分辨率高于所述第一遥感影像,通常为高空间分辨率的遥感影像,因此,所提取出的第二耕地变化斑块为具有较高分辨率的耕地变化范围,即所述第二耕地变化斑块的分辨率高于所述第一耕地变化斑块。本发明实施例没有直接在分辨率较高的影像上进行分析,而是先在免费的、容易获取时间序列的影像上进行初步的筛选,并以所筛选出的以所述第一耕地变化斑块作为参考,再从更高分辨率的第二遥感影像中提取第二耕地变化斑块,能够在提取的同时完成对所耕地变化斑块的验证,且缩小了二次提取的工作量,有效地提高了耕地变化斑块提取的效率及准确性
进一步地,在通过从第一遥感影像、第二遥感影像两个不同空间尺度的遥感影像筛选出耕地变化斑块后,本发明实施例再对所筛选出的耕地变化斑块进行真伪判断,以排除伪变化的耕地变化斑块。所述排除模块53包括:
第一排除单元531,用于获取用户对所述第二耕地变化斑块的真伪判断信息,根据所述真伪判断信息排除所述第二耕地变化斑块中的伪变化斑块;
第二排除单元532,用于对于用户无法确定真伪的第二耕地变化斑块,结合实地取证信息再次排除伪变化斑块;
获取单元533,用于以排除伪变化斑块后的剩余的第二耕地变化斑块作为目标耕地变化斑块,并更新所述目标耕地变化斑块的属性信息。
在这里,本发明实施例首先通过第一排除单元531输出第二耕地变化斑块,以供用户进行人工真伪判断,结合用户输入的真伪判断信息排除一部分伪变化斑块,得到经过人工真伪判断之后的第二耕地变化斑块。其中,所述伪变化斑块是指错误提取的第二耕地变化斑块,包括比如耕地实际上没有发生变化的情况。
对于无法通过第一排除单元531确定真伪的第二耕地变化斑块,则通过第二排除单元532获取实地取证信息,并根据所述实地取证信息再次排除伪变化的耕地变化斑块。其中,所述实地取证信息可以为通过外业无人机调研航拍的方式得到的无人机遥感影像或者架设传感器网络后以视频抬头得到的遥感影像。
本发明实施例通过结合人工筛选和实地取证信息来验证所述第二耕地变化斑块中的伪变化斑块,有效地提高了耕地变化检测的准确性。
对于通过上述第一排除单元531和第二排除单元532排除伪变化斑块后得到的剩余的第二耕地变化斑块,本发明实施例以所述剩余的第二耕地变化斑块作为目标耕地变化斑块,指导人工的外业工作,即人工野外实地勘察,再通过所述获取单元533获取用户输入的野外实地勘察数据,从而得到所述目标耕地变化斑块的属性信息。
本发明实施例采用了多层级的方式提取耕地变化信息,通过引入较粗分辨率的第一遥感影像,根据所述第一遥感影像筛选出较粗的耕地变化范围,然后借助所筛选出的耕地变化范围,从较高分辨率的第二遥感影像提取出更精细化的耕地变化范围,有效地加快了对耕地变化斑块的识别速度,提高了耕地变化检测的效率及准确性;在基于第一遥感影像和第二遥感影像所筛选出的耕地变化斑块的基础上,再结合人工真伪判断,得到具有确切变化的耕地变化斑块,有效地解决了原有耕地信息更新技术仅依靠人力而导致的人力成本高、时间成本大的问题。
需要说明的是,本发明实施例中的系统可以用于实现上述方法实施例中的全部技术方案,其各个功能模块的功能可以根据上述方法实施例中的方法具体实现,其具体实现过程可参照上述实例中的相关描述,此处不再赘述。
综上所述,本发明实施例通过从第一遥感影像中提取第一耕地变化斑块;然后参照所述第一耕地变化斑块,从第二遥感影像中提取第二耕地变化斑块,其中,所述第二遥感影像的分辨率高于所述第一遥感影像;在所得到的第二耕地变化斑块的基础上,再排除其中的伪变化斑块,获取目标耕地变化斑块及其属性信息,所述目标耕地变化斑块为发生确切变化的耕地变化斑块;最后根据所述目标耕地变化斑块及其属性信息更新数据库,生成统计报表;从而解决了现有技术对城市周边的耕地信息进行更新时存在的人力成本高、耗费时间的问题,且通过逐步细化的耕地变化确认过程,提高了耕地变化检测的效率和准确率。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法及系统,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述模块、单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,模块或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元、模块单独物理存在,也可以两个或两个以上单元、模块集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种耕地信息的更新方法,其特征在于,所述更新方法包括:
从第一遥感影像中提取第一耕地变化斑块;
参照所述第一耕地变化斑块,从第二遥感影像中提取第二耕地变化斑块,所述第二遥感影像的分辨率高于所述第一遥感影像;
排除所述第二耕地变化斑块中的伪变化斑块,获取目标耕地变化斑块及其属性信息,所述目标耕地变化斑块为发生确切变化的耕地变化斑块;
根据所述目标耕地变化斑块及其属性信息更新数据库,生成统计报表。
2.如权利要求1所述的耕地信息的更新方法,其特征在于,所述从第一遥感影像中提取第一耕地变化斑块包括:
获取预处理后的若干个不同时期的第一遥感影像;
采用时间序列分析手段,获取所述第一遥感影像的遥感植被指数的时序特征;
根据所述遥感植被指数的时序特征判断植被类型,获取不同时期的耕地信息;
针对所述耕地信息中的待更新一期的耕地信息,结合所述耕地信息的植被类型的已有历史记录提取第一耕地变化斑块;或者
采用时间序列变化检测的方法,根据所述遥感植被指数的时序特征,提取出两个时期间隔里发生耕地变化的信息,得到第一耕地变化斑块。
3.如权利要求1所述的耕地信息的更新方法,其特征在于,所述参照所述第一耕地变化斑块,从第二遥感影像中提取第二耕地变化斑块包括:
参照所提取出的第一耕地变化斑块,采用面向对象的遥感分类方法,从第二遥感影像中提取第二耕地变化斑块。
4.如权利要求1至3任一项所述的耕地信息的更新方法,其特征在于,所述排除所述第二耕地变化斑块中的伪变化斑块,获取目标耕地变化斑块及其属性信息包括:
获取用户对所述第二耕地变化斑块的真伪判断信息,根据所述真伪判断信息排除所述第二耕地变化斑块中的伪变化斑块;
对于用户无法确定真伪的第二耕地变化斑块,结合实地取证信息再次排除伪变化斑块;
以排除伪变化斑块后的剩余的第二耕地变化斑块作为目标耕地变化斑块,并更新所述目标耕地变化斑块的属性信息。
5.一种耕地信息的更新系统,其特征在于,所述更新系统包括:
第一提取模块,用于从第一遥感影像中提取第一耕地变化斑块;
第二提取模块,用于参照所述第一耕地变化斑块,从第二遥感影像中提取第二耕地变化斑块,所述第二遥感影像的分辨率高于所述第一遥感影像;
排除模块,用于排除所述第二耕地变化斑块中的伪变化斑块,获取目标耕地变化斑块及其属性信息,所述目标耕地变化斑块为发生确切变化的耕地变化斑块;
更新模块,用于根据所述目标耕地变化斑块及其属性信息更新数据库,生成统计报表。
6.如权利要求5所述的耕地信息的更新系统,其特征在于,所述第一提取模块具体用于:
获取预处理后的若干个不同时期的第一遥感影像;
采用时间序列分析手段,获取所述第一遥感影像的遥感植被指数的时序特征;
根据所述遥感植被指数的时序特征判断植被类型,获取不同时期的耕地信息;
针对所述耕地信息中的待更新一期的耕地信息,结合所述耕地信息的植被类型的已有历史记录提取第一耕地变化斑块;或者
采用时间序列变化检测的方法,根据所述遥感植被指数的时序特征,提取出两个时期间隔里发生耕地变化的信息,得到第一耕地变化斑块。
7.如权利要求5所述的耕地信息的更新系统,其特征在于,所述第二提取模块具体用于:
参照所提取出的第一耕地变化斑块,采用面向对象的遥感分类方法,从第二遥感影像中提取第二耕地变化斑块。
8.如权利要求5至7任一项所述的耕地信息的更新系统,其特征在于,所述排除模块包括:
第一排除单元,用于获取用户对所述第二耕地变化斑块的真伪判断信息,根据所述真伪判断信息排除所述第二耕地变化斑块中的伪变化斑块;
第二排除单元,用于对于用户无法确定真伪的第二耕地变化斑块,结合实地取证信息再次排除伪变化斑块;
获取单元,用于以排除伪变化斑块后的剩余的第二耕地变化斑块作为目标耕地变化斑块,并更新所述目标耕地变化斑块的属性信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611246320.0A CN106682625A (zh) | 2016-12-29 | 2016-12-29 | 耕地信息的更新方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611246320.0A CN106682625A (zh) | 2016-12-29 | 2016-12-29 | 耕地信息的更新方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106682625A true CN106682625A (zh) | 2017-05-17 |
Family
ID=58873428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611246320.0A Pending CN106682625A (zh) | 2016-12-29 | 2016-12-29 | 耕地信息的更新方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106682625A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109344810A (zh) * | 2018-11-26 | 2019-02-15 | 国智恒北斗科技集团股份有限公司 | 一种基于高分卫星遥感数据的耕地变化监测方法及系统 |
CN110502597A (zh) * | 2019-08-21 | 2019-11-26 | 湖北泰龙互联通信股份有限公司 | 一种基于gis技术的林业资源采集方法和装置 |
CN111340779A (zh) * | 2020-02-25 | 2020-06-26 | 中国科学院地理科学与资源研究所 | 一种类圆形植被斑块综合检测方法 |
WO2022175236A1 (en) * | 2021-02-22 | 2022-08-25 | Yara International Asa | Remote soil and vegetation properties determination method and system |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103729835A (zh) * | 2013-12-26 | 2014-04-16 | 河南大学 | 一种基于中高分辨率遥感的植被参数拟合方法 |
CN104794424A (zh) * | 2014-01-20 | 2015-07-22 | 北京天合数维科技有限公司 | 一种新的中低分辨率遥感数据复合的耕地识别方法 |
CN104851087A (zh) * | 2015-04-17 | 2015-08-19 | 华中农业大学 | 多尺度森林动态变化监测方法 |
CN105447494A (zh) * | 2015-12-01 | 2016-03-30 | 二十一世纪空间技术应用股份有限公司 | 基于多源多时相遥感影像数据的菜田监测方法 |
-
2016
- 2016-12-29 CN CN201611246320.0A patent/CN106682625A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103729835A (zh) * | 2013-12-26 | 2014-04-16 | 河南大学 | 一种基于中高分辨率遥感的植被参数拟合方法 |
CN104794424A (zh) * | 2014-01-20 | 2015-07-22 | 北京天合数维科技有限公司 | 一种新的中低分辨率遥感数据复合的耕地识别方法 |
CN104851087A (zh) * | 2015-04-17 | 2015-08-19 | 华中农业大学 | 多尺度森林动态变化监测方法 |
CN105447494A (zh) * | 2015-12-01 | 2016-03-30 | 二十一世纪空间技术应用股份有限公司 | 基于多源多时相遥感影像数据的菜田监测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109344810A (zh) * | 2018-11-26 | 2019-02-15 | 国智恒北斗科技集团股份有限公司 | 一种基于高分卫星遥感数据的耕地变化监测方法及系统 |
CN110502597A (zh) * | 2019-08-21 | 2019-11-26 | 湖北泰龙互联通信股份有限公司 | 一种基于gis技术的林业资源采集方法和装置 |
CN111340779A (zh) * | 2020-02-25 | 2020-06-26 | 中国科学院地理科学与资源研究所 | 一种类圆形植被斑块综合检测方法 |
WO2022175236A1 (en) * | 2021-02-22 | 2022-08-25 | Yara International Asa | Remote soil and vegetation properties determination method and system |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Swatantran et al. | Rapid, high-resolution forest structure and terrain mapping over large areas using single photon lidar | |
Duncanson et al. | An efficient, multi-layered crown delineation algorithm for mapping individual tree structure across multiple ecosystems | |
Cohen et al. | Landsat's role in ecological applications of remote sensing | |
CN102855494B (zh) | 一种卫星遥感影像的水体提取方法及装置 | |
McCarty et al. | Extracting smallholder cropped area in Tigray, Ethiopia with wall-to-wall sub-meter WorldView and moderate resolution Landsat 8 imagery | |
Kamusoko et al. | Hybrid classification of Landsat data and GIS for land use/cover change analysis of the Bindura district, Zimbabwe | |
CN106682625A (zh) | 耕地信息的更新方法及系统 | |
Twongyirwe et al. | Three decades of forest cover change in Uganda’s Northern Albertine Rift Landscape | |
CN103489171A (zh) | 基于标准色彩库的大范围遥感影像自动化匀光匀色方法 | |
Li et al. | Extracting check dam areas from high‐resolution imagery based on the integration of object‐based image analysis and deep learning | |
Brownett et al. | The development and application of remote sensing to monitor sand dune habitats | |
Neigh et al. | Regional rates of young US forest growth estimated from annual Landsat disturbance history and IKONOS stereo imagery | |
Zhang et al. | UAV‐derived imagery for vegetation structure estimation in rangelands: validation and application | |
Belcore et al. | Riparian ecosystems mapping at fine scale: a density approach based on multi‐temporal UAV photogrammetric point clouds | |
Marshall et al. | Detecting new Buffel grass infestations in Australian arid lands: evaluation of methods using high-resolution multispectral imagery and aerial photography | |
Kumar et al. | Constrained linear spectral unmixing technique for regional land cover mapping using MODIS data | |
Poorzady et al. | Spatial and temporal changes of Hyrcanian forest in Iran | |
CN102622345B (zh) | 多源时空数据协同的高精度土地利用遥感更新技术 | |
González‐Orozco et al. | Taxonomic identification of Amazonian tree crowns from aerial photography | |
Nallan et al. | Hot spot analysis using NDVI data for impact assessment of watershed development | |
EP4360064A1 (en) | Systems and methods for categorizing image pixels | |
Kanellopoulos et al. | Machine vision and advanced image processing in remote sensing: proceedings of Concerted Action MAVIRIC (Machine vision in remotely sensed image comprehension) | |
Lowry Jr et al. | Land cover classification and mapping | |
Zhang et al. | Individual tree detection and counting based on high-resolution imagery and the canopy height model data | |
Buck et al. | Object based image analysis to support environmental monitoring under the European Habitat Directive: a case study from DECOVER |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170517 |