CN108957480A - 一种读取选定区域ndvi值的方法 - Google Patents
一种读取选定区域ndvi值的方法 Download PDFInfo
- Publication number
- CN108957480A CN108957480A CN201810877975.0A CN201810877975A CN108957480A CN 108957480 A CN108957480 A CN 108957480A CN 201810877975 A CN201810877975 A CN 201810877975A CN 108957480 A CN108957480 A CN 108957480A
- Authority
- CN
- China
- Prior art keywords
- selection area
- ndvi value
- region
- converted
- satellite image
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000010438 heat treatment Methods 0.000 claims description 4
- 238000002310 reflectometry Methods 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000000306 recurrent effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明属于农业遥感技术应用领域，公开了一种读取选定区域NDVI值的方法，包括以下步骤：将多光谱卫星影像转换为热力图；用户在多光谱卫星影像上选定需要了解的区域,获取选定区域的GeoJSON文件；通过选定区域的GeoJSON文件提取热力图相应区域的RGB信息，将RGB信息转换为该区域的平均长势指数；将平均长势指数转换为该区域的平均NDVI值并显示。本发明中，通过选定区域的GeoJSON文件同时获取指定区域内所有像元的数据，比现有方法中通过Json文件每次获取一个像元来获取指定区域内所有像元的数据要高效很多，尤其是在像元量巨大的时候，本方法解决了现有技术中获取选定区域的NDVI值时，需要进行极大的数据量处理而导致的效率低的问题，从而推动遥感监测进一步应用。
Description
技术领域
本发明属于农业遥感技术应用领域，尤其涉及一种读取选定区域NDVI值的方法。
背景技术
中国是农业大国，农业生产是中国社会最重要的生产活动之一。近年来，遥感监测在农业生产活动中得到了迅速的发展。在现有遥感监测农作物生长状况的应用中，NDVI值(归一化植被指数)是最常用的技术指标之一，原始NDVI值为一个-1至1的数值，归一化处理后的NDVI值为一个0至1的数值，对应的农作物生理特征是叶绿素含量，能够反应农作物的长势和健康状况。
现有技术中，主要是通过遥感监测得到多光谱卫星影像，用户根据得到的多光谱卫星影像了解全球、国家或地区农作物的总体生长情况。当需要得到具体区域的NDVI值时，必须先将多光谱卫星影像下载到用户终端，因为多光谱卫星影像使用假彩色呈现，用户不能很直观的从图中获取长势优劣对比，因而对用户来说参考意义不大，所以要将多光谱卫星影转换为长势指数对应分布图，然后通过Json文件找到各个像元对应的地方，分别获取具体区域中所有像元对应的长势指数后，再将具体区域的长势指数转换为对应的NDVI值，需要了解的具体区域的像元数量大时，这一过程需要大规模的计算，花费的时间也是巨大的。例如具体区域包含100万个像元，通过Json文件进行处理，每个像元都需要被处理一次，需要花费6到8小时，包含的像元更多时，则将花费更多的时间，这样的效率是很低的。因而通过现有技术来了解指定区域的NDVI值很不现实，但是很多时候，了解总体的NDVI值的同时了解指定区域的NDVI值更有助于全面深入的了解农作物生长情况，为作出进一步决策提供更强有力的依据。
发明内容
本发明的目的在于：通过一种读取选定区域NDVI值的方法，解决现有技术中获取选定区域的NDVI值时，需要进行极大的数据量处理而导致的效率低的问题，从而推动遥感监测进一步应用。
本发明采用的技术方案如下：
一种读取选定区域NDVI值的方法，包括以下步骤：
步骤1：将多光谱卫星影像转换为热力图；
步骤2：用户在多光谱卫星影像上选定需要了解的区域,获取选定区域的GeoJSON文件；
步骤3：通过选定区域的GeoJSON文件提取步骤1中热力图相应区域的RGB信息，将RGB信息转换为该区域的平均长势指数；
步骤4：将平均长势指数转换为该区域的平均NDVI值并显示。
进一步，所述步骤1的具体步骤为：
步骤11：获取多光谱卫星影像；
步骤12：基于公式得到多光谱卫星影像各像元所对应的原始NDVI值，并将原始NDVI值归一化处理，得到各像元对应的NDVI值，NDVI值为一个0至1的数值；
步骤13：通过递归神经网络模型将各像元NDVI值转换为0至80区间的长势指数；
步骤14：根据各像元长势指数对应的RGB信息值形成多光谱卫星影像对应的热力图。
进一步，所述步骤12的公式如下为：
其中，NIR和RED分别为近红外和红光波段的反射率。
进一步，所述步骤2中用户通过鼠标箭头选定所需要了解的区域。
进一步，所述热力图在Web端呈现给用户。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1、本发明中，通过一种读取选定区域NDVI值的方法，通过选定区域的GeoJSON文件可同时获取指定区域内所有像元的数据，比现有方法中通过Json文件每次获取一个像元来获取指定区域内所有像元的数据要高效很多，尤其是在指定区域内像元量巨大的时候，本方法相较于现有技术其效率会有巨大的提升，从而推动遥感监测进一步应用。
2、用户直接通过鼠标箭头选定区域，更为人性化，便于用户操作。
3、热力图在Web端呈现给用户，简单便捷，便于用户在任何有网络的地方方面的获取所需信息。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明实施例中的一种读取选定区域NDVI值的方法的流程示意图。
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用以解释本发明，并不用于限定本发明，即所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
一种读取选定区域NDVI值的方法，包括以下步骤：
步骤1：将多光谱卫星影像转换为热力图；
步骤2：用户在多光谱卫星影像上选定需要了解的区域,获取选定区域的GeoJSON文件；
步骤3：通过选定区域的GeoJSON文件提取步骤1中热力图相应区域的RGB信息，将RGB信息转换为该区域的平均长势指数；
步骤4：将平均长势指数转换为该区域的平均NDVI值并显示。
所述步骤1的具体步骤为：
步骤11：获取多光谱卫星影像；
步骤12：基于公式得到多光谱卫星影像各像元所对应的原始NDVI值，并将原始NDVI值归一化处理，得到各像元对应的NDVI值，NDVI值为一个0至1的数值；
步骤13：通过递归神经网络模型将各像元NDVI值转换为0至80区间的长势指数；
步骤14：根据各像元长势指数对应的RGB信息值形成多光谱卫星影像对应的热力图。
所述步骤12的公式如下为：
其中，NIR和RED分别为近红外和红光波段的反射率。
所述步骤2中用户通过鼠标箭头选定所需要了解的区域。
所述热力图在Web端呈现给用户。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
本发明较佳实施例提供的一种读取选定区域NDVI值的方法，从遥感集市获取全国多光谱卫星影像，其像元映射到实际区域大小约为100平米，该影像使用假彩色呈现，且由于原始NDVI值处于-1至1的区间之内，归一化处理后的NDVI值处于0至1的区间，对用户了解局部农作物生长情况并没有多大的参考价值。因而在获取全国多光谱卫星影像后，根据影像中的近红外和红光波段的反射率，通过公式得到影像各像元所对应的原始NDVI值，归一化处理后得到处于0至1区间的NDVI值，将归一化处理后的影像中各个像元的NDVI值通过递归神经网络模型转换为对应的处于0至80数值区间的长势指数，再通过各像元的长势指数得到对应的RGB信息，然后由后台自动将RGB信息转换为基于JavaScript颜色处理库的热力图，该热力图的分辨率取决于多光谱卫星影像的分辨率，将转换后得到的热力图保存。后台根据用户的需求，将热力图呈现出来，由于长势指数数值区间为0至80，相差较大，因而对应的RGB信息形成的热力图相比较多光谱卫星影像，用户能够很直观的了解到全国范围内的农作物大致生长情况。当用户想要了解湖南地区的农作物生长情况，只需要通过鼠标箭头选定湖南所对应区域，后台获取鼠标箭头选定区域的GeoJSON文件，从而确定选定区域位置信息，然后根据选定区域位置信息获取热力图对应区域的RGB信息，然后将RGB信息转换为选定区域的平均长势指数，将所得数值转换为平均NDVI值，并在指定区域处显示出来，为用户作决策提供参考。
用户还可放大热力图，点击后获取更小局部区域的NDVI值。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种读取选定区域NDVI值的方法，其特征在于，包括以下步骤：
步骤1：将多光谱卫星影像转换为热力图；
步骤2：用户在多光谱卫星影像上选定需要了解的区域,获取选定区域的GeoJSON文件；
步骤3：通过选定区域的GeoJSON文件提取步骤1中热力图相应区域的RGB信息，将RGB信息转换为该区域的平均长势指数；
步骤4：将平均长势指数转换为该区域的平均NDVI值并显示。
2.根据权利要求1所述的一种读取选定区域NDVI值的方法，其特征在于，所述步骤1的具体步骤为：
步骤11：获取多光谱卫星影像；
步骤12：基于公式得到多光谱卫星影像各像元所对应的原始NDVI值，并将原始NDVI值归一化处理，得到各像元对应的NDVI值，NDVI值为一个0至1的数值；
步骤13：通过递归神经网络模型将各像元NDVI值转换为0至80区间的长势指数；
步骤14：根据各像元长势指数对应的RGB信息值形成多光谱卫星影像对应的热力图。
3.根据权利要求2所述的一种读取选定区域NDVI值的方法，其特征在于，所述步骤12的公式如下为：
其中，NIR和RED分别为近红外和红光波段的反射率。
4.根据权利要求1所述的一种读取选定区域NDVI值的方法，其特征在于，所述步骤2中用户通过鼠标箭头选定所需要了解的区域。
5.根据权利要求1或2所述的一种读取选定区域NDVI值的方法，其特征在于，所述热力图在Web端呈现给用户。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810877975.0A CN108957480B (zh) | 2018-08-03 | 2018-08-03 | 一种读取选定区域ndvi值的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810877975.0A CN108957480B (zh) | 2018-08-03 | 2018-08-03 | 一种读取选定区域ndvi值的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108957480A true CN108957480A (zh) | 2018-12-07 |
| CN108957480B CN108957480B (zh) | 2020-10-23 |
Family
ID=64467167
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810877975.0A Expired - Fee Related CN108957480B (zh) | 2018-08-03 | 2018-08-03 | 一种读取选定区域ndvi值的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108957480B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110717087A (zh) * | 2019-04-24 | 2020-01-21 | 中国科学院地理科学与资源研究所 | 一种指定位置点的归一化植被指数ndvi获取方法及系统 |
| CN112581464A (zh) * | 2020-12-25 | 2021-03-30 | 武汉禾大科技有限公司 | 一种作物长势情况分析方法、装置及存储介质 |
| CN113029973A (zh) * | 2021-02-25 | 2021-06-25 | 嘉应学院 | 一种读取选定区域ndvi值的装置及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101839979A (zh) * | 2010-04-22 | 2010-09-22 | 中国农业大学 | 作物冠层植被指数测量方法及装置 |
| CN106371155A (zh) * | 2016-08-25 | 2017-02-01 | 华南师范大学 | 基于大数据和分析场的气象预报方法及系统 |
| CN106550521A (zh) * | 2015-09-23 | 2017-03-29 | 阿里巴巴集团控股有限公司 | 一种光照角度的确定方法及装置 |
| KR101832454B1 (ko) * | 2017-01-24 | 2018-04-13 | 전주비전대학교산학협력단 | 드론 기반 열적외선 센서를 이용한 태양광 셀 발열 위치 분석 방법 |
-
2018
- 2018-08-03 CN CN201810877975.0A patent/CN108957480B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101839979A (zh) * | 2010-04-22 | 2010-09-22 | 中国农业大学 | 作物冠层植被指数测量方法及装置 |
| CN106550521A (zh) * | 2015-09-23 | 2017-03-29 | 阿里巴巴集团控股有限公司 | 一种光照角度的确定方法及装置 |
| CN106371155A (zh) * | 2016-08-25 | 2017-02-01 | 华南师范大学 | 基于大数据和分析场的气象预报方法及系统 |
| KR101832454B1 (ko) * | 2017-01-24 | 2018-04-13 | 전주비전대학교산학협력단 | 드론 기반 열적외선 센서를 이용한 태양광 셀 발열 위치 분석 방법 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110717087A (zh) * | 2019-04-24 | 2020-01-21 | 中国科学院地理科学与资源研究所 | 一种指定位置点的归一化植被指数ndvi获取方法及系统 |
| CN112581464A (zh) * | 2020-12-25 | 2021-03-30 | 武汉禾大科技有限公司 | 一种作物长势情况分析方法、装置及存储介质 |
| CN112581464B (zh) * | 2020-12-25 | 2024-02-23 | 武汉禾大科技有限公司 | 一种作物长势情况分析方法、装置及存储介质 |
| CN113029973A (zh) * | 2021-02-25 | 2021-06-25 | 嘉应学院 | 一种读取选定区域ndvi值的装置及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108957480B (zh) | 2020-10-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Alonzo et al. | Identifying Santa Barbara's urban tree species from AVIRIS imagery using canonical discriminant analysis | |
| Pascual et al. | Relationship between LiDAR-derived forest canopy height and Landsat images | |
| Ghiyamat et al. | A review on hyperspectral remote sensing for homogeneous and heterogeneous forest biodiversity assessment | |
| Long et al. | Object-oriented crop classification using multitemporal ETM+ SLC-off imagery and random forest | |
| Gurgel et al. | Annual and interannual variability of NDVI in Brazil and its connections with climate | |
| Lu et al. | Fractional forest cover mapping in the Brazilian Amazon with a combination of MODIS and TM images | |
| CN108957480A (zh) | 一种读取选定区域ndvi值的方法 | |
| Gao et al. | Object-based classification with features extracted by a semi-automatic feature extraction algorithm–SEaTH | |
| US20110135193A1 (en) | Generating Agricultural Information Products Using Remote Sensing | |
| CN112164062A (zh) | 一种基于遥感时序分析的抛荒地信息提取方法及装置 | |
| Tang et al. | Mapping forest disturbance across the China–Laos border using annual Landsat time series | |
| Bontemps et al. | Monitoring forest changes in Borneo on a yearly basis by an object-based change detection algorithm using SPOT-VEGETATION time series | |
| Wang et al. | Unsupervised discrimination between lodged and non-lodged winter wheat: A case study using a low-cost unmanned aerial vehicle | |
| Sun et al. | Coupling spectral unmixing and multiseasonal remote sensing for temperate dryland land-use/land-cover mapping in Minqin County, China | |
| Fan et al. | Characterizing changes in cropping patterns using sequential Landsat imagery: An adaptive threshold approach and application to Phoenix, Arizona | |
| Li et al. | An all-season sample database for improving land-cover mapping of Africa with two classification schemes | |
| Wang et al. | Impacts of topography on the land cover classification in the Qilian Mountains, Northwest China | |
| CN113609899A (zh) | 基于遥感时序分析的退耕地信息定位显示系统 | |
| Karydas | Optimization of multi-scale segmentation of satellite imagery using fractal geometry | |
| Marshall et al. | Testing a high-resolution satellite interpretation technique for crop area monitoring in developing countries | |
| Warner | Hyperspherical direction cosine change vector analysis | |
| Arenas-Castro et al. | Mapping wild pear trees (Pyrus bourgaeana) in Mediterranean forest using high-resolution QuickBird satellite imagery | |
| Shangguan et al. | Mapping spatial-temporal nationwide soybean planting area in Argentina using Google Earth Engine | |
| Shimizu et al. | Combining post-disturbance land cover and tree canopy cover from Landsat time series data for mapping deforestation, forest degradation, and recovery across Cambodia | |
| Izadi et al. | Estimation of coppice forest characteristics using spatial and non-spatial models and Landsat data |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200918 Address after: 303, 3 / F, block g, Zhizao street, Zhongguancun, 45 Chengfu Road, Haidian District, Beijing 100080 Applicant after: Beijing trakuta Technology Co.,Ltd. Address before: 610000, Sichuan, Chengdu, China (Sichuan) free trade test zone, Chengdu hi tech Zone, Tianfu five street, No. 1, building 200, zone B, zone 4-5 Applicant before: CHENGDU TIANDI QUANTUM TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201023 |