CN109115770A - 一种大范围农作物遥感监测方法及装置 - Google Patents

Abstract

本发明涉及一种大范围农作物遥感监测方法及装置，通过对NDVI生长指数影像根据NDVI值进行分级，由已知具有特定作物的某一区域作为样本，通过NDVI值的正态分布曲线，取95％置信区间的阈值X，然后将该阈值X投射到分级区间D上，最终以该分级区间D为依据得到特定作物的分布图。本方法综合兼顾了精度和处理效率，在处理效率提高的基础上获得了不错的精度。

Description

一种大范围农作物遥感监测方法及装置

技术领域

本发明涉及一种大范围农作物遥感监测方法及装置，属于遥感图像用于农作物监控技术领域。

背景技术

作物的遥感调查监测分析首先就是要精准识别作物及种植区域。作物种植的空间格局包括作物的种植面积及空间分布，众多的学者基于不同的遥感数据源和不同的方法做了大量的研究。从影像上可分为单一影像直接提取和基于多时相影像叠加判定提取。单一影像法针对作物种植结构简单区域的常用方法，并广泛应用于作物长势、产量及品质的遥感监测上。在作物的识别上分别采取了基于像元的简单监督分类、最大似然监督分类分阶段提取、非监督分类的ISODATA算法、决策树分类解译法以及面向对象的分类提取机制。单一影像的方法需寻求待提取作物的关键生长期，即最佳识别期，将该作物与其他作物或背景明显区分开来，但因卫星过境周期问题及云雨的影响，导致对应时期的高质量影像难以获得。为解决这一问题，基于多时相影像的作物识别提取方法，大大提升了提取精度，现已成为最为主流的作物识别提取技术方法。其关键就是获取特征量，由时序影像产生的时序特征曲线可反映作物的物候规律及生长动态变化。针对不同地区的作物种植的差异性，可采用单一特征量或综合多特征量。对作物而言，多光谱遥感影像的红波段及近红外波段的变化可直接反映其叶绿素吸收能力及叶面积指数的动态，NDVI(归一化植被指数)是上述两波段的组合，是目前农业上运用最广泛的光谱组合特征量。NDVI的特征值所表示的物候学意义已被学者所详细描述。以NDVI时序曲线为参考，通过野外监测数据的迭代修正、光谱标准差取值差异、谐波初始相位及振幅比例、数据融合和算法实现阈值的确定，取得了不错的分类精度。此外，引入综合其他多特征参量，如EVI(增强植被指数)、LSWI(陆表水分指数)和WRDVI(宽动态范围植被指数)，并在数据挖掘方面提取阈值卓有成效。无论是单特征量还是多特征量，其核心的步骤都是阈值的确定，如何实现阈值的自动提取及不同作物对不同特征量的敏感性有待进一步研究。

当前，大范围作物信息的调查精度上已很难适应精细农业的发展要求。需构建面向农作制的遥感监测技术体系，进一步提升方法的普适性和应用性。面对海量的遥控检测数据，急需一种综合兼顾精度和处理效率的大范围农作物遥感监测方法

发明内容

本发明要解决上述技术问题，从而提供一种综合兼顾精度和处理效率的大范围农作物遥感监测方法及装置。

本发明解决其技术问题所采用的技术方案是：

一种大范围农作物遥感监测方法，包括以下步骤：

S1：对遥感图像进行NDVI生长指数影像化，获取NDVI生长指数影像中的NDVI最大值及NDVI最小值，并以s的步长对NDVI值进行密度分级，形成从NDVI最大值到NDVI最小值的连续的分级区间D；

S2：选取一特定作物的某一区域，基于采样点像元提取工具计算得到的该区间的NDVI值，该区间的NDVI值符合正态分布，即N，选取95％的NDVI有效值的范围为阈值X＝(μ-1.96δ²，μ+1.96δ²)，将该阈值X投射到分级区间D上，寻找阈值X落入分级区间D中重叠最多且相邻最近的区间作为选取区间T，X∈D，T∈D，T∈X，选取区间T符合以下公式：

其中s为步长，a＝μ-1.96δ²，b＝μ+1.96δ²，k＝s×fix((a-min)/s)， f＝s×fix((b-min)/s)，μ为均值，δ²为方差，fix为取整函数，min为NDVI 最小值，max为NDVI最大值；

S3：以选取区间T的NDVI生长指数范围在遥感图像上标记出区域，该区域即为该特定作物在遥感图像上的分布图。

优选地，本发明的大范围农作物遥感监测方法，步长s为0.05-0.1。

本发明还提供一种大范围农作物遥感监测方法，包括以下步骤：

S0：获取同一地域不同时期的遥感图像；

S1：对每期遥感图像分别进行NDVI生长指数影像化，获取NDVI 生长指数影像中的NDVI最大值及NDVI最小值，并以s的步长对 NDVI值进行密度分级，形成从NDVI最大值到NDVI最小值的连续的分级区间D_i；

S2：选取一特定作物的某一区域，在每期NDVI生长指数影像上基于采样点像元提取工具计算得到的该区间的NDVI值，该区间的 NDVI值符合正态分布，即N，选取95％的NDVI有效值的范围为阈值X_i＝(μ_i-1.96δ_i ²，μ_i+1.96δ_i ²)，将该阈值X_i投射到分级区间D_i上，寻找阈值X_i落入分级区间D_i中重叠最多且相邻最近的区间作为选取区间T_i，X_i∈D_i，T_i∈D_i，T_i∈X_i，如图2所示，符合以下公式：

其中s为步长，a＝μ_i-1.96δ_i ²，b＝μ_i+1.96δ_i ²，k＝s×fix((a-min)/s)， f＝s×fix((b-min)/s)，μ_i为均值，δ_i ²为方差，fix为取整函数，min为NDVI 最小值，max为NDVI最大值，i～1到n，n为遥感图像总期数；

S3：以选取区间T_i的NDVI生长指数范围在每期遥感图像上标记出的区域，将标记出的区域的多期遥感图像进行叠加，选取重合的区域，该重合的区域为在多期遥感图像中均为标记出的区域，该重合的区域即为该特定作物在遥感图像上的分布图。

优选地，本发明的大范围农作物遥感监测方法，

在S2步骤中，对每期遥感图像分别进行NDVI生长指数影像化将图像中云量大于20％的区域进行特别标记，S3步骤中，选取重合的区域时，重合的区域的选取规则为多期遥感图像中均为标记出的区域或者至少一期遥感图像中为标记出的区域且其他期遥感图像为特别标记的区域。

优选地，本发明的大范围农作物遥感监测方法，特定作物为小麦、水稻、玉米。

本发明还提供一种大范围农作物遥感监测装置，包括：

影像化处理模块，用于对遥感图像进行NDVI生长指数影像化；

NDVI生长指数提取模块，获取NDVI生长指数影像中的NDVI 最大值及NDVI最小值；

密度分级模块，以s的步长对NDVI生长指数提取模块获取的 NDVI值进行密度分级，形成从NDVI最大值到NDVI最小值的连续的分级区间D；

采样点像元提取模块，用于计算得出的具有特定作物的区域的 NDVI值，该区域的NDVI值符合正态分布，即N；

投射模块，选取采样点像元提取模块中95％的NDVI有效值的范围为阈值X＝(μ-1.96δ²，μ+1.96δ²)，将该阈值X投射到分级区间D上，寻找阈值X落入分级区间D中重叠最多且相邻最近的区间作为选取区间T，X∈D，T∈D，T∈X，其中s为步长，a＝μ-1.96δ²，b＝μ+1.96δ²，k＝s×fix((a-min)/s)， f＝s×fix((b-min)/s)，μ为均值，δ²为方差，fix为取整函数；

地图标示模块，用于选取区间T的NDVI生长指数范围在遥感图像上标记出区域，该区域即为该特定作物在遥感图像上的分布图。

优选地，本发明的大范围农作物遥感监测方法，步长s为0.05-0.1。

本发明还提供一种大范围农作物遥感监测装置，包括：

遥感图像获取模块，用于获取同一地域不同时期的遥感图像；

影像化处理模块，用于对遥感图像进行NDVI生长指数影像化；

NDVI生长指数提取模块，获取NDVI生长指数影像中的NDVI 最大值及NDVI最小值；

密度分级模块，以s的步长对NDVI生长指数提取模块获取的NDVI值进行密度分级，形成从NDVI最大值到NDVI最小值的连续的分级区间D_i，s＝0.05-0.1；

采样点像元提取模块，用于计算得出的具有特定作物的区域的 NDVI值，该区域的NDVI值符合正态分布，即N；

投射模块，用于选取95％的NDVI有效值的范围为阈值 X_i＝(μ_i-1.96δ_i ²，μ_i+1.96δ_i ²)，将该阈值X_i投射到分级区间D_i上，寻找阈值X_i落入分级区间D_i中重叠最多且相邻最近的区间作为选取区间 T_i，X_i∈D_i，T_i∈D_i，T_i∈X_i，符合以下公式：

其中s为步长， a＝μ_i-1.96δ_i ²，b＝μ_i+1.96δ_i ²，k＝s×fix((a-min)/s)，f＝s×fix((b-min)/s)，μ_i为均值，δ_i ²为方差，fix为取整函数，i为每期遥感图像的编号；

地图标示模块，用于选取区间T_i的NDVI生长指数范围在每期遥感图像上标记出的区域，将标记出的区域的多期遥感图像进行叠加，选取重合的区域，该重合的区域为在多期遥感图像中均为标记出的区域，该重合的区域即为该特定作物在遥感图像上的分布图。

优选地，本发明的大范围农作物遥感监测装置，影像化处理模块还对每期遥感图像分别进行NDVI生长指数影像化将图像中云量大于20％的区域进行特别标记；

地图标示模块在选取重合的区域时，重合的区域的选取规则为多期遥感图像中均为标记出的区域或者至少一期遥感图像中为标记出的区域且其他期遥感图像为特别标记的区域。

优选地，本发明的大范围农作物遥感监测装置，特定作物为小麦、水稻、玉米。

其具有以下优点：

本发明的大范围农作物遥感监测方法，通过对NDVI生长指数影像根据NDVI值进行分级，由已知具有特定作物的某一区域作为样本，通过NDVI值的正态分布曲线，取95％置信区间的阈值X，然后将该阈值X投射到分级区间D上，最终以该分级区间D为依据得到特定作物的分布图。本综合兼顾了精度和处理效率，在处理效率提高的基础上获得了不错的精度。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明实施例的NDVI生长指数影像中分级区间及对应图像；

图2是本发明实施例将阈值X投射到分级区间D上的原理示意图；

图3是本发明实施例2重合的区域选取原理示意图；

图4为采用监控方法得到的苏州高新区水稻提分布图；

图5为某地作物/建筑的时间-HDVI生长指数曲线；

图6是水稻的监测结果与统计年鉴结果对比图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

实施例1

本实施例提供一种大范围农作物遥感监测方法，包括以下步骤：

S1：对遥感图像进行NDVI生长指数影像化，获取NDVI生长指数影像中的NDVI最大值(max)及NDVI最小值(min)，并以s的步长对NDVI值进行密度分级，形成从NDVI最大值(max)到NDVI 最小值(min)的连续的分级区间D_i，s＝0.05-0.1；

S2：选取一特定作物的某一区域(该区域通过野外采样和/或高分辨率影响目视解译来确定属于该特定作为)，基于采样点像元提取工具计算得到的该区域的NDVI值，该区域的NDVI值符合正态分布，即N(μ，δ²)，选取95％的NDVI有效值(剔除两端的奇点)的范围为阈值X＝(μ-1.96δ²，μ+1.96δ²)，将该阈值X投射到分级区间D上，寻找阈值X落入分级区间D中重叠最多且相邻最近的区间作为选取区间T，X∈D，T∈D，T∈X，如图2所示

其中s为步长(step)，a＝μ-1.96δ²，b＝μ+1.96δ²，k＝s×fix((a-min)/s)， f＝s×fix((b-min)/s)，μ为均值，δ²为方差，fix为取整函数。

S3：以选取区间T的NDVI生长指数范围在遥感图像上标记出区域，该区域即为该特定作物在遥感图像上的分布图。

特定作物为小麦、水稻、玉米等。

本实施例提供一种大范围农作物遥感监测装置，包括：

影像化处理模块，用于对遥感图像进行NDVI生长指数影像化；

NDVI生长指数提取模块，获取NDVI生长指数影像中的NDVI 最大值(max)及NDVI最小值(min)；

密度分级模块，以s的步长对NDVI生长指数提取模块获取的 NDVI值进行密度分级，形成从NDVI最大值(max)到NDVI最小值(min)的连续的分级区间D，s＝0.05-0.1；

采样点像元提取模块，用于计算得出的具有特定作物的区域该区域通过野外采样和/或高分辨率影响目视解译来确定属于该特定作物)的NDVI值，该区域的NDVI值符合正态分布，即N(μ，δ²)；

投射模块，选取采样点像元提取模块中95％的NDVI有效值(剔除两端的奇点)的范围为阈值X＝(μ-1.96δ²，μ+1.96δ²)，将该阈值X 投射到分级区间D上，寻找阈值X落入分级区间D中重叠最多且相邻最近的区间作为选取区间T，X∈D，T∈D，T∈X，

其中s为步长(step)， a＝μ-1.96δ²，b＝μ+1.96δ²，k＝s×fix((a-min)/s)，f＝s×fix((b-min)/s)，μ为均值，δ²为方差，fix为取整函数；

地图标示模块，用于选取区间T的NDVI生长指数范围在遥感图像上标记出区域，该区域即为该特定作物在遥感图像上的分布图。

实施例2

本实施例提供一种大范围农作物遥感监测方法，包括以下步骤：

S0：获取同一地域不同时期的遥感图像(共有n幅)，比如：以特定作物在时间-NDVI生长指数曲线的波峰对应的时间为基准，如图 5所示为某地的作物/建筑在一年时间内的时间-HDVI生长指数曲线，在波峰对应的时间的前后一段时间内进行拍摄遥感图像，这段时间可以是1个月；

S1：对每期遥感图像分别进行NDVI生长指数影像化，获取NDVI 生长指数影像中的NDVI最大值(max)及NDVI最小值(min)，并以s的步长对NDVI值进行密度分级，形成从NDVI最大值(max) 到NDVI最小值(min)的连续的分级区间D，s＝0.05-0.1，如图1所示，从-0.481038NDVI最小值(min)到0.562777NDVI最大值(max) 分为16级；

S2：选取一特定作物的某一区域(该区域通过野外采样和/或高分辨率影响目视解译)，在每期NDVI生长指数影像上基于采样点像元提取工具计算得到的该区域的NDVI值，该区域的NDVI值符合正态分布，即N(μ_i，δ_i ²)，选取95％的NDVI有效值(剔除两端的奇点)的范围为阈值X_i＝(μ_i-1.96δ_i ²，μ_i+1.96δ_i ²)，将该阈值X_i投射到分级区间D_i上，寻找阈值X_i落入分级区间D_i中重叠最多且相邻最近的区间作为选取区间T_i，X_i∈D_i，T_i∈D_i，T_i∈X_i，如图2所示，符合以下公式：

其中s为步长(step)，a＝μ_i-1.96δ_i ²，b＝μ_i+1.96δ_i ²，k＝s× fix((a-min)/s)，f＝s×fix((b-min)/s)，μ_i为均值，δ_i ²为方差，fix为取整函数，i为每期遥感图像的编号(i～1到n)。

S3：以选取区间T_i的NDVI生长指数范围在每期遥感图像上标记出的区域，将标记出的区域的多期遥感图像进行叠加，选取重合的区域，该重合的区域为在多期遥感图像中均为标记出的区域，该重合的区域即为该特定作物在遥感图像上的分布图，如图3所示。

在S2步骤中，对每期遥感图像分别进行NDVI生长指数影像化将图像中云量大于20％的区域进行特别标记，比如标记为NDVI生长指数范围以外的一个数字：2，NDVI生长指数范围为-1到1，S3步骤中，选取重合的区域时，重合的区域的选取规则为多期遥感图像中均为标记出的区域或者至少一期遥感图像中为标记出的区域且其他期遥感图像为特别标记的区域。

如图4所示为苏州高新区水稻提分布图。

本实施例提供一种大范围农作物遥感监测装置，包括：

遥感图像获取模块，用于获取同一地域不同时期的遥感图像，(共有n幅)，比如：以特定作物在时间-NDVI生长指数曲线的波峰对应的时间为基准，如图5所示为某地的作物/建筑在一年时间内的时间 -HDVI生长指数曲线，在波峰对应的时间的前后一段时间内进行拍摄遥感图像，这段时间可以是1个月；

影像化处理模块，用于对遥感图像进行NDVI生长指数影像化；

NDVI生长指数提取模块，获取NDVI生长指数影像中的NDVI 最大值(max)及NDVI最小值(min)；

密度分级模块，以s的步长对NDVI生长指数提取模块获取的 NDVI值进行密度分级，形成从NDVI最大值(max)到NDVI最小值(min)的连续的分级区间D_i，s＝0.05-0.1；如图1所示，从-0.481038 NDVI最小值(min)到0.562777NDVI最大值(max)分为16级；

采样点像元提取模块，用于计算得出的具有特定作物的区域(该区域通过野外采样和/或高分辨率影响目视解译来确定属于该特定作物)的NDVI值，该区域的NDVI值符合正态分布，即N(μ_i，δ_i ²)；

投射模块，用于选取95％的NDVI有效值(剔除两端的奇点)的范围为阈值X_i＝(μ_i-1.96δ_i ²，μ_i+1.96δ_i ²)，将该阈值X_i投射到分级区间 D_i上，寻找阈值X_i落入分级区间D_i中重叠最多且相邻最近的区间作为选取区间T_i，X_i∈D_i，T_i∈D_i，T_i∈X_i，如图2所示，符合以下公式：

其中s为步长(step)， a＝μ_i-1.96δ_i ²，b＝μ_i+1.96δ_i ²，k＝s×fix((a-min)/s)，f＝s×fix((b-min)/s)，μ_i为均值，δ_i ²为方差，fix为取整函数，i为每期遥感图像的编号(i～1 到n)；

地图标示模块，用于选取区间T_i的NDVI生长指数范围在每期遥感图像上标记出的区域，将标记出的区域的多期遥感图像进行叠加，选取重合的区域，该重合的区域为在多期遥感图像中均为标记出的区域，该重合的区域即为该特定作物在遥感图像上的分布图。

影像化处理模块还对每期遥感图像分别进行NDVI生长指数影像化将图像中云量大于20％的区域进行特别标记；

地图标示模块在选取重合的区域时，重合的区域的选取规则为多期遥感图像中均为标记出的区域或者至少一期遥感图像中为标记出的区域且其他期遥感图像为特别标记的区域。

效果实施例

对2016年某地水稻以实施例2的方法进行监测，监测结果与统计年鉴结果进行面积核对，并进行1：1图对比分析，得出水稻的均在0.9以上，如图6所示，相似度表现良好，总体误差低于10％，提取面积与统计面积的精度为91％，在267个有效样点数中有238个正确分类，匹配精度为89.1％。

传统使用遥感专业软件进行影像的处理及作物的提取需7-10天，而使用本实施例的方法完成江苏地区96个区县仅需4天的时间。

上述实施例的大范围农作物遥感监测方法，通过对NDVI生长指数影像根据NDVI值进行分级，由已知具有特定作物的某一区域作为样本，通过NDVI值的正态分布曲线，取95％置信区间的阈值X，然后将该阈值X投射到分级区间D上，最终以该分级区间D为依据得到特定作物的分布图。本方法综合兼顾了精度和处理效率，在处理效率提高的基础上获得了不错的精度。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (10)

1.一种大范围农作物遥感监测方法，其特征在于，包括以下步骤：

S1：对遥感图像进行NDVI生长指数影像化，获取NDVI生长指数影像中的NDVI最大值及NDVI最小值，并以s的步长对NDVI值进行密度分级，形成从NDVI最大值到NDVI最小值的连续的分级区间D；

S2：选取一特定作物的某一区域(该区域通过野外采样和/或高分辨率影响目视解译)，基于采样点像元提取工具计算得到的该区间的NDVI值，该区间的NDVI值符合正态分布，即N(μ，δ²)，选取95％的NDVI有效值的范围为阈值X＝(μ-1.96δ²，μ+1.96δ²)，将该阈值X投射到分级区间D上，寻找阈值X落入分级区间D中重叠最多且相邻最近的区间作为选取区间T，X∈D，T∈D，T∈X，选取区间T符合以下公式：

其中s为步长(step)，a＝μ-1.96δ²，b＝μ+1.96δ²，k＝s×fix((a-min)/s)，f＝s×fix((b-min)/s)，μ为均值，δ²为方差，fix为取整函数，min为NDVI最小值，max为NDVI最大值；

S3：以选取区间T的NDVI生长指数范围在遥感图像上标记出区域，该区域即为该特定作物在遥感图像上的分布图。

2.根据权利要求1所述的大范围农作物遥感监测方法，其特征在于，步长s为0.05-0.1。

3.一种大范围农作物遥感监测方法，其特征在于，包括以下步骤：

S0：获取同一地域不同时期的遥感图像；

S1：对每期遥感图像分别进行NDVI生长指数影像化，获取NDVI生长指数影像中的NDVI最大值及NDVI最小值，并以s的步长对NDVI值进行密度分级，形成从NDVI最大值到NDVI最小值的连续的分级区间D_i；

S2：选取一特定作物的某一区域(该区域通过野外采样和/或高分辨率影响目视解译)，在每期NDVI生长指数影像上基于采样点像元提取工具计算得到的该区间的NDVI值，该区间的NDVI值符合正态分布，即N(μ_i，δ_i ²)，选取95％的NDVI有效值(剔除两端的奇点)的范围为阈值X_i＝(μ_i-1.96δ_i ²，μ_i+1.96δ_i ²)，将该阈值X_i投射到分级区间D_i上，寻找阈值X_i落入分级区间D_i中重叠最多且相邻最近的区间作为选取区间T_i，X_i∈D_i，T_i∈D_i，T_i∈X_i，如图2所示，符合以下公式：

其中s为步长(step)，a＝μ_i-1.96δ_i ²，b＝μ_i+1.96δ_i ²，k＝s×fix((a-min)/s)，f＝s×fix((b-min)/s)，μ_i为均值，δ_i ²为方差，fix为取整函数，min为NDVI最小值，max为NDVI最大值，i～1到n，n为遥感图像总期数；

S3：以选取区间T_i的NDVI生长指数范围在每期遥感图像上标记出的区域，将标记出的区域的多期遥感图像进行叠加，选取重合的区域，该重合的区域为在多期遥感图像中均为标记出的区域，该重合的区域即为该特定作物在遥感图像上的分布图。

4.根据权利要求3所述的大范围农作物遥感监测方法，其特征在于，

在S2步骤中，对每期遥感图像分别进行NDVI生长指数影像化将图像中云量大于20％的区域进行特别标记，S3步骤中，选取重合的区域时，重合的区域的选取规则为多期遥感图像中均为标记出的区域或者至少一期遥感图像中为标记出的区域且其他期遥感图像为特别标记的区域。

5.根据权利要求3-7任一项所述的大范围农作物遥感监测方法，其特征在于，特定作物为小麦、水稻、玉米。

6.一种大范围农作物遥感监测装置，其特征在于，包括：

影像化处理模块，用于对遥感图像进行NDVI生长指数影像化；

NDVI生长指数提取模块，获取NDVI生长指数影像中的NDVI最大值及NDVI最小值；

密度分级模块，以s的步长对NDVI生长指数提取模块获取的NDVI值进行密度分级，形成从NDVI最大值到NDVI最小值的连续的分级区间D；

采样点像元提取模块，用于计算得出的具有特定作物的区域的NDVI值，该区域的NDVI值符合正态分布，即N(μ，δ²)；

投射模块，选取采样点像元提取模块中95％的NDVI有效值(剔除两端的奇点)的范围为阈值X＝(μ-1.96δ²，μ+1.96δ²)，将该阈值X投射到分级区间D上，寻找阈值X落入分级区间D中重叠最多且相邻最近的区间作为选取区间T，X∈D，T∈D，T∈X，

其中s为步长，a＝μ-1.96δ²，b＝μ+1.96δ²，k＝s×fix((a-min)/s)，f＝s×fix((b-min)/s)，μ为均值，δ²为方差，fix为取整函数；

地图标示模块，用于选取区间T的NDVI生长指数范围在遥感图像上标记出区域，该区域即为该特定作物在遥感图像上的分布图。

7.根据权利要求6所述的大范围农作物遥感监测装置，其特征在于，步长s为0.05-0.1。

8.一种大范围农作物遥感监测装置，其特征在于，包括：

遥感图像获取模块，用于获取同一地域不同时期的遥感图像；

影像化处理模块，用于对遥感图像进行NDVI生长指数影像化；

NDVI生长指数提取模块，获取NDVI生长指数影像中的NDVI最大值及NDVI最小值；

密度分级模块，以s的步长对NDVI生长指数提取模块获取的NDVI值进行密度分级，形成从NDVI最大值到NDVI最小值的连续的分级区间D_i，s＝0.05-0.1；

采样点像元提取模块，用于计算得出的具有特定作物的区域(该区域通过野外采样和/或高分辨率影响目视解译来确定属于该特定作物)的NDVI值，该区域的NDVI值符合正态分布，即N(μ_i，δ_i ²)；

投射模块，用于选取95％的NDVI有效值(剔除两端的奇点)的范围为阈值X_i＝(μ_i-1.96δ_i ²，μ_i+1.96δ_i ²)，将该阈值X_i投射到分级区间D_i上，寻找阈值X_i落入分级区间D_i中重叠最多且相邻最近的区间作为选取区间T_i，X_i∈D_i，T_i∈D_i，T_i∈X_i，符合以下公式：

其中s为步长(step)，a＝μ_i-1.96δ_i ²，b＝μ_i+1.96δ_i ²，k＝s×fix((a-min)/s)，f＝s×fix((b-min)/s)，μ_i为均值，δ_i ²为方差，fix为取整函数，i为每期遥感图像的编号(i～1到n)；

地图标示模块，用于选取区间T_i的NDVI生长指数范围在每期遥感图像上标记出的区域，将标记出的区域的多期遥感图像进行叠加，选取重合的区域，该重合的区域为在多期遥感图像中均为标记出的区域，该重合的区域即为该特定作物在遥感图像上的分布图。

9.根据权利要求6所述的大范围农作物遥感监测装置，其特征在于，影像化处理模块还对每期遥感图像分别进行NDVI生长指数影像化将图像中云量大于20％的区域进行特别标记；

地图标示模块在选取重合的区域时，重合的区域的选取规则为多期遥感图像中均为标记出的区域或者至少一期遥感图像中为标记出的区域且其他期遥感图像为特别标记的区域。

10.根据权利要求6所述的大范围农作物遥感监测装置，其特征在于，特定作物为小麦、水稻、玉米。