CN111345214A - 一种基于卫星影像数据的新疆棉花区域识别方法及系统 - Google Patents
一种基于卫星影像数据的新疆棉花区域识别方法及系统 Download PDFInfo
- Publication number
- CN111345214A CN111345214A CN202010176835.8A CN202010176835A CN111345214A CN 111345214 A CN111345214 A CN 111345214A CN 202010176835 A CN202010176835 A CN 202010176835A CN 111345214 A CN111345214 A CN 111345214A
- Authority
- CN
- China
- Prior art keywords
- area
- cotton
- stage
- image data
- 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.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G22/00—Cultivation of specific crops or plants not otherwise provided for
- A01G22/50—Cotton
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G17/00—Cultivation of hops, vines, fruit trees, or like trees
- A01G17/005—Cultivation methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Botany (AREA)
- Environmental Sciences (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种基于卫星影像数据的新疆棉花区域识别方法及系统,属于遥感农作物分类识别技术领域,解决了现有技术中棉花区域识别精度较低的问题。一种基于卫星影像数据的新疆棉花区域识别方法,包括以下步骤:获取棉花苗期、花铃期和采收期的卫星影像数据,对棉花苗期、花铃期和采收期的卫星影像数据分别进行数据预处理;将数据预处理后的卫星影像数据进行归一化植被指数计算,得到归一化植被指数值NDVI;由归一化植被指数值NDVI确定植被区域和非植被区域,由植被区域内,农作物区域与非农作物区域的光谱反射率差异确定农作物区域,由农作物区域内,棉花区域与非棉花区域的光谱反射率差异值差异确定棉花种植区域。提高了棉花区域的识别精度。
Description
技术领域
本发明涉及遥感农作物分类识别技术领域,尤其是涉及一种基于卫星影像数据的新疆棉花区域识别方法及系统。
背景技术
棉花是新疆维吾尔自治区农民经济收入的主要来源之一,是我区大农业的支柱产业,及时精确地获取新疆棉花的空间分布信息对指导农业生产、合理分配资源以及解决棉花产业安全问题等具有重要意义。
目前,行业内提取棉花空间分布信息主要为决策树分类法,但现有棉花决策树分类方法过于复杂,采用的参变量较多,难以理解,对分类者有较高的遥感和地学知识要求,导致未能大范围的推广和应用。同时,相关数据获取难度较高,而且数据的准确度难以保证。部分方法流程运用了一些经验值,不能根据区域特点去设置合理阈值,成果数据精度不高,使得棉花区域识别精度不高。
发明内容
本发明的目的在于至少克服上述一种技术不足,提出一种基于卫星影像数据的新疆棉花区域识别方法及系统。
一方面,本发明提供了一种基于卫星影像数据的新疆棉花区域识别方法,包括以下步骤:
获取棉花苗期、花铃期和采收期的卫星影像数据,对棉花苗期、花铃期和采收期的卫星影像数据分别进行数据预处理;
将数据预处理后的卫星影像数据进行归一化植被指数计算,得到归一化植被指数值NDVI;
根据所述归一化植被指数值NDVI确定植被区域和非植被区域,根据植被区域内,农作物区域与非农作物区域的光谱反射率差异确定农作物区域,根据农作物区域内,棉花区域与非棉花区域的光谱反射率差异值差异确定棉花种植区域。
进一步地,对棉花苗期、花铃期和采收期的卫星影像数据分别进行数据预处理,具体包括,分别对棉花苗期、花铃期和采收期的卫星影像数据分别进行辐射定标、大气校正处理及波段融合。
进一步地,根据所述归一化植被指数值NDVI确定植被区域和非植被区域,具体包括,若卫星影像数据对应的某一区域的归一化植被指数值NDVI大于第一阈值,则该区域为植被区域,否则,该区域为非植被区域。
进一步地,根据植被区域内,农作物区域与非农作物区域的光谱反射率差异确定农作物区域,并根据农作物区域内,棉花区域与非棉花区域的光谱反射率差异值差异确定棉花种植区域,具体包括:
若植被区域中的某个区域的NIR值大于第二阈值,则该区域为棉花或者梨树区域,否则该区域为林地或常绿地区域;若棉花或者梨树区域中的某个区域的NIR-RED值大于第三阈值,则该区域为棉花区域,否则该区域为非棉花区域。
进一步地,所述基于卫星影像数据的新疆棉花区域识别方法还包括,获取棉花在苗期、花铃期和采收期的NDVI值,并根据棉花在苗期、花铃期和采收期的NDVI值,将异物同谱像元和未完全剔除的非棉花区域从所述棉花区域中剔除。
另一方面,本发明还提供一种基于卫星影像数据的农作物区域识别系统,包括数据获取模块、数据预处理模块、归一化植被指数值获取模块、植物及棉花区域获取模块;
所述数据获取模块,用于获取棉花苗期、花铃期和采收期的卫星影像数据;
所述数据预处理模块,用于对棉花苗期、花铃期和采收期的卫星影像数据分别进行数据预处理;
所述归一化植被指数值获取模块,用于将数据预处理后的卫星影像数据进行归一化植被指数计算,得到归一化植被指数值NDVI;
所述植物及棉花区域获取模块,用于根据所述归一化植被指数值NDVI确定植被区域和非植被区域,根据植被区域内,农作物区域与非农作物区域的光谱反射率差异确定农作物区域,根据农作物区域内,棉花区域与非棉花区域的光谱反射率差异值差异确定棉花种植区域。
进一步地,所述数据预处理模块,对棉花苗期、花铃期和采收期的卫星影像数据分别进行数据预处理,具体包括,分别对棉花苗期、花铃期和采收期的卫星影像数据分别进行辐射定标、大气校正处理及波段融合。
进一步地,所述植物及棉花区域获取模块,根据所述归一化植被指数值NDVI确定植被区域和非植被区域,具体包括,若卫星影像数据对应的某一区域的归一化植被指数值NDVI大于第一阈值,则该区域为植被区域,否则,该区域为非植被区域。
进一步地,所述植物及棉花区域获取模块,根据植被区域内,农作物区域与非农作物区域的光谱反射率差异确定农作物区域,并根据农作物区域内,棉花区域与非棉花区域的光谱反射率差异值差异确定棉花种植区域,具体包括;
若植被区域中的某个区域的NIR值大于第二阈值,则该区域为棉花或者梨树区域,否则该区域为林地或常绿地区域;若棉花或者梨树区域中的某个区域的NIR-RED值大于第三阈值,则该区域为棉花区域,否则该区域为非棉花区域。
进一步地,所述基于卫星影像数据的新疆棉花区域识别系统,还包括异物同谱像元剔除模块,所述异物同谱像元剔除模块,用于获取棉花在苗期、花铃期和采收期的NDVI值,并根据棉花在苗期、花铃期和采收期的NDVI值,将异物同谱像元和未完全剔除的非棉花区域从所述棉花区域中剔除。
与现有技术相比,本发明的有益效果包括:通过获取棉花苗期、花铃期和采收期的卫星影像数据,对棉花苗期、花铃期和采收期的卫星影像数据分别进行数据预处理;将数据预处理后的卫星影像数据进行归一化植被指数计算,得到归一化植被指数值NDVI;根据所述归一化植被指数值NDVI确定植被区域和非植被区域,根据植被区域内,农作物区域与非农作物区域的光谱反射率差异确定农作物区域,根据农作物区域内,棉花区域与非棉花区域的光谱反射率差异值差异确定棉花种植区域;提高了棉花区域识别的精度。
附图说明
图1是本发明实施例1所述的基于卫星影像数据的新疆棉花区域识别方法的流程示意图;
图2是本发明实施例1所述的基于卫星影像数据的新疆棉花区域识的决策示意图;
图3是本发明实施例1所述的波段融合的示意图。
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仅用以解释本发明,并不用于限定本发明。
实施例1
本发明实施例提供了一种基于卫星影像数据的新疆棉花区域识别方法,其流程示意图,如图1所示,所述方法包括以下步骤:
获取棉花苗期、花铃期和采收期的卫星影像数据,对棉花苗期、花铃期和采收期的卫星影像数据分别进行数据预处理;
将数据预处理后的卫星影像数据进行归一化植被指数计算,得到归一化植被指数值NDVI;
根据所述归一化植被指数值NDVI确定植被区域和非植被区域,根据植被区域内,农作物区域与非农作物区域的光谱反射率差异确定农作物区域,根据农作物区域内,棉花区域与非棉花区域的光谱反射率差异值差异确定棉花种植区域。
具体实施时,根据棉花的物候特点及种植规律,分别选取苗期、花铃期、采收期几个关键生育期的Landsat OLI卫星影像数据,要求能够完整覆盖目标区域,并且云量满足观测需求以规避由于受云层的影响而带来的误差;一个具体实施例中,基于卫星影像数据的新疆棉花区域识的决策示意图,如图2所示;
优选的,对农作物苗期、花铃期和采收期的卫星影像数据分别进行数据预处理,具体包括,分别对农作物苗期、花铃期和采收期的卫星影像数据分别进行辐射定标、大气校正处理及波段融合。
具体实施时,需要对卫星影像数据进行预处理,对苗期、花铃期、采收期的影像分别进行辐射定标,通过影像的元数据文件分别读取各个波段的偏移(Offset)和增益(Gain)值,利用公式:
Radiance=Gain*DN+Offset
以将原本无物理意义的亮度灰度值(DN值)影像转换为具有物理意义的辐射亮度值(Radiance)数据;辐射定标完成分别进行大气校正处理,根据目标区域地形及获取时间确定大气及气溶胶模型参数,以获得消除大气影响的地表反射率数据。
所述波段融合(遥感影像融合),即是将在空间、时间、波谱上冗余或互补的多源遥感数据进行处理,获得比任何单一数据更精确、更丰富的信息,生成具有新的空间、波谱、时间特征的合成影像数据;影像通过融合既可以提高多光谱影像空间分辨率,又保留其多光谱特性,因此,分别将苗期、花铃期、采收期的Landsat8 OLI数据影像的30m空间分辨率的多光谱波段与15m空间分辨率的全色波段数据进行融合,以得到15m空间分辨率的多光谱数据;波段融合的示意图,如图3所示。
优选的,根据所述归一化植被指数值NDVI确定植被区域和非植被区域,具体包括,若卫星影像数据对应的某一区域的归一化植被指数值NDVI大于第一阈值,则该区域为植被区域,否则,该区域为非植被区域。
需要说明的是,NDVI(Normalized Difference Vegetation Index)归一化植被指数又称标准化植被指数,是指被生长状态及植被空间密度的最佳指示因子,与植被分布密度呈线性相关。归一化植被指数(NDVI)计算公式为近红外波段(NIR)值和红色波段(RED)发射率之差与近红外波段值和红色波段反射率之和的比值:
NDVI=(NIR-RED)/(NIR+RED)
优选的,根据植被区域内,农作物区域与非农作物区域的光谱反射率差异确定农作物区域,并根据农作物区域内,棉花区域与非棉花区域的光谱反射率差异值差异确定棉花种植区域,具体包括:
若植被区域中的某个区域的NIR值大于第二阈值,则该区域为棉花或者梨树区域,否则该区域为林地或常绿地区域;若棉花或者梨树区域中的某个区域的NIR-RED值大于第三阈值,则该区域为棉花区域,否则该区域为非棉花区域。
一个具体实施例中,以棉花为例,结合棉花的物候期生长曲线和生育期NDVI数据进行推断,分别挑选出棉花和非棉花特征的感兴趣区,统计各波段的最大值、最小值、平均值以及标准差,建立光谱统计表,分析棉花及其他作物在各个生育期的光谱反射率特征,以达到提取准确提取棉花的目的;建立光谱值统计表,如表1所示表1
波段名 | 最小值 | 最大值 | 平均值 | 标准值 |
Bule | ||||
Green | ||||
Red | ||||
NIR | ||||
NDVI |
设所述NDVI的合理阈值为V1,即在所述棉花花铃期影像中,如果部分影像的NDVI值大于V1,则该部分为植被区域,反之,则为非植被区域。
分析棉花花铃期影像上各种地物的光谱反射率值可以发现,林地、常绿地的光谱反射率值在近红外波段上相较于棉花、梨树等作物较低,所以林地、常绿与棉花的光谱反射率值在近红外波段上可显著区分;
设置合理阈值V2,若部分区域的影像的NIR值大于V2,则该部分区域为棉花、梨树等作物区域,反之,则为林地、常绿地区域;
根据光谱值统计表发现,棉花和梨树等其他作物在近红和红光波段上具有明显的特征变化,故利用公式NIR-RED计算差值,设置合理的阈值V3,如果部分区域的影像的NIR-RED值大于V3,则该部分区域为棉花区域,反之,则为非棉花区域;
优选的,所述基于卫星影像数据的新疆棉花区域识别方法,还包括获取棉花在苗期、花铃期和采收期的NDVI值,并根据棉花在苗期、花铃期和采收期的NDVI值,将异物同谱像元和未完全剔除的非棉花区域从所述棉花区域中剔除。
一个具体实施例中,可以对棉花区域进行异物同谱处理,棉花的花铃期是棉花生长非常旺盛的时期,从棉花的苗期到花铃期,棉花的NDVI值会逐渐增长,从棉花的花铃期,到棉花的采收期,棉花的NDVI值又会逐渐减小。因此,通过对棉花的苗期、花铃期以及采收期三个时期影像的分析,可以进一步提高棉花提取的精度。同时,通过这一步,更可以将单时相中错分的“异物同谱”像元和未完全剔除的非棉花区域有效剔除。
实施例2
本发明实施例提供了一种基于卫星影像数据的农作物区域识别系统,包括数据获取模块、数据预处理模块、归一化植被指数值获取模块、植物及棉花区域获取模块;
所述数据获取模块,用于获取棉花苗期、花铃期和采收期的卫星影像数据;
所述数据预处理模块,用于对棉花苗期、花铃期和采收期的卫星影像数据分别进行数据预处理;
所述归一化植被指数值获取模块,用于将数据预处理后的卫星影像数据进行归一化植被指数计算,得到归一化植被指数值NDVI;
所述植物及棉花区域获取模块,用于根据所述归一化植被指数值NDVI确定植被区域和非植被区域,根据植被区域内,农作物区域与非农作物区域的光谱反射率差异确定农作物区域,根据农作物区域内,棉花区域与非棉花区域的光谱反射率差异值差异确定棉花种植区域。
优选的,所述数据预处理模块,对棉花苗期、花铃期和采收期的卫星影像数据分别进行数据预处理,具体包括,分别对棉花苗期、花铃期和采收期的卫星影像数据分别进行辐射定标、大气校正处理及波段融合。
优选的,所述植物及棉花区域获取模块,根据所述归一化植被指数值NDVI确定植被区域和非植被区域,具体包括,若卫星影像数据对应的某一区域的归一化植被指数值NDVI大于第一阈值,则该区域为植被区域,否则,该区域为非植被区域。
优选的,所述植物及棉花区域获取模块,根据植被区域内,农作物区域与非农作物区域的光谱反射率差异确定农作物区域,并根据农作物区域内,棉花区域与非棉花区域的光谱反射率差异值差异确定棉花种植区域,具体包括;
若植被区域中的某个区域的NIR值大于第二阈值,则该区域为棉花或者梨树区域,否则该区域为林地或常绿地区域;若棉花或者梨树区域中的某个区域的NIR-RED值大于第三阈值,则该区域为棉花区域,否则该区域为非棉花区域。
优选的,所述基于卫星影像数据的新疆棉花区域识别系统,还包括异物同谱像元剔除模块,所述异物同谱像元剔除模块,用于获取棉花在苗期、花铃期和采收期的NDVI值,并根据棉花在苗期、花铃期和采收期的NDVI值,将异物同谱像元和未完全剔除的非棉花区域从所述棉花区域中剔除。
本发明公开了一种基于卫星影像数据的农作物区域识别方法及系统;通过获取棉花苗期、花铃期和采收期的卫星影像数据,对棉花苗期、花铃期和采收期的卫星影像数据分别进行数据预处理;将数据预处理后的卫星影像数据进行归一化植被指数计算,得到归一化植被指数值NDVI;根据所述归一化植被指数值NDVI确定植被区域和非植被区域,根据植被区域内,农作物区域与非农作物区域的光谱反射率差异确定农作物区域,根据农作物区域内,棉花区域与非棉花区域的光谱反射率差异值差异确定棉花种植区域;提高了棉花区域的识别精度。
本发明选取的Landsat8 OLI 15米多光谱影像数据既具有高空间分辨率也具有高时间分辨率的优点,在此基础上结合了多时相影像进行时序分析的优势,通过波段组合和波段运算增强特征的方式,提取出农作物(棉花)的分布。通过棉花物候期,NDVI生长曲线,可以更精准的剔除异物同谱导致的错分地物,也可以进一步提取出目标作物,决策树分类具有灵活、直观、效率高等特点。综合这些优势,可以进一步提高棉花提取的精度,无论是对国家的粮食安全体系,还是对遥感在农业方面的商业化应用,都有积极的意义。
以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (10)
1.一种基于卫星影像数据的新疆棉花区域识别方法,其特征在于,包括以下步骤:
获取棉花苗期、花铃期和采收期的卫星影像数据,对棉花苗期、花铃期和采收期的卫星影像数据分别进行数据预处理;
将数据预处理后的卫星影像数据进行归一化植被指数计算,得到归一化植被指数值NDVI;
根据所述归一化植被指数值NDVI确定植被区域和非植被区域,根据植被区域内,农作物区域与非农作物区域的光谱反射率差异确定农作物区域,根据农作物区域内,棉花区域与非棉花区域的光谱反射率差异值差异确定棉花种植区域。
2.根据权利要求1所述的基于卫星影像数据的新疆棉花区域识别方法,其特征在于,对棉花苗期、花铃期和采收期的卫星影像数据分别进行数据预处理,具体包括,分别对棉花苗期、花铃期和采收期的卫星影像数据分别进行辐射定标、大气校正处理及波段融合。
3.根据权利要求1所述的基于卫星影像数据的新疆棉花区域识别方法,其特征在于,根据所述归一化植被指数值NDVI确定植被区域和非植被区域,具体包括,若卫星影像数据对应的某一区域的归一化植被指数值NDVI大于第一阈值,则该区域为植被区域,否则,该区域为非植被区域。
4.根据权利要求1所述的基于卫星影像数据的新疆棉花区域识别方法,其特征在于,根据植被区域内,农作物区域与非农作物区域的光谱反射率差异确定农作物区域,并根据农作物区域内,棉花区域与非棉花区域的光谱反射率差异值差异确定棉花种植区域,具体包括:
若植被区域中的某个区域的NIR值大于第二阈值,则该区域为棉花或者梨树区域,否则该区域为林地或常绿地区域;若棉花或者梨树区域中的某个区域的NIR-RED值大于第三阈值,则该区域为棉花区域,否则该区域为非棉花区域。
5.根据权利要求4所述的基于卫星影像数据的新疆棉花区域识别方法,其特征在于,还包括,获取棉花在苗期、花铃期和采收期的NDVI值,并根据棉花在苗期、花铃期和采收期的NDVI值,将异物同谱像元和未完全剔除的非棉花区域从所述棉花区域中剔除。
6.一种基于卫星影像数据的新疆棉花区域识别系统,其特征在于,包括数据获取模块、数据预处理模块、归一化植被指数值获取模块、植物及棉花区域获取模块;
所述数据获取模块,用于获取棉花苗期、花铃期和采收期的卫星影像数据;
所述数据预处理模块,用于对棉花苗期、花铃期和采收期的卫星影像数据分别进行数据预处理;
所述归一化植被指数值获取模块,用于将数据预处理后的卫星影像数据进行归一化植被指数计算,得到归一化植被指数值NDVI;
所述植物及棉花区域获取模块,用于根据所述归一化植被指数值NDVI确定植被区域和非植被区域,根据植被区域内,农作物区域与非农作物区域的光谱反射率差异确定农作物区域,根据农作物区域内,棉花区域与非棉花区域的光谱反射率差异值差异确定棉花种植区域。
7.根据权利要求6所述的基于卫星影像数据的新疆棉花区域识别系统,其特征在于,所述数据预处理模块,对棉花苗期、花铃期和采收期的卫星影像数据分别进行数据预处理,具体包括,分别对棉花苗期、花铃期和采收期的卫星影像数据分别进行辐射定标、大气校正处理及波段融合。
8.根据权利要求6所述的基于卫星影像数据的新疆棉花区域识别系统,其特征在于,所述植物及棉花区域获取模块,根据所述归一化植被指数值NDVI确定植被区域和非植被区域,具体包括,若卫星影像数据对应的某一区域的归一化植被指数值NDVI大于第一阈值,则该区域为植被区域,否则,该区域为非植被区域。
9.根据权利要求8所述的基于卫星影像数据的新疆棉花区域识别系统,其特征在于,所述植物及棉花区域获取模块,根据植被区域内,农作物区域与非农作物区域的光谱反射率差异确定农作物区域,并根据农作物区域内,棉花区域与非棉花区域的光谱反射率差异值差异确定棉花种植区域,具体包括;
若植被区域中的某个区域的NIR值大于第二阈值,则该区域为棉花或者梨树区域,否则该区域为林地或常绿地区域;若棉花或者梨树区域中的某个区域的NIR-RED值大于第三阈值,则该区域为棉花区域,否则该区域为非棉花区域。
10.根据权利要求9所述的基于卫星影像数据的新疆棉花区域识别系统,其特征在于,还包括异物同谱像元剔除模块,所述异物同谱像元剔除模块,用于获取棉花在苗期、花铃期和采收期的NDVI值,并根据棉花在苗期、花铃期和采收期的NDVI值,将异物同谱像元和未完全剔除的非棉花区域从所述棉花区域中剔除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010176835.8A CN111345214A (zh) | 2020-03-13 | 2020-03-13 | 一种基于卫星影像数据的新疆棉花区域识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010176835.8A CN111345214A (zh) | 2020-03-13 | 2020-03-13 | 一种基于卫星影像数据的新疆棉花区域识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111345214A true CN111345214A (zh) | 2020-06-30 |
Family
ID=71188777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010176835.8A Pending CN111345214A (zh) | 2020-03-13 | 2020-03-13 | 一种基于卫星影像数据的新疆棉花区域识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111345214A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128453A (zh) * | 2021-04-30 | 2021-07-16 | 内蒙古工业大学 | 采用遥感时间序列数据的地膜识别方法、系统以及介质 |
CN113378848A (zh) * | 2021-07-08 | 2021-09-10 | 湖南元想科技有限公司 | 南荻收割区或弃割区分布提取方法、系统及存储介质 |
CN113642579A (zh) * | 2021-07-08 | 2021-11-12 | 湖南元想科技有限公司 | 南荻生长区域确定、分割方法及系统 |
CN114076955A (zh) * | 2021-09-27 | 2022-02-22 | 农业农村部规划设计研究院 | 一种基于高分一号卫星数据识别倒伏玉米的方法 |
CN114220025A (zh) * | 2021-12-22 | 2022-03-22 | 武汉禾大科技有限公司 | 基于遥感影像数据的棉花脱叶剂使用方法、系统和介质 |
CN114550005A (zh) * | 2022-02-23 | 2022-05-27 | 中国林业科学研究院资源信息研究所 | 一种自然保护区内建筑物识别方法及系统 |
CN115316214A (zh) * | 2022-10-12 | 2022-11-11 | 山东亿云信息技术有限公司 | 基于大数据的农村农业信息管理系统及方法 |
CN116152673A (zh) * | 2023-04-21 | 2023-05-23 | 杭州稻道农业科技有限公司 | 一种利用多时相中高分卫星影像识别再生稻的方法及装置 |
CN117036968A (zh) * | 2023-10-09 | 2023-11-10 | 杭州稻道农业科技有限公司 | 一种用于农作物病虫危害的高分卫星遥感诊断方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310197A (zh) * | 2013-06-13 | 2013-09-18 | 山东省农业可持续发展研究所 | 一种利用中分辨率卫星数据提取黄淮海平原区大蒜种植面积的方法 |
CN106372592A (zh) * | 2016-08-29 | 2017-02-01 | 中国农业科学院农业资源与农业区划研究所 | 一种基于冬小麦面积指数的冬小麦种植面积计算方法 |
CN106529451A (zh) * | 2016-10-28 | 2017-03-22 | 山东省农业可持续发展研究所 | 一种冬小麦—夏玉米种植模式遥感识别方法 |
CN106599844A (zh) * | 2016-12-14 | 2017-04-26 | 中国科学院南京地理与湖泊研究所 | 一种基于modis传感器的水稻种植区自动提取方法 |
CN107966116A (zh) * | 2017-11-20 | 2018-04-27 | 苏州市农业科学院 | 一种水稻种植面积的遥感监测方法及系统 |
CN108363949A (zh) * | 2017-12-27 | 2018-08-03 | 二十世纪空间技术应用股份有限公司 | 一种基于物候分析的棉花遥感监测方法 |
CN108647652A (zh) * | 2018-05-14 | 2018-10-12 | 北京工业大学 | 一种基于图像分类和目标检测的棉花发育期自动识别方法 |
CN109543552A (zh) * | 2018-10-29 | 2019-03-29 | 华南农业大学 | 基于生长期多特征提取的水稻生长区域制图方法及系统 |
-
2020
- 2020-03-13 CN CN202010176835.8A patent/CN111345214A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310197A (zh) * | 2013-06-13 | 2013-09-18 | 山东省农业可持续发展研究所 | 一种利用中分辨率卫星数据提取黄淮海平原区大蒜种植面积的方法 |
CN106372592A (zh) * | 2016-08-29 | 2017-02-01 | 中国农业科学院农业资源与农业区划研究所 | 一种基于冬小麦面积指数的冬小麦种植面积计算方法 |
CN106529451A (zh) * | 2016-10-28 | 2017-03-22 | 山东省农业可持续发展研究所 | 一种冬小麦—夏玉米种植模式遥感识别方法 |
CN106599844A (zh) * | 2016-12-14 | 2017-04-26 | 中国科学院南京地理与湖泊研究所 | 一种基于modis传感器的水稻种植区自动提取方法 |
CN107966116A (zh) * | 2017-11-20 | 2018-04-27 | 苏州市农业科学院 | 一种水稻种植面积的遥感监测方法及系统 |
CN108363949A (zh) * | 2017-12-27 | 2018-08-03 | 二十世纪空间技术应用股份有限公司 | 一种基于物候分析的棉花遥感监测方法 |
CN108647652A (zh) * | 2018-05-14 | 2018-10-12 | 北京工业大学 | 一种基于图像分类和目标检测的棉花发育期自动识别方法 |
CN109543552A (zh) * | 2018-10-29 | 2019-03-29 | 华南农业大学 | 基于生长期多特征提取的水稻生长区域制图方法及系统 |
Non-Patent Citations (2)
Title |
---|
官建军等: "《无人机遥感测绘技术及应用》", 31 August 2018, 西北工业大学出版社 * |
张继贤等: "《西部地形困难区域测图的原理与方法》", 31 January 2013, 测绘出版社 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128453A (zh) * | 2021-04-30 | 2021-07-16 | 内蒙古工业大学 | 采用遥感时间序列数据的地膜识别方法、系统以及介质 |
CN113378848B (zh) * | 2021-07-08 | 2024-01-30 | 湖南元想科技有限公司 | 南荻收割区或弃割区分布提取方法、系统及存储介质 |
CN113378848A (zh) * | 2021-07-08 | 2021-09-10 | 湖南元想科技有限公司 | 南荻收割区或弃割区分布提取方法、系统及存储介质 |
CN113642579A (zh) * | 2021-07-08 | 2021-11-12 | 湖南元想科技有限公司 | 南荻生长区域确定、分割方法及系统 |
CN114076955A (zh) * | 2021-09-27 | 2022-02-22 | 农业农村部规划设计研究院 | 一种基于高分一号卫星数据识别倒伏玉米的方法 |
CN114220025A (zh) * | 2021-12-22 | 2022-03-22 | 武汉禾大科技有限公司 | 基于遥感影像数据的棉花脱叶剂使用方法、系统和介质 |
CN114550005A (zh) * | 2022-02-23 | 2022-05-27 | 中国林业科学研究院资源信息研究所 | 一种自然保护区内建筑物识别方法及系统 |
CN115316214A (zh) * | 2022-10-12 | 2022-11-11 | 山东亿云信息技术有限公司 | 基于大数据的农村农业信息管理系统及方法 |
CN115316214B (zh) * | 2022-10-12 | 2023-01-24 | 山东亿云信息技术有限公司 | 基于大数据的农村农业信息管理系统及方法 |
CN116152673A (zh) * | 2023-04-21 | 2023-05-23 | 杭州稻道农业科技有限公司 | 一种利用多时相中高分卫星影像识别再生稻的方法及装置 |
CN116152673B (zh) * | 2023-04-21 | 2023-09-29 | 杭州稻道农业科技有限公司 | 一种利用多时相中高分卫星影像识别再生稻的方法及装置 |
CN117036968A (zh) * | 2023-10-09 | 2023-11-10 | 杭州稻道农业科技有限公司 | 一种用于农作物病虫危害的高分卫星遥感诊断方法及装置 |
CN117036968B (zh) * | 2023-10-09 | 2024-03-22 | 杭州稻道农业科技有限公司 | 一种用于农作物病虫危害的高分卫星遥感诊断方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111345214A (zh) | 一种基于卫星影像数据的新疆棉花区域识别方法及系统 | |
Wang et al. | Mapping sugarcane plantation dynamics in Guangxi, China, by time series Sentinel-1, Sentinel-2 and Landsat images | |
CN113009485A (zh) | 一种基于改进植被指数的遥感烟田识别方法 | |
CN113033670B (zh) | 一种基于Sentinel-2A/B数据的水稻种植面积提取方法 | |
CN109919083B (zh) | 一种基于Sentinel-2影像数据的早期自动化冬小麦制图方法 | |
CN110796001B (zh) | 一种卫星影像覆膜农田识别与提取方法及系统 | |
CN111666815B (zh) | 一种基于Sentinel-2遥感影像的大蒜种植信息自动化提取方法 | |
CN113029971B (zh) | 一种作物冠层氮素监测方法及系统 | |
CN110598619B (zh) | 一种利用无人机影像进行果树识别和计数的方法和系统 | |
CN114821362B (zh) | 一种基于多源数据的水稻种植面积提取方法 | |
CN113963260A (zh) | 一种冬小麦种植区的提取方法、装置和计算机设备 | |
CN116543316B (zh) | 一种利用多时相高分辨率卫星影像识别稻田内草皮的方法 | |
CN112734083A (zh) | 一种基于机器视觉的水稻收割机路径规划控制系统 | |
Panda et al. | Distinguishing blueberry bushes from mixed vegetation land use using high resolution satellite imagery and geospatial techniques | |
CN110598514B (zh) | 一种土地整治项目区地块尺度农作物播种面积监测方法 | |
CN115512237A (zh) | 基于多时相卫星遥感数据的安徽冬小麦种植面积提取方法 | |
CN111950361A (zh) | 一种基于单时序ndvi的甜菜识别方法 | |
CN116524225A (zh) | 一种基于多源遥感数据的作物分类方法及系统 | |
CN117079152A (zh) | 一种基于卫星遥感影像的农作物精细分类提取方法和系统 | |
CN116124774A (zh) | 一种基于无人机光谱多源数据预测冠层氮含量方法 | |
CN114332596A (zh) | 一种越冬作物的识别方法及装置 | |
CN115035423A (zh) | 一种基于无人机遥感影像的杂交水稻父母本识别提取方法 | |
CN113901966A (zh) | 一种融合多源地理信息数据的农作物分类方法 | |
CN114187504A (zh) | 一种基于多光谱影像的农作物分类方法及装置 | |
Panda et al. | Blueberry orchard delineation with high-resolution imagery and self-organizing map neural image classification |
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: 20200630 |