CN114332628B - 一种基于典型物候及膜网特征的生姜快速遥感提取方法 - Google Patents
一种基于典型物候及膜网特征的生姜快速遥感提取方法 Download PDFInfo
- Publication number
- CN114332628B CN114332628B CN202210005981.3A CN202210005981A CN114332628B CN 114332628 B CN114332628 B CN 114332628B CN 202210005981 A CN202210005981 A CN 202210005981A CN 114332628 B CN114332628 B CN 114332628B
- Authority
- CN
- China
- Prior art keywords
- ginger
- index
- vegetation
- extraction
- months
- 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.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开一种基于典型物候及膜网特征的生姜快速遥感提取方法,包括:获取待测植被影像,进行影像预处理,获得植被指数;根据植被指数,对不同农作植被进行植被指数时间序列分析处理,获得生姜提取指数;对植被指数进行生姜膜网特征提取与生姜提取指数结合,进行分类处理,获得最优生姜提取指数,确定生姜分布范围。本发明利用遥感影像及遥感云计算平台,基于生姜生长过程中独特的物候特征及栽培管理措施,实现生姜面积、产量及空间分布的动态监测;利用生姜生长季早、晚期的植被指数差值建立了提取生姜的指数,并根据生姜生长季早期覆盖白色地膜及中期覆盖黑色遮阴网建立生姜膜网指数,优化了生姜提取的结果,得到最终的生姜分布图。
Description
技术领域
本发明属于数字图像处理技术领域,尤其涉及一种基于典型物候及膜网特征的生姜快速遥感提取方法。
背景技术
生姜是居民生活中最常用的调味品、膳食补充剂和药用植物之一,其营养丰富,含有丰富的多种维生素、矿物质、蛋白质及挥发油等成分。中国是世界上最大的生姜出口国,2020年全世界63%的生姜出口均来自中国,山东省是中国生姜种植面积最大的省份,2020年占全国生姜种植面积的35.7%。现有我国的生姜种植面积、分布及产量等信息主要依赖于传统的资源调查以及专家经验,不仅需要消耗大量的人力与物力,也缺乏科学性和现势性。
现有的生姜面积、分布及产量估算主要依赖传统的资源调查。传统的资源调查需要大量的人力物力,且此类调查一般几年才进行一次,缺乏现势性;其次调查结果只有统计数据,缺乏生姜的分布信息,无法进行产量的动态监测、自然灾害预防等。通过本发明,结合中分辨率哨兵2号遥感影像,利用新建立的生姜提取方法节约大量的人力、物力,同时可以获取高精度的生姜产量估算和分布制图,为生姜产业发展规划、自然灾害预防、土地利用管理等提供重要支撑。
随着遥感技术的发展,海量的高分辨率数据被应用于农业土地利用信息提取。借助专家知识(如基于物候的算法)、机器学习(如支持向量机、随机森林)和深度学习等方法实现耕地分布、作物分类、种植制度及灌溉信息等信息的快速提取。但目前作物信息的提取主要聚焦在面积较大的大宗作物上,对于具有区域特色的小宗作物,尤其是本发明所关注的生姜,还未有研究实现其动态监测。因此,基于遥感技术建立提取生姜的方法是非常有必要的。
发明内容
本发明要解决的技术问题是,对生姜实现快速并精确的提取。
为实现上述目的,本发明提供了一种基于典型物候及膜网特征的生姜快速遥感提取方法,包括:
获取待测植被影像,进行影像预处理,获得植被指数;
根据所述植被指数,对不同农作植被进行植被指数时间序列分析处理,获得生姜提取指数;
对所述植被指数进行生姜膜网特征提取与所述生姜提取指数结合,进行分类处理,获得最优生姜提取指数,确定生姜分布范围。
可选的,所述获取的待测植被影像包括:
基于遥感云平台对影像进行影像预处理获得所述待测植被影像,以及对待测植被进行耕地掩膜处理,获得待测植被影像。
可选的,所述影像预处理的过程包括:基于像元尺度,评估影像质量,去除有云干扰的影像,构建无云干扰的影像观测时序。
可选的,预处理后所述植被指数包括:
归一化植被指数NDVI、增强型植被指数EVI和植被水分含量指数LSWI,膜网特征指数CB,计算如下:
膜网特征指数(CB)=ρBlue+ρGreen+ρRed+ρNir+ρSWIR1+ρSWIR2。
可选的,所述指数时间序列分析处理过程包括:
第一步:根据生姜生长情况可分为:生长季早期、生长季中期、生长季晚期分别为4-5月份、7月份和10月份;
第二步:以月最大值合成植被指数时间序列,以10月份与5月份植被所述增强型植被指数EVI做差,获得生姜提取指数,生姜提取指数的表达式如下:
生姜提取指数=EVI10月-EVI5月。
可选的,生姜膜网包括生长季早期覆盖白色地膜,生长季中期覆盖黑色遮阴网。
可选的,白色地膜特征包括:4月至5月初对生姜进行覆膜处理,在RGB合成影像上呈现白色,膜网指数(CB)有较高的反射率;黑色遮阴网特征提取的过程包括:5月份至8月份对生姜进行遮阴黑网处理,在RGB合成影像上呈现黑色,膜网指数(CB)有较低的反射率,在月最大值合成的基础上,以4月份与7月份植被所述膜网指数CB做差,获得生姜膜网指数,公式如下:
生姜膜网指数=CB4月-CB7月。
可选的,所述分类处理的过程包括:根据影像获得待测图像,进行训练处理,所述生姜提取指数大于0.2,生姜膜网特征指数大于0.4,则获得最优生姜提取结果。
本发明一种基于典型物候及膜网特征的生姜快速遥感提取方法的优点在于:本发明利用遥感影像及遥感云计算平台,基于生姜生长过程中独特的物候特征及栽培管理措施,实现生姜面积、产量及空间分布的动态监测。利用生姜生长季早、晚期的差值建立了提取生姜的指数,并根据生姜生长季早期覆盖白色地膜及中期覆盖黑色遮阴网这一生姜独特的栽培管理特征进一步排除了与生姜特征类似的作物,优化了生姜提取的结果,得到最终的生姜分布图。利用生姜分布图我们可以获取生姜的面积、产量及分布,另外结合多期的生姜分布制图可以实现生姜的动态监测。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例一的生姜快速遥感提取方法流程图;
图2为本发明实施例二的决策树分类流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
如图1所示,本实施例中提供一种基于典型物候及膜网特征的生姜快速遥感提取方法,包括以下步骤:
获取待测植被影像,进行影像预处理,获得植被指数;
根据所述植被指数,对不同农作植被进行指数时间序列分析处理,获得生姜提取指数;
对所述植被指数进行膜网特征提取与所述生姜提取指数结合,进行分类处理,获得最优生姜提取指数,确定生姜分布范围。
获取的待测植被影像包括:
基于遥感云平台对影像进行预处理获得所述待测植被影像,以及对待测区域进行耕地掩膜处理,即使用土地覆盖产品中的耕地图层进行掩膜,以排除待测区域非耕地区域,获得待测区域耕地区域的影像。
预处理的过程包括:基于像元尺度,评估影像质量,去除有云干扰的影像,构建无云干扰的影像观测时序。
影像预处理后所述植被指数包括:
归一化植被指数NDVI、增强型植被指数EVI、植被水分含量指数LSWI和膜网特征指数CB,具体计算如下:
膜网特征指数(CB)=ρBlue+ρGreen+ρRed+ρNir+ρSWIR1+ρSWIR2
其中,NDVI和EVI用来反映植被的绿度,且EVI降低了大气和土壤背景的影响,LSWI对于植被体内的水分以及土壤湿度十分敏感,三个植被指数用来分析不同植被的生长规律,从而识别生姜与其他农作物不同的特征,膜网特征指数CB用来反映生姜栽培管理过程中覆盖白色地膜及黑色遮阴网造成的地表反射率的差异。公式中ρBlue、ρGreen、ρRed、ρNir、ρSWIR1、ρSWIR2分别表示遥感影像中的蓝、绿、红、近红外、短波红外1和短波红外2波段。
选择待测的不同农作植被包括6类,分别为玉米、小麦、生姜、蔬菜、果园和人工林。
指数时间序列分析处理过程包括:
第一步:根据生姜生长情况可分为:生长季早期、生长季中期、生长季晚期分别为4-5月份、7月份和10月份;
第二步:以月最大值合成植被指数时间序列,以10月份与5月份植被所述增强型植被指数EVI做差,获得生姜提取指数;
计算如下:生姜提取指数=EVI10月-EVI5月。
膜网特征包括生长季早期覆盖白色地膜,生长季中期覆盖黑色遮阴网。所述白色地膜特征包括:4月至5月初对生姜进行覆膜处理,在RGB合成影像上呈现白色,膜网指数CB有较高的反射率;所述黑色遮阴网特征提取的过程包括:5月份至8月份对生姜进行遮阴黑网处理,在RGB合成影像上呈现黑色,膜网指数CB有较低的反射率。在月最大值合成的基础上,以4月份与7月份植被所述膜网指数CB做差,获得生姜膜网指数,公式如下:
生姜膜网指数=CB4月-CB7月
生姜生长季的早期,中期和晚期,分别包括:
生长季早期:由于温度低于10℃生姜易受寒冷害,因此生姜种植早期覆盖白色地膜,用以提高土壤温度、保持土壤湿度等。此时RGB合成影像显示生姜地块为白色地膜,此阶段生姜植被指数较低,膜网指数较高。
生长季中期:生姜发芽时要求黑暗,幼苗时期不耐强光。因此在5月1日前全部覆盖了黑色遮阳网,处暑前期撤掉遮阳网。此时RGB合成影像显示生姜地块为黑色,膜网指数较低。
生长季晚期:生姜在初霜前期进行收获,此阶段其他农作物已枯黄或者收获,部分土地刚播种或待播种冬季作物,而生姜收获时期地面叶组织仍呈绿色。此时RGB合成影像显示生姜地块为绿色,此阶段生姜植被指数较高。
实施例二
如图2所示,本实施例中提供一种基于典型物候及膜网特征的生姜快速遥感提取方法,其中分类处理的过程包括:根据影像获得待测图像,基于真实的地面样本点进行训练处理,获得生姜指数及生姜膜网指数的具体阈值,其中生姜指数大于0.2,则认为具有生姜的物候特征,得到生姜的潜在分布范围;并且生姜膜网指数大于0.4,则认为具有生姜独特的栽培管理特征,则获得精确的生姜提取结果。
本发明利用哨兵2号遥感影像及遥感云计算平台,基于生姜生长过程中独特的物候特征及栽培管理措施,实现生姜面积、产量及空间分布的动态监测。利用生姜生长季早、晚期的差值建立了提取生姜的指数,并根据生姜生长季早期覆盖白色地膜及中期覆盖黑色遮阴网这一特征进一步排除了与生姜特征类似的作物,优化了生姜提取的结果,得到最终的生姜分布图。利用生姜分布图我们可以获取生姜的面积、产量及分布,另外结合多期的生姜分布制图可以实现生姜的动态监测。
以上所述,仅为本申请较佳的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (4)
1.一种基于典型物候及膜网特征的生姜快速遥感提取方法,其特征在于,包括:
获取待测植被影像,进行影像预处理,获得植被指数;
根据所述植被指数,对不同农作植被进行植被指数时间序列分析处理,获得生姜提取指数;
对所述植被指数进行生姜膜网特征提取与所述生姜提取指数结合,进行分类处理,获得最优生姜提取指数,确定生姜分布范围;预处理后所述植被指数包括:
归一化植被指数NDVI、增强型植被指数EVI和植被水分含量指数LSWI,膜网特征指数CB,计算如下:
膜网特征指数(CB)=ρBlue+ρGreen+ρRed+ρNir+ρSWIR1+ρSWIR2;
所述指数时间序列分析处理过程包括:
第一步:根据生姜生长情况可分为:生长季早期、生长季中期、生长季晚期分别为4-5月份、7月份和10月份;
第二步:以月最大值合成植被指数时间序列,以10月份与5月份植被所述增强型植被指数EVI做差,获得生姜提取指数,生姜提取指数的表达式如下:
生姜提取指数=EVI10月-EVI5月;
生姜膜网包括生长季早期覆盖白色地膜,生长季中期覆盖黑色遮阴网;
白色地膜特征包括:4月至5月初对生姜进行覆膜处理,在RGB合成影像上呈现白色,膜网指数(CB)有较高的反射率;黑色遮阴网特征提取的过程包括:5月份至8月份对生姜进行遮阴黑网处理,在RGB合成影像上呈现黑色,膜网指数(CB)有较低的反射率,在月最大值合成的基础上,以4月份与7月份植被所述膜网指数CB做差,获得生姜膜网指数,公式如下:
生姜膜网指数=CB4月-CB7月。
2.如权利要求1所述的基于典型物候及膜网特征的生姜快速遥感提取方法,其特征在于,所述获取的待测植被影像包括:
基于遥感云平台对影像进行影像预处理获得所述待测植被影像,以及对待测植被进行耕地掩膜处理,获得待测植被影像。
3.如权利要求2所述的基于典型物候及膜网特征的生姜快速遥感提取方法,其特征在于,所述影像预处理的过程包括:基于像元尺度,评估影像质量,去除有云干扰的影像,构建无云干扰的影像观测时序。
4.如权利要求1所述的基于典型物候及膜网特征的生姜快速遥感提取方法,其特征在于,所述分类处理的过程包括:根据影像获得待测图像,进行训练处理,所述生姜提取指数大于0.2,生姜膜网特征指数大于0.4,则获得最优生姜提取结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210005981.3A CN114332628B (zh) | 2022-01-05 | 2022-01-05 | 一种基于典型物候及膜网特征的生姜快速遥感提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210005981.3A CN114332628B (zh) | 2022-01-05 | 2022-01-05 | 一种基于典型物候及膜网特征的生姜快速遥感提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114332628A CN114332628A (zh) | 2022-04-12 |
CN114332628B true CN114332628B (zh) | 2023-06-16 |
Family
ID=81024623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210005981.3A Active CN114332628B (zh) | 2022-01-05 | 2022-01-05 | 一种基于典型物候及膜网特征的生姜快速遥感提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114332628B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560659A (zh) * | 2020-12-11 | 2021-03-26 | 中国科学院地理科学与资源研究所 | 一种区域橡胶林遥感识别方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780091B (zh) * | 2016-12-30 | 2020-11-06 | 中国科学院东北地理与农业生态研究所 | 基于植被指数时空间统计特征的农业灾害信息遥感提取方法 |
CN110472184B (zh) * | 2019-08-22 | 2022-11-04 | 电子科技大学 | 一种基于Landsat遥感数据的多云雨雾地区水稻识别方法 |
CN111666815B (zh) * | 2020-05-06 | 2022-04-01 | 武汉大学 | 一种基于Sentinel-2遥感影像的大蒜种植信息自动化提取方法 |
CN112800973B (zh) * | 2021-01-29 | 2021-08-27 | 宁波大学 | 一种基于植被物候特征决策的互花米草提取方法 |
CN113392759B (zh) * | 2021-06-11 | 2022-02-01 | 河南大学 | 一种云计算平台下基于多源全时相卫星影像的越冬作物种植面积识别方法 |
-
2022
- 2022-01-05 CN CN202210005981.3A patent/CN114332628B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560659A (zh) * | 2020-12-11 | 2021-03-26 | 中国科学院地理科学与资源研究所 | 一种区域橡胶林遥感识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114332628A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tennakoon et al. | Estimation of cropped area and grain yield of rice using remote sensing data | |
Lu et al. | A decision-tree classifier for extracting transparent plastic-mulched landcover from Landsat-5 TM images | |
CN107273820B (zh) | 一种土地覆盖遥感分类方法及系统 | |
CN106372592B (zh) | 一种基于冬小麦面积指数的冬小麦种植面积计算方法 | |
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 | |
Inman et al. | Normalized difference vegetation index and soil color‐based management zones in irrigated maize | |
CN113221806B (zh) | 基于云平台融合多源卫星影像和茶树物候期的茶园自动识别方法 | |
CN109543552A (zh) | 基于生长期多特征提取的水稻生长区域制图方法及系统 | |
CN116129276A (zh) | 一种地形复杂地区主要粮食作物遥感精细分类方法 | |
CN114332628B (zh) | 一种基于典型物候及膜网特征的生姜快速遥感提取方法 | |
Duan et al. | Mapping saffron fields and their ages with Sentinel-2 time series in north-east Iran | |
CN115063690A (zh) | 一种基于ndvi时序特征的植被分类方法 | |
Arai et al. | Artificial intelligence based fertilizer control for improvement of rice quality and harvest amount | |
Jovanović et al. | Crop yield estimation in 2014 for Vojvodina using methods of remote sensing | |
Machado et al. | Stress conditions in soybean areas based on measurements of soil-plant-atmosphere system and UAV images | |
Luo et al. | Staple crop mapping with Chinese GaoFen-1 and GaoFen-6 satellite images: A case study in Yanshou County, Heilongjiang Province, China | |
Jamtsho et al. | The effect of rainfall on cardamom production in Bhutan | |
Syafiqah et al. | GIS and UAV Aerial Imaging Applications for Durian Plantation Management | |
Taylor et al. | Applications of optical sensing of crop health and vigour | |
Cao et al. | Detection of waterlogging stress based on hyperspectral images of oilseed rape leaves (Brassica napus L.) | |
CN114724024B (zh) | 基于云计算平台和生命周期的双季作物种植界线自动化提取方法 | |
Hamada et al. | Predicting Switchgrass Biomass Yields Using a Spectral Vegetation Index Derived from Multispectral Satellite Imagery | |
Enciso et al. | Evaluating the Use of True Color Unmanned Aerial System images for Irrigation Scheduling in Citrus | |
Tesfamariam | Assessing and evaluating the productivity of Lavandin and Rosemary using Sentinel-2 and field data: a case study for Baviaanskloof, South Africa | |
Chen et al. | Monitoring plastic-mulched farmland using Landsat-8 OLI imagery |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |