CN114549967A - 一种大蒜种植区域的提取方法及装置 - Google Patents

Abstract

本申请提供了一种大蒜种植区域的提取方法及装置，涉及农业遥感技术领域，包括：获取研究区域的多时相影像数据，对所述多时相影像数据进行云量滤除和云掩膜处理，得到第一时相影像数据和第二时相影像数据；根据所述第一时相影像数据分别进行土壤指数、归一化差异水体指数、归一化植被指数的计算，并按照预设阈值对所述第一时相影像数据进行大蒜种植区域的提取，得到第一大蒜种植区域。本技术方案中采用十月下旬的影像数据和次年四月的影像数据，首先根据十月下旬的影像数据并结合短波红外影像分析，可以将大蒜与小麦进行有效区分，并且根据次年四月的影像数据进一步区分大蒜，剔除其他作物干扰，使得最终识别的大蒜种植区域更加准确。

Description

一种大蒜种植区域的提取方法及装置

技术领域

本发明属于农业遥感技术领域，尤其涉及一种大蒜种植区域的提取方法及装置。

背景技术

大蒜是我国重要农作物品种之一，种植区分布广泛，主产区包括山东、河南、江苏、四川以及云南和新疆等地。近二十年以来，我国大蒜产业发展态势良好，大蒜的种植面积与单产均不断提升，大蒜在国内的需求量稳定增长，同时国际上对大蒜的需求也日益增加，已经成为我国最具优势的蔬菜出口品种之一。实现对大蒜种植面积的早期获取，科学评估大蒜的种植规模对大蒜产品的健康发展具有重要指导意义。

现有技术一般基于遥感影像中的可见光与近红外波段进行大蒜作物提取，利用选取的样本对大蒜进行监督训练，从而获得大蒜分布面积，存在的问题如下：(1)大蒜提取精度受样本选择的准确性影响，样本的选取需要在高精度遥感影像底图进行或者结合外业实测进行，该过程需要保证样本的准确性，需要一定的人力、物力与时间成本；(2)用于大蒜选取的时相影像未统一，大蒜的生长特点与小麦相近，若对选取时相不加判别，则选取的时相较难满足准确进行大蒜与小麦的区分的要求，会造成大蒜种植区域的提取精度不高，受到小麦种植区域影响的问题。

发明内容

本发明提供了一种大蒜种植区域的提取方法及装置，旨在解决上述中样本选取的条件较高导致需要一定的人力、物力与时间成本的消耗，且由于生长特性相近，导致小麦与大蒜区分精度不高的问题。

为了实现上述目的，本申请采用以下技术方案，包括：

获取研究区域的多时相影像数据，对所述多时相影像数据进行云量滤除和云掩膜处理，得到第一时相影像数据和第二时相影像数据，所述第一时相影像数据和所述第二时相影像数据分别为所述多时相影像数据的10月下旬影像数据和次年4月影像数据；

根据所述第一时相影像数据分别进行土壤指数、归一化差异水体指数、归一化植被指数的计算，并按照预设阈值对所述第一时相影像数据进行大蒜种植区域的提取，得到第一大蒜种植区域。

作为优选，还包括：

根据所述第二时相影像数据并按照公式

进行归一化植被指数的计算，得到第一指数，其中NDVI为归一化植被指数，ρ_Nir为近红外波段反射，ρ_Red为红波波段反射率；

根据第一预设阈值并按照第一指数对所述第二时相影像数据进行大蒜种植区域的提取，得到第二大蒜种植区域，将所述第一大蒜种植区域和所述第二大蒜种植区域进行叠加，取交集得到第三大蒜种植区域。

作为优选，所述根据所述第一时相影像数据分别进行土壤指数、归一化差异水体指数、归一化植被指数的计算，并按照预设阈值对所述第一时相影像数据进行大蒜种植区域的提取，得到第一大蒜种植区域，包括：

根据所述第一时相影像数据并按照公式

进行土壤指数的计算，得到第二指数，根据第二预设阈值并按照第二指数对所述第一时相影像数据进行裸地区域的去除，得到第四大蒜种植区域，其中SI为土壤指数，ρ_Swir为Sentinel-2的短波红外波段反射率，ρ_blue为蓝波波段反射率；

根据所述第一时相影像数据并按照公式

进行归一化差异水体指数的计算，得到第三指数，根据第三预设阈值并按照第三指数对所述第一时相影像数据进行水体区域的去除，得到第五大蒜种植区域，其中MNDWI为改进的归一化差异水体指数，ρ_green为绿波波段反射率；

根据所述第一时相影像数据并按照公式

进行归一化植被指数的计算，得到第四指数，根据第四预设阈值并按照第四指数对所述第一时相影像数据进行植被区域的去除，得到第六大蒜种植区域，将所述第四大蒜种植区域、所述第五大蒜种植区域和所述第六大蒜种植区域进行叠加，取交集得到所述第一大蒜种植区域。

作为优选，所述对所述多时相影像数据进行云量滤除和云掩膜处理，得到第一时相影像数据和第二时相影像数据，包括：

对所述多时相影像数据进行云量滤除，去除云量大于第五预设阈值的影像数据，并通过云掩膜处理进行无云影像的生成，得到所述第一时相影像数据和所述第二时相影像数据。

作为优选，所述取交集得到第三大蒜种植区域之后，还包括：

根据形态学处理方法对所述第三大蒜种植区域的图像进行开闭运算处理，并进行栅格转矢量的操作，得到大蒜种植区域图像。

一种大蒜种植区域的提取装置，包括：

数据预处理模块：用于获取研究区域的多时相影像数据，对所述多时相影像数据进行云量滤除和云掩膜处理，得到第一时相影像数据和第二时相影像数据，所述第一时相影像数据和所述第二时相影像数据分别为所述多时相影像数据的10月下旬影像数据和次年4月影像数据；

大蒜种植区域第一提取模块：用于根据所述第一时相影像数据分别进行土壤指数、归一化差异水体指数、归一化植被指数的计算，并按照预设阈值对所述第一时相影像数据进行大蒜种植区域的提取，得到第一大蒜种植区域。

作为优选，还包括：

第一指数计算模块：用于根据所述第二时相影像数据并按照公式

进行归一化植被指数的计算，得到第一指数，其中NDVI为归一化植被指数，ρ_Nir为近红外波段反射，ρ_Red为红波波段反射率；

大蒜种植区域第二提取模块：用于根据第一预设阈值并按照第一指数对所述第二时相影像数据进行大蒜种植区域的提取，得到第二大蒜种植区域，将所述第一大蒜种植区域和所述第二大蒜种植区域进行叠加，取交集得到第三大蒜种植区域。

作为优选，所述大蒜种植区域第一提取模块，包括：

大蒜种植区域第三提取模块：用于根据所述第一时相影像数据并按照公式

进行土壤指数的计算，得到第二指数，根据第二预设阈值并按照第二指数对所述第一时相影像数据进行裸地区域的去除，得到第四大蒜种植区域，其中SI为土壤指数，ρ_Swir为Sentinel-2的短波红外波段反射率，ρ_blue为蓝波波段反射率；

大蒜种植区域第四提取模块：用于根据所述第一时相影像数据并按照公式

进行归一化差异水体指数的计算，得到第三指数，根据第三预设阈值并按照第三指数对所述第一时相影像数据进行水体区域的去除，得到第五大蒜种植区域，其中MNDWI为改进的归一化差异水体指数，ρ_green为绿波波段反射率；

大蒜种植区域第五提取模块：用于根据所述第一时相影像数据并按照公式

进行归一化植被指数的计算，得到第四指数，根据第四预设阈值并按照第四指数对所述第一时相影像数据进行植被区域的去除，得到第六大蒜种植区域，将所述第四大蒜种植区域、所述第五大蒜种植区域和所述第六大蒜种植区域进行叠加，取交集得到所述第一大蒜种植区域。

一种大蒜种植区域的提取装置，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如上述中任一项所述的一种大蒜种植区域的提取方法。

一种存储有计算机程序的计算机可读存储介质，所述计算机程序被计算机执行时实现如上述中任一项所述的一种大蒜种植区域的提取方法。

本发明具有以下有益效果：

(1)本技术方案中采用两个时期的影像数据，分别是十月下旬的影像数据和次年四月的影像数据，首先采用的十月下旬的影像数据，在这一时期，大蒜处于覆盖地膜之后状态，属于幼芽期，结合短波红外波段，在短波红外影像中，裸地与覆盖地膜的地块两者数值差异明显，结合短波红外影像分析，覆盖地膜的大蒜与小麦在该时相上能进行有效区分，此时的裸地大部分为刚进行种植的小麦，可以认定为小麦的种植区域，通过在这一关键时期的时相选择，可以将小麦与大蒜种植区域分开，解决现有技术中因为二者生长特性相似导致区分精度不高的问题，并且大蒜在次年四月的长势最快，其NDVI指数会随之快速提高，利用大蒜生长的这一物候特点进一步区分大蒜，剔除其他作物干扰，使得最终识别的大蒜种植区域更加准确；

(2)本技术方案充分结合大蒜种植特征、物候特征，并结合短波红外传感器成像特点，利用十月下旬与四月大蒜作物关键时相影像特征，能较早的获取大蒜种植面积，并且降低了对种植区影像覆盖频次的要求，因为在现有技术对大蒜提取最佳时相的选择主要通过对比不同时相的影像分类精度反推最佳的提取时相，还没有相对稳定的时相选择说明，这就需要获取多个时相的影像数据进行反推对比，但是通过本技术方案结合大蒜的播种特点和NDVI时序，可以说明十月下旬和四月能有效进行大蒜提取，确定大蒜提取的关键时相，从而减少了对种植区影像的覆盖频次；

(3)在本技术方案中利用关键时相中大蒜与其他地物差异明显的特征，采用阈值法对地物进行筛选，分别筛除裸地，水体，植被等杂质，并通过长势最好时期的NDVI对大蒜种植区域的提取进行进一步确定，从而降低了对样本的要求，节省了样本制作过程的人力、物力与时间的损耗，在质量较低的样本的基础上，同样可以保证大蒜种植区域提取的精度。

附图说明

图1为本发明实施例实现一种大蒜种植区域的提取方法的流程图

图2为本发明实施例中一种大蒜种植区域、裸地和绿色作物在影像中的分布示意图

图3为本发明实施例中一种耕地区域内主要地物光谱特征的示意图

图4为本发明实施例中一种大蒜与小麦NDVI的时序曲线图

图5为本发明实施例实现一种大蒜种植区域的提取装置的结构示意图

图6为本发明实施例实现一种大蒜种植区域的提取装置中的大蒜种植区域第一提取模块20的结构示意图

图7为本发明实施例实现一种大蒜种植区域的提取装置的一种电子设备示意图

具体实施方式

下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，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，基于本发明中的实施例，本领域技术人员在没有做出创造性劳动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。

本申请的权利要求书和说明书的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序，应该理解这样使用的术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式，此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他单元。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同，本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是在于限制本申请。

实施例1

如图1所示，一种大蒜种植区域的提取方法，包括以下步骤：

S11、获取研究区域的多时相影像数据，对所述多时相影像数据进行云量滤除和云掩膜处理，得到第一时相影像数据和第二时相影像数据，所述第一时相影像数据和所述第二时相影像数据分别为所述多时相影像数据的10月下旬影像数据和次年4月影像数据；

S12、根据所述第一时相影像数据分别进行土壤指数、归一化差异水体指数、归一化植被指数的计算，并按照预设阈值对所述第一时相影像数据进行大蒜种植区域的提取，得到第一大蒜种植区域；

S13、根据所述第二时相影像数据并按照公式

进行归一化植被指数的计算，得到第一指数，其中NDVI为归一化植被指数，ρ_Nir为近红外波段反射，ρ_Red为红波波段反射率；

S14、根据第一预设阈值并按照第一指数对所述第二时相影像数据进行大蒜种植区域的提取，得到第二大蒜种植区域，将所述第一大蒜种植区域和所述第二大蒜种植区域进行叠加，取交集得到第三大蒜种植区域。

在本实施例中，首先确定研究的区域并选取该研究区域10月下旬与次年4月大蒜幼苗期两个时相的Sentinel-2影像数据，然后对选取的影像数据通过云量滤除进行影像筛选，根据实际所需要的影像设定滤除的阈值，该阈值即“第五预设阈值”，去除其中的云量过多的时相影像，同时，结合云掩膜操作，对云覆盖区域进行更新，生成无云影像，因为上述过程是对两个时相的影像数据都进行处理，所以得到两个时相的处理后的影像数据，即“第一时相影像数据和第二时相影像数据”；其中云掩膜操作是影像预处理中的一个过程，比如哨兵2号重访周期是5天，今天的部分影像存在云覆盖，5天后的数据在该区域没有云覆盖，则识别出今天的云覆盖区域进行掩膜，采用5天后的数据填补今天的云覆盖区域，云掩膜操作用于合成无云影像；

接着根据大蒜播种后覆盖地膜(是指以农用塑料薄膜覆盖地表的一种措施)的特征，结合短波红外波段，选取土壤指数(Soil Index,SI)，将大蒜与该时期的小麦进行区分，十月的小麦刚进行播种，主要表现为裸地特征，裸地与覆盖地膜的地块在土壤指数中差异明显，在该时相内通过SI指数将大蒜与小麦进行区分，即选取“第一时相影像数据”，具体如下：土壤指数的计算公式如下

计算出来的指数即“第二指数”，结合大蒜物候与生长状况，选取适当阈值进行大蒜范围提取，示例选取的十月影像SI的阈值a＝0.09，该阈值即“第二预设阈值”，选取小于该阈值的指数，将裸地去除，得到去除裸地的大蒜种植区域的影像数据，即“第四大蒜种植区域”；

考虑水体在SI指数中表现与覆盖地膜区域特征相似，同时利用十月的短波红外波段计算归一化水体指数MNDWI滤除水体，即选取“第一时相影像数据”进行水体滤除，具体为：根据公式

进行归一化差异水体指数的计算，得到的指数即“第三指数”，结合大蒜物候与生长状况，选取适当阈值进行大蒜范围提取，示例选取十月影像MNDWI阈值c＝0，该阈值即“第三预设阈值”，然后取小于该阈值的指数，进行影像中水体的去除，得到“第五大蒜种植区域”；

结合NDVI，去除10月时相中的植被，即选取“第一时相影像数据”进行植被区域的去除，具体为：根据公式

对归一化植被指数进行计算，得到NDVI指数，即“第四指数”，然后结合大蒜物候与生长状况，选取适当阈值进行大蒜范围提取，示例选取十月影像NDVI阈值b＝0.2，该阈值即“第四预设阈值”，然后取小于该阈值的指数，进行影像中植被区域的去除，得到“第六大蒜种植区域”，将上述的第四大蒜种植区域、第五大蒜种植区域和第六大蒜种植区域进行叠加，取交集得到“第一大蒜种植区域”；

在计算完十月下旬影像数据的大蒜种植区域之后，计算四月影像的NDVI，结合四月大蒜的生长状态，限定大蒜种植范围，即选取“第二时相影像数据”进行大蒜种植区域的提取，具体为：根据公式

进行归一化植被指数的计算，得到归一化植被指数，该指数即“第一指数”，然后结合大蒜物候与生长状况，选取适当阈值进行大蒜范围提取，示例选取四月NDVI阈值d＝0.4，该阈值即“第一预设阈值”，然后取大于该阈值的指数，进行影像中大蒜种植区域的确定，得到“第二大蒜种植区域”，将上述的第一大蒜种植区域和第二大蒜种植区域进行叠加，取交集得到第三大蒜种植区域，该区域就是本方案对研究区域中大蒜种植区域提取的最终范围的影像数据，然后对该影像图像进行形态学处理中的开闭运算处理，去除离散无意义的小班点，又因为本结果影像是栅格图像，为了便于后续的制图与分析，对图像进行栅格转矢量的操作，得到大蒜种植区域图像；

上述公式中的参数代表的意思分别为：NDVI为归一化植被指数，ρ_Nir为近红外波段反射，ρ_Red为红波波段反射率，SI为土壤指数，ρ_Swir为Sentinel-2的短波红外波段反射率，ρ_blue为蓝波波段反射率，MNDWI为改进的归一化差异水体指数，ρ_green为绿波波段反射率。

本实施例的有益效果为：(1)本技术方案中采用两个时期的影像数据，分别是十月下旬的影像数据和次年四月的影像数据，首先采用的十月下旬的影像数据，在这一时期，大蒜处于覆盖地膜之后状态，属于幼芽期，结合短波红外波段，在短波红外影像中，裸地与覆盖地膜的地块两者数值差异明显，结合短波红外影像分析，覆盖地膜的大蒜与小麦在该时相上能进行有效区分，此时的裸地大部分为刚进行种植的小麦，可以认定为小麦的种植区域，通过在这一关键时期的时相选择，可以将小麦与大蒜种植区域分开，解决现有技术中因为二者生长特性相似导致区分精度不高的问题，并且大蒜在次年四月的长势最快，其NDVI指数会随之快速提高，利用大蒜生长的这一物候特点进一步区分大蒜，剔除其他作物干扰，使得最终识别的大蒜种植区域更加准确；

(2)本技术方案充分结合大蒜种植特征、物候特征，并结合短波红外传感器成像特点，利用十月下旬与四月大蒜作物关键时相影像特征，能较早的获取大蒜种植面积，并且降低了对种植区影像覆盖频次的要求，因为在现有技术对大蒜提取最佳时相的选择主要通过对比不同时相的影像分类精度反推最佳的提取时相，还没有相对稳定的时相选择说明，这就需要获取多个时相的影像数据进行反推对比，但是通过本技术方案结合大蒜的播种特点和NDVI时序，可以说明十月下旬和四月能有效进行大蒜提取，确定大蒜提取的关键时相，从而减少了对种植区影像的覆盖频次；

(3)在本技术方案中利用关键时相中大蒜与其他地物差异明显的特征，采用阈值法对地物进行筛选，分别筛除裸地，水体，植被等杂质，并通过长势最好时期的NDVI对大蒜种植区域的提取进行进一步确定，从而降低了对样本的要求，节省了样本制作过程的人力、物力与时间的损耗，在质量较低的样本的基础上，同样可以保证大蒜种植区域提取的精度。

实施例2

如图2-4所示，一种对为什么选取十月下旬和次年四月为大蒜提取关键时相的说明，包括：

本实施例以山东省金乡县作为实验区进行说明，金乡县位于山东省西南部，地处北纬34°52′—35°40′，东经116°7′—116°30′之间，属于温带季风型气候特点，雨热同期，光照充足，降水较为充沛，常年平均气温13-14℃左右，同时金乡县主要为黄泛冲击平原，地势平缓，耕地以潮土为主，适宜的地理与气候条件，有效促进了大蒜的正常生长发育，金乡县常年大蒜种植面积60万亩，年贮藏能力200万吨，加工出口总量占全国的70％以上，金乡大蒜种植区域相对集中，一般播种日期为10月中上旬左右，大蒜播种后需要采用地膜覆盖，萌芽期为10月中下旬，出苗期一般7-10天左右，大蒜的幼苗期为10月到次年的3月，大蒜在冬季，叶片会停止生长，到春季后，温度升高，叶片会开始快速生长。在大蒜的花芽和鳞芽分化期叶片数不会增加，但是叶片会快速生长，4月中旬到5月下旬为大蒜的鳞茎肥大期，该时期分化出鳞芽，该时期可分为两个阶段，前一阶段为共生期，鳞茎分化与蒜苗生长重叠，蒜头生长相对缓慢，后一阶段蒜头加速生长，大蒜生长的最后阶段为休眠期，时长60-80天左右。

从影像特征中分析，在大蒜的幼苗期，大蒜种植区域地表覆盖地膜，结合短波红外波段，与其它耕地作物区分明显，具体影像如图2所示，其中颜色最深的为绿色作物，颜色偏白色的区域为裸地，浅灰色相连接的区域为覆地膜的大蒜种植地块，在10月中下旬阶段，耕地范围内主要为一般绿色作物、裸地、覆地膜的大蒜种植地块，其中裸地主要包含刚播种的小麦，对十月下旬时相耕地内主要作物进行分析，在影像中蓝(Blue)、绿(Blue)、红(Red)、近红外波段(Nir)和短波红外波段(Swir)的光谱特征如图3所示；

从图3中可以发现，大蒜种植地块与绿色作物地块对比，Nir与Red波段相差明显，即处于萌芽和幼苗期大蒜的NDVI(可以反应农作物的长势)明显低于绿色作物地块，可通过NDVI将该时相耕地内的绿色作物与大蒜进行区分，同时可以发现大蒜与裸地地块在前四个波段上差异不大，但在Swir波段上存在明显区分，裸地在Swir波段数值上远高于大蒜种植地块，同时对比大蒜、小麦生长周期的NDVI变化，两者的NDVI生长曲线如图4所示；

由图4可知，大蒜与小麦两者在物候特征上相近，均在10月中下旬开始播种，需要越冬生长，越冬过程中作物生长迟缓，次年返青后再次快速生长，两者在NDVI上趋势相近，难以在后续生长期对大蒜与小麦进行准确区分，因此选取大蒜播种后覆盖地膜的时相作为作物提取的关键时相，将大蒜种植区域和该时期的裸地(主要为小麦)、其他作物进行区分，此后在3-4月份，大蒜返青，大蒜开始快速生长，在NDVI时序图中，四月的大蒜NDVI达到峰值，再次利用大蒜的NDVI曲线特征，设置NDVI阈值，可进一步优化大蒜种植结果，提高大蒜作物的提取准确性；

综上所述，本方案选取十月下旬和次年四月为大蒜提取的关键时相。

实施例3

如图5所示，一种大蒜种植区域的提取装置，包括：

数据预处理模块10：用于获取研究区域的多时相影像数据，对所述多时相影像数据进行云量滤除和云掩膜处理，得到第一时相影像数据和第二时相影像数据，所述第一时相影像数据和所述第二时相影像数据分别为所述多时相影像数据的10月下旬影像数据和次年4月影像数据；

大蒜种植区域第一提取模块20：用于根据所述第一时相影像数据分别进行土壤指数、归一化差异水体指数、归一化植被指数的计算，并按照预设阈值对所述第一时相影像数据进行大蒜种植区域的提取，得到第一大蒜种植区域；

第一指数计算模块30：用于根据所述第二时相影像数据并按照公式

进行归一化植被指数的计算，得到第一指数，其中NDVI为归一化植被指数，ρ_Nir为近红外波段反射，ρ_Red为红波波段反射率；

大蒜种植区域第二提取模块40：用于根据第一预设阈值并按照第一指数对所述第二时相影像数据进行大蒜种植区域的提取，得到第二大蒜种植区域，将所述第一大蒜种植区域和所述第二大蒜种植区域进行叠加，取交集得到第三大蒜种植区域。

上述装置的一种实施方式为，在数据预处理模块10中，获取研究区域的多时相影像数据，对所述多时相影像数据进行云量滤除和云掩膜处理，得到第一时相影像数据和第二时相影像数据，所述第一时相影像数据和所述第二时相影像数据分别为所述多时相影像数据的10月下旬影像数据和次年4月影像数据，在大蒜种植区域第一提取模块20中，根据所述第一时相影像数据分别进行土壤指数、归一化差异水体指数、归一化植被指数的计算，并按照预设阈值对所述第一时相影像数据进行大蒜种植区域的提取，得到第一大蒜种植区域，在第一指数计算模块30中，根据所述第二时相影像数据并按照公式

进行归一化植被指数的计算，得到第一指数，其中NDVI为归一化植被指数，ρ_Nir为近红外波段反射，ρ_Red为红波波段反射率，在大蒜种植区域第二提取模块40中，根据第一预设阈值并按照第一指数对所述第二时相影像数据进行大蒜种植区域的提取，得到第二大蒜种植区域，将所述第一大蒜种植区域和所述第二大蒜种植区域进行叠加，取交集得到第三大蒜种植区域。

实施例4

如图6所示，一种大蒜种植区域的提取装置中的大蒜种植区域第一提取模块20，包括：

大蒜种植区域第三提取模块21：用于根据所述第一时相影像数据并按照公式

进行土壤指数的计算，得到第二指数，根据第二预设阈值并按照第二指数对所述第一时相影像数据进行裸地区域的去除，得到第四大蒜种植区域，其中SI为土壤指数，ρ_Swir为Sentinel-2的短波红外波段反射率，ρ_blue为蓝波波段反射率；

大蒜种植区域第四提取模块22：用于根据所述第一时相影像数据并按照公式

进行归一化差异水体指数的计算，得到第三指数，根据第三预设阈值并按照第三指数对所述第一时相影像数据进行水体区域的去除，得到第五大蒜种植区域，其中MNDWI为改进的归一化差异水体指数，ρ_green为绿波波段反射率；

大蒜种植区域第五提取模块23：用于根据所述第一时相影像数据并按照公式

进行归一化植被指数的计算，得到第四指数，根据第四预设阈值并按照第四指数对所述第一时相影像数据进行植被区域的去除，得到第六大蒜种植区域，将所述第四大蒜种植区域、所述第五大蒜种植区域和所述第六大蒜种植区域进行叠加，取交集得到所述第一大蒜种植区域。

上述装置的一种实施方式为，在大蒜种植区域第三提取模块21中，根据所述第一时相影像数据并按照公式

进行土壤指数的计算，得到第二指数，根据第二预设阈值并按照第二指数对所述第一时相影像数据进行裸地区域的去除，得到第四大蒜种植区域，其中SI为土壤指数，ρ_Swir为Sentinel-2的短波红外波段反射率，ρ_blue为蓝波波段反射率，在大蒜种植区域第四提取模块22中，根据所述第一时相影像数据并按照公式

进行归一化差异水体指数的计算，得到第三指数，根据第三预设阈值并按照第三指数对所述第一时相影像数据进行水体区域的去除，得到第五大蒜种植区域，其中MNDWI为改进的归一化差异水体指数，ρ_green为绿波波段反射率，在大蒜种植区域第五提取模块23中，根据所述第一时相影像数据并按照公式

进行归一化植被指数的计算，得到第四指数，根据第四预设阈值并按照第四指数对所述第一时相影像数据进行植被区域的去除，得到第六大蒜种植区域，将所述第四大蒜种植区域、所述第五大蒜种植区域和所述第六大蒜种植区域进行叠加，取交集得到所述第一大蒜种植区域。

实施例5

如图7所示，一种电子设备，包括存储器501和处理器502，所述存储器501用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器502执行以实现上述的任一一种方法。

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，上述描述的电子设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

一种存储有计算机程序的计算机可读存储介质，所述计算机程序使计算机执行时实现如上述的任一一种方法。

示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器501中，并由处理器502执行，并由输入接口505和输出接口506完成数据的I/O接口传输，以完成本发明,一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机设备中的执行过程。

计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可包括，但不仅限于，存储器501、处理器502,本领域技术人员可以理解，本实施例仅仅是计算机设备的示例，并不构成对计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备还可以包括输入器507、网络接入设备、总线等。

处理器502可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器502、数字信号处理器502(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-ProgRAM503mableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器502可以是微处理器502或者该处理器502也可以是任何常规的处理器502等。

存储器501可以是计算机设备的内部存储单元，例如计算机设备的硬盘或内存。存储器501也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘，智能存储卡(SmartMediaCard,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(FlashCard)等,进一步地，存储器501还可以既包括计算机设备的内部存储单元也包括外部存储设备,存储器501用于存储计算机程序以及计算机设备所需的其他程序和数据,存储器501还可以用于暂时地存储在输出器508，而前述的存储介质包括U盘、移动硬盘、只读存储器ROM503、随机存储器RAM504、碟盘或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例，但本发明的技术特征并不局限于此，任何本领域的技术人员在本发明的领域内，所作的变化或修饰皆涵盖在本发明的专利范围之中。

Claims (10)

1.一种大蒜种植区域的提取方法，其特征在于，包括：

获取研究区域的多时相影像数据，对所述多时相影像数据进行云量滤除和云掩膜处理，得到第一时相影像数据和第二时相影像数据，所述第一时相影像数据和所述第二时相影像数据分别为所述多时相影像数据的10月下旬影像数据和次年4月影像数据；

根据所述第一时相影像数据分别进行土壤指数、归一化差异水体指数、归一化植被指数的计算，并按照预设阈值对所述第一时相影像数据进行大蒜种植区域的提取，得到第一大蒜种植区域。

2.根据权利要求1所述的一种大蒜种植区域的提取方法，其特征在于，还包括：

根据所述第二时相影像数据并按照公式

进行归一化植被指数的计算，得到第一指数，其中NDVI为归一化植被指数，ρ_Nir为近红外波段反射，ρ_Red为红波波段反射率；

根据第一预设阈值并按照第一指数对所述第二时相影像数据进行大蒜种植区域的提取，得到第二大蒜种植区域，将所述第一大蒜种植区域和所述第二大蒜种植区域进行叠加，取交集得到第三大蒜种植区域。

3.根据权利要求1所述的一种大蒜种植区域的提取方法，其特征在于，所述根据所述第一时相影像数据分别进行土壤指数、归一化差异水体指数、归一化植被指数的计算，并按照预设阈值对所述第一时相影像数据进行大蒜种植区域的提取，得到第一大蒜种植区域，包括：

根据所述第一时相影像数据并按照公式

进行土壤指数的计算，得到第二指数，根据第二预设阈值并按照第二指数对所述第一时相影像数据进行裸地区域的去除，得到第四大蒜种植区域，其中SI为土壤指数，ρ_Swir为Sentinel-2的短波红外波段反射率，ρ_blue为蓝波波段反射率；

根据所述第一时相影像数据并按照公式

进行归一化差异水体指数的计算，得到第三指数，根据第三预设阈值并按照第三指数对所述第一时相影像数据进行水体区域的去除，得到第五大蒜种植区域，其中MNDWI为改进的归一化差异水体指数，ρ_green为绿波波段反射率；

根据所述第一时相影像数据并按照公式

进行归一化植被指数的计算，得到第四指数，根据第四预设阈值并按照第四指数对所述第一时相影像数据进行植被区域的去除，得到第六大蒜种植区域，将所述第四大蒜种植区域、所述第五大蒜种植区域和所述第六大蒜种植区域进行叠加，取交集得到所述第一大蒜种植区域。

4.根据权利要求1所述的一种大蒜种植区域的提取方法，其特征在于，所述对所述多时相影像数据进行云量滤除和云掩膜处理，得到第一时相影像数据和第二时相影像数据，包括：

对所述多时相影像数据进行云量滤除，去除云量大于第五预设阈值的影像数据，并通过云掩膜处理进行无云影像的生成，得到所述第一时相影像数据和所述第二时相影像数据。

5.根据权利要求2所述的一种大蒜种植区域的提取方法，其特征在于，所述取交集得到第三大蒜种植区域之后，还包括：

根据形态学处理方法对所述第三大蒜种植区域的图像进行开闭运算处理，并进行栅格转矢量的操作，得到大蒜种植区域图像。

6.一种大蒜种植区域的提取装置，用于实现如权利要求1所述的一种大蒜种植区域的提取方法，其特征在于，包括：

数据预处理模块：用于获取研究区域的多时相影像数据，对所述多时相影像数据进行云量滤除和云掩膜处理，得到第一时相影像数据和第二时相影像数据，所述第一时相影像数据和所述第二时相影像数据分别为所述多时相影像数据的10月下旬影像数据和次年4月影像数据；

大蒜种植区域第一提取模块：用于根据所述第一时相影像数据分别进行土壤指数、归一化差异水体指数、归一化植被指数的计算，并按照预设阈值对所述第一时相影像数据进行大蒜种植区域的提取，得到第一大蒜种植区域。

7.根据权利要求6所述的一种大蒜种植区域的提取装置，其特征在于，还包括：

第一指数计算模块：用于根据所述第二时相影像数据并按照公式

进行归一化植被指数的计算，得到第一指数，其中NDVI为归一化植被指数，ρ_Nir为近红外波段反射，ρ_Red为红波波段反射率；

大蒜种植区域第二提取模块：用于根据第一预设阈值并按照第一指数对所述第二时相影像数据进行大蒜种植区域的提取，得到第二大蒜种植区域，将所述第一大蒜种植区域和所述第二大蒜种植区域进行叠加，取交集得到第三大蒜种植区域。

8.根据权利要求6所述的一种大蒜种植区域的提取装置，其特征在于，所述大蒜种植区域第一提取模块，包括：

大蒜种植区域第三提取模块：用于根据所述第一时相影像数据并按照公式

进行土壤指数的计算，得到第二指数，根据第二预设阈值并按照第二指数对所述第一时相影像数据进行裸地区域的去除，得到第四大蒜种植区域，其中SI为土壤指数，ρ_Swir为Sentinel-2的短波红外波段反射率，ρ_blue为蓝波波段反射率；

大蒜种植区域第四提取模块：用于根据所述第一时相影像数据并按照公式

进行归一化差异水体指数的计算，得到第三指数，根据第三预设阈值并按照第三指数对所述第一时相影像数据进行水体区域的去除，得到第五大蒜种植区域，其中MNDWI为改进的归一化差异水体指数，ρ_green为绿波波段反射率；

大蒜种植区域第五提取模块：用于根据所述第一时相影像数据并按照公式

进行归一化植被指数的计算，得到第四指数，根据第四预设阈值并按照第四指数对所述第一时相影像数据进行植被区域的去除，得到第六大蒜种植区域，将所述第四大蒜种植区域、所述第五大蒜种植区域和所述第六大蒜种植区域进行叠加，取交集得到所述第一大蒜种植区域。

9.一种大蒜种植区域的提取装置，其特征在于，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如权利要求1-5中任一项所述的一种大蒜种植区域的提取方法。

10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被计算机执行时实现如权利要求1-5中任一项所述的一种大蒜种植区域的提取方法。

Images