基于3S技术的作物种植结构精细化监测分析方法

基于3s技术的作物种植结构精细化监测分析方法
技术领域
1.本发明属于农业遥感和农业信息技术领域，尤其涉及一种基于3s技术的作物种植结构精细化监测分析方法。


背景技术：

2.高精度的农业土地利用和作物种植信息是开展农业资源调查和农田精细化管理的重要前提。然而，当前我国农作物的种植信息及其结构变化主要依赖于人工普查或地方统计数据获取，这种手段不仅费时费力，而且精度难以保证。虽然近年来一些大尺度的卫星影像被应用到农田作物信息提取，但是相关技术手段往往精度较低，很难快速准确地获取农田(特别是地块尺度)的作物类型、分布面积及其动态变化等精细化的作物生产信息。
3.通过上述分析，现有技术存在的问题及缺陷为：现有技术手段精度较低且费时费力，亟需一种快速、准确地获取农田地块尺度作物种植结构信息的精细化监测方法。
[0004]“3s”技术，即——遥感(remote sensing，rs)、地理信息系统(geography information systems，gis)和全球定位系统(global positioning systems，gps)，具有实时监测、精确定位、快速提取信息和动态分析等优点，在现代数字农业和智慧农业发展中逐渐得到应用。本发明专利通过将高精度遥感技术、gps卫星定位技术、以及地理信息系统平台(即“3s”技术)有机融合，构建了一套用于农田地块尺度作物种植结构精细化监测和定量化分析的技术方法，实现了区域农田作物类型识别、空间准确定位、面积边界提取和动态监测分析。


技术实现要素：

[0005]
针对现有技术存在的问题，本发明提供了一种基于3s技术的作物种植结构精细化监测分析方法。
[0006]
本发明是这样实现的，一种基于3s技术的作物种植结构精细化监测分析方法，所述基于3s技术的作物种植结构精细化监测分析方法包括：首先采用高精度的google earth遥感影像为底图，通过分区分类和影像判读，初步识别农田边界、作物类型等基础信息；其次结合gps采样、田间定位测量，野外实地核查等环节，获取地块尺度的作物空间分布及其属性信息；最后借助gis系统平台，以及多时相遥感影像的集成分析，实现对区域不同作物类型、分布面积以及空间格局转换的精细化、定量化的监测分析。
[0007]
进一步，所述基于3s技术的作物种植结构精细化监测分析方法具体包括以下步骤：
[0008]
第一步，以高精度的google earth遥感影像为底图，采用ndvi指数等特征参数，在室内初步判读研究区内农田边界、不同生长季节的作物类型等基础信息；
[0009]
第二步，在高精度影像室内预判解译基础上，选取典型训练样本和采样点，将低空无人机航拍与gps定位测量相结合，对前期室内人工解译结果进行实地校核和精度验证，得到研究区精细化的田块边界、作物类型空间和属性信息，获取农田地块尺度的土地利用和
作物种植信息；
[0010]
第三步，将高精度遥感影像和gps采集的空间信息和属性数据导入地理信息系统gis平台，借助于系统平台数字化和统计分析工具，定量分析农田土地利用变化以及不同作物类型的空间转换特征；通过数据统计制图以及模型计算，对典型区的不同作物类型、分布面积、空间格局转换和结构变化开展详细的定量化分析；
[0011]
第四步，运用arcgis软件的制图功能，输出地块尺度的土地利用或作物种植结构转化专题图。
[0012]
进一步，所述第一步具体操作时采取分区分类的影像解译方式，基于研究区内不同的地貌单元在遥感影像光谱、地表植被疏密和居民点分布方面的差异，通过分区采集训练样本和分区开展监督分类，构建基于高精度谷歌影像的农业土地利用和作物信息分区分类技术体系。
[0013]
进一步，所述第二步在实际操作中，通过将不同时相的高清遥感影像和地面gps采样相结合，获取不同历史时期的作物分布信息及种植结构的动态变化特征。
[0014]
进一步，所述第三步数量结构分析借助于软件系统中的change detection工具，计算出两期不同地类的转移矩阵；作物种植结构空间变化监测基于arcgis软件平台，采用空间叠加分析和栅格计算分析工具来实现。
[0015]
进一步，影像下载和预判读，利用研究区域对角线经纬度的两点定位法确定影像范围、进行截图；运用“map combiner”工具进行影像拼接，生成具有地理坐标信息的tiff格式的全景图片，用于影像解译、野外核查和后期数字化使用。
[0016]
进一步，野外校核和信息采集，采用gps定位和田块测量方法记录精细化的田块信息；gis信息集成和定量分析，基于地学空间统计技术，定量检测和分析地块尺度的土地利用和种植结构变化过程，并生成专题图件。
[0017]
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
[0018]
首先采用高精度的google earth遥感影像为底图，通过分区分类和影像判读，初步识别农田边界、作物类型等基础信息；其次结合gps采样、田间定位测量，野外实地核查等环节，获取地块尺度的作物空间分布及其属性信息；最后借助gis系统平台，以及多时相遥感影像的集成分析，实现对区域不同作物类型、分布面积以及空间格局转换的精细化、定量化的监测分析。
[0019]
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
[0020]
首先采用高精度的google earth遥感影像为底图，通过分区分类和影像判读，初步识别农田边界、作物类型等基础信息；其次结合gps采样、田间定位测量，野外实地核查等环节，获取地块尺度的作物空间分布及其属性信息；最后借助gis系统平台，以及多时相遥感影像的集成分析，实现对区域不同作物类型、分布面积以及空间格局转换的精细化、定量化的监测分析。
[0021]
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述基于3s技术的作物种植结构精细化监测分析方法。
[0022]
结合上述的技术方案和解决的技术问题，请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为：
[0023]
第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：
[0024]
本发明探索形成了一种基于高精度遥感影像和分区分类思想，开展农田土地利用和地块尺度作物种植信息检测的技术流程。通过将google earth高精度影像精细化分类技术与gps实地定位测量、以及gis空间分析技术有机结合，可以大大提高对农田地块作物类型和空间分布信息的提取精度。采用本发明对我国三大粮食主产区县域尺度和农田地块两个尺度的典型区域精度验证表明，不同区域的土地利用分类和作物信息提取准确率达到了90％以上，有些区域甚至接近于95％。依据《数字测绘成果质量检查与验收》国家标准进行检验，本发明技术成果在作物精细化分类和总体精度方面都处于行业内领先水平。
[0025]
第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：
[0026]
技术先进性和应用效果：采用本发明对我国三个农业生产的典型区分类结果图的精度检验表明：在我国南方、北方不同典型区的分类结果的精度都在90％以上，有些区域甚至接近于95％。依据国家标准进行检验，本发明技术成果在精细化分类和总体精度方面都处于行业内领先水平。
[0027]
社会经济效益：采用本发明构建的技术方法，将高精度遥感技术应用到农业土地利用和作物信息提取和精度验证中，不仅节省了工作量，而且有效提高了分类结果的精度。因此，本发明实现了对于较大范围农田土地利用和地块尺度作物种植信息的快速、准确提取，同时大大节约了过去单纯依赖于人工调查的时间和经济成本。同时，本发明技术成果构建了一套可以面向农业科研、农业区划人员等行业人员，以及非遥感专业人员使用的简便高效的技术方法流程，为我国开展新一轮的土地资源监测分析、农田作物信息获取，以及相关后续科研研究工作起到了一定的推动作用。
[0028]
第三，作为本发明的权利要求的创造性辅助证据，还体现在以下几个重要方面：
[0029]
(1)本发明的技术方案转化后的预期收益和商业价值为：
[0030]
采用本发明的技术方案对我国三大粮食主产区县域尺度和农田地块两个尺度的典型区域精度验证表明，不同区域的土地利用分类和作物信息提取准确率均达到了90％以上，有些区域甚至接近于95％。
[0031]
本发明的技术方案转化具有较高的预期收益和商业价值。首先，本发明形成了一套高度集成的作物种植空间信息采集和分析的综合信息技术系统，便于进行大面积推广应用，在我国新一轮耕地资源区划、种植结构调整和作物布局优化等方面具有很好的使用价值。其次，该技术发明的成果范围将覆盖全国三大粮食主产区2000多个县区，提供包括小麦、玉米、水稻、大豆等主要粮食作物分布格局及动态变化的高分辨率空间监测数据和专题图件，进一步可以应用至全国农业相关高校、科研院所、各省农业服务公司和相关农业企业，成果便于商业转化，将在我国农业科研、作物生产服务等领域发挥更大作用。
[0032]
(2)本发明的技术方案填补了国内外业内技术空白：
[0033]
我国农作物种植及结构变化信息，过去主要依赖人工普查或地方统计数据获取，
这种手段不仅费时费力，而且精度难以保证。虽然近年来一些大尺度的卫星影像被应用到农田作物信息提取，但是相关技术手段往往精度较低，很难快速准确地获取农田(特别是地块尺度)的作物类型、分布面积及其动态变化等精细化的种植信息。
[0034]
本发明专利通过将现代3s技术有效融合，针对农田地块作物信息实现了从传统定性判读向高精度遥感提取、gps定位测量以及地理信息系统平台集成的定量化、精细化分析。形成了一套高度集成的作物种植空间信息采集、处理、分析和应用一体化的综合信息技术系统。在我国未来耕地资源数字化和农田系统精细化管理方面具有广阔的应用发展前景。
[0035]
(3)本发明的技术方案是否解决了人们一直渴望解决、但始终未能获得成功的技术难题：
[0036]
大范围、快速准确地获取农田地块作物类型及其结构变化信息(包括不同季节的农田作物类型、分布面积、结构变化等)，一直是农业领域亟须解决的技术难点问题。本发明基于高分辨率遥感时空数据和作物分区分类监测模型，创新集成“3s”技术多元数据融合分析方法，有效解决了“面向地块尺度作物种植结构监测的精细化、定量化分析”技术难题。
[0037]
本发明的主要创新和优势体现在两个方面：1)在数据源方面：本发明尝试以多源、多时相影像为数据源，建立了一套将google earth高精度影像与无人机、gps定位测量相结合的数据融合思路，实现了多源数据的优势互补；2)在分类方法上，本发明提出的遥感分区分类的创新方法，辅以影像拼接和边界融合处理技术，有效改善了过去“同物异谱、异物同谱”等导致的错分和漏分误差，显著提高了遥感影像的分类精度。
[0038]
综上可见，本发明提出的技术思想和系统方案，有效解决了当前国内外农业遥感领域的技术难点问题。在农田地块尺度的作物信息快速准确提取和精细化、定量分析方面均处于行业内领先水平，相关技术方法具有较为广阔的应用前景。
附图说明
[0039]
图1是本发明实施例提供的基于3s技术的作物种植结构精细化监测分析方法流程图；
[0040]
图2是本发明实施例提供的基于高清遥感影像的作物类型识别流程图；
[0041]
图3是本发明实施例提供的基于高精度遥感影像的农田土地利用和作物信息分区分类示意图；
[0042]
图4是本发明实施例提供的gps技术用于田块作物种植信息提取与实地校核示意图；
[0043]
图5是本发明实施例提供的基于gis技术平台的作物结构动态分析流程图；
[0044]
图6是本发明实施例提供的地块尺度的作物种植结构变化监测结果(以南方稻田示意图)。
具体实施方式
[0045]
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。
[0046]
一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。
[0047]
如图1所示，本发明实施例提供的基于3s技术的作物种植结构精细化监测分析方法流程，首先采用高精度的google earth遥感影像为底图，通过分区分类和影像判读，初步识别农田边界、作物类型等基础信息；其次结合gps采样、田间定位测量，野外实地核查等环节，获取地块尺度的作物空间分布及其属性信息；最后借助gis系统平台，以及多时相遥感影像的集成分析，实现对区域不同作物类型、分布面积以及空间格局转换的精细化、定量化的监测分析。
[0048]
本发明的具体技术流程包括：
[0049]
(1)首先以高精度的google earth遥感影像为底图，采用ndvi指数等特征参数，在室内初步判读研究区内农田边界、不同生长季节的作物类型等基础信息(图2)。具体操作时采取分区分类的影像解译方式，基于研究区内不同的地貌单元在遥感影像光谱、地表植被疏密和居民点分布方面的差异，通过分区采集训练样本和分区开展监督分类，以避免不同地貌单元中同物异谱或异物同谱导致的训练样本选择误差，提高分类结果的精度，构建基于高精度谷歌影像的农业土地利用和作物信息分区分类技术体系(图3)。
[0050]
(2)其次，在高精度影像室内预判解译基础上，选取典型训练样本和采样点，将低空无人机航拍与gps定位测量相结合，对前期室内人工解译结果进行实地校核和精度验证，得到研究区精细化的田块边界、作物类型等空间和属性信息(图4)，从而获取农田地块尺度的土地利用和作物种植信息。在实际操作中，通过将不同时相的高清遥感影像和地面gps采样相结合，从而获取不同历史时期的作物分布信息及种植结构的动态变化特征。
[0051]
(3)然后，将高精度遥感影像和gps采集的空间信息和属性数据导入地理信息系统(gis)平台，借助于系统平台数字化和统计分析工具，定量分析农田土地利用变化以及不同作物类型的空间转换特征。通过数据统计制图以及模型计算，对典型区的不同作物类型、分布面积、空间格局转换和结构变化开展详细的定量化分析(图5)。其中，数量结构分析主要借助于软件系统中的change detection工具，计算出两期不同地类的转移矩阵。作物种植结构空间变化监测主要基于arcgis软件平台，采用空间叠加分析和栅格计算分析工具来实现。
[0052]
(4)最后，运用arcgis软件的制图功能，输出地块尺度的土地利用或作物种植结构转化专题图(图6)。通过本发明专利方法，构建一套基于“3s”技术的农田地块尺度种植结构变化监测及定量化分析的技术流程。
[0053]
在本发明的实施例中影像下载和预判读，谷歌地球(google earth)提供的免费高精度卫星图像。本发明用google satellite maps retriever软件，下载覆盖研究区的高清遥感影像。利用研究区域对角线经纬度的两点定位法确定影像范围、进行截图。运用“map combiner”工具进行影像拼接，生成具有地理坐标信息的tiff格式的全景图片，用于影像解译、野外核查和后期数字化使用。
[0054]
在本发明的实施例中野外校核和信息采集，采用gps定位和田块测量等方法记录精细化的田块信息。gis信息集成和定量分析，基于地学空间统计技术，定量检测和分析地块尺度的土地利用和种植结构变化过程，并生成专题图件。
[0055]
二、应用实施例。为了证明本发明的技术方案的创造性和技术价值，该部分是对权
利要求技术方案进行具体产品上或相关技术上的应用实施例。
[0056]
本发明提供的技术方案已经在三个大的粮食主产区得到应用，获得了小麦、玉米、水稻、大豆等主要作物分布格局和动态分析数据，监测成果精度平均达到90％以上，部分区域甚至接近于95％，相较于其他大尺度的作物监测，本发明在作物类型精细化程度和提取精度方面都处于领先水平。
[0057]
以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，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，都应涵盖在本发明的保护范围之内。