一种渔光互补光伏养殖模式的遥感识别方法与流程

本发明涉及地物遥感识别领域，尤其涉及一种渔光互补光伏养殖模式的遥感识别方法。背景“渔光互补”是一种非常生态低碳的新型环保养殖模式。其是将养殖与光伏发电相结合，在鱼塘上面安装光伏组件，光伏组件下面的水域里可以进行水产养殖，形成“上可发电，下可养渔”的新型养殖模式。渔民可以依托鱼塘资源，在鱼塘上方搭建起光伏电站，这样不仅有养鱼的收益，还有光伏发电的收益，一举两得。“渔光互补”光伏养殖模式的有效监测是农业管理部门制定调控政策的重要途径，相对于传统调查统计方法，遥感技术具有及时高效、大范围监测和低成本的优势，是获取光伏养殖模式区域分布和动态变化的重要手段。现有技术不乏对陆地光伏电站的识别研究，也有针对养殖鱼塘遥感识别的技术方案。在陆地光伏电站的识别方面，需要通过光谱和纹理多特征图像或其他技术手段将水面信息排除。例如，王卫等通过融合光谱和纹理多特征图像，并联合多尺度分割图像，构建多尺度多特征图像，对粤北地区不同本底环境的光伏电站进行识别；周树芳等提出一种融合逐像素置信度模块的两分支深度学习网络，用于识别新疆陆地光伏电站；申请号为202210094492.x的中国专利提出的光伏板遥感自动识别方法，以陆地光伏电站青海省龙羊峡太阳能光伏电站为研究区，将水面信息与光伏电板信息进行区分。在养殖鱼塘的识别方面，则需要通过光谱、空间形态和纹理特征等对水面信息进行提取。例如，王芳等以高分一号为数据源，把不同养殖模式对象的光谱、空间形态和纹理特征及其关联关系作为事务数据对粤东柘林湾养殖核心区内4种海水养殖模式(池塘养殖、网箱养殖、滩涂插养、浮筏吊养)水面信息进行提取；马艳娟等采用波段运算构建指数的方法对aster影像中的近海水产养殖区域进行提取；刘志军等、徐珊等分别采用基于面向对象的方法实现了对网箱养殖、普通池塘、高密度养虾池3种海水养殖模式的分类提取；李缨等利用oli影像数据，提出了一种综合遥感影像光谱与纹理信息的养殖水体与自然水体的区分方法。但是，现有技术没有对水上光伏电站进行单独研究，更没有针对“渔光互补”的新型环保养殖模式进行遥感识别的技术方案。显而易见地，陆地光伏电站的识别技术和养殖鱼塘的识别技术均无法直接应用于对“渔光互补”的养殖模式进行遥感识别。以上
背景技术：
内容的公开仅用于辅助理解本发明的发明构思及技术方案，其并不必然属于本专利申请的现有技术，也不必然会给出技术教导；在没有明确的证据表明上述内容在本专利申请的申请日之前已经公开的情况下，上述背景技术不应当用于评价本技术的新颖性和创造性。

背景技术

技术实现思路

1、本发明的目的是提供一种渔光互补光伏养殖模式的遥感识别方法，能够高效精准识别养殖水体上方设有光伏电站的渔光互补光伏养殖模式。

2、为达到上述目的，本发明采用的技术方案如下：

3、一种渔光互补光伏养殖模式的遥感识别方法，用于对养殖水体上方设有光伏电站的渔光互补光伏养殖模式进行遥感识别，包括以下步骤：

4、获取目标区域的遥感影像，所述遥感影像包括蓝光、绿光、红光、近红外、短波红外波段的影像；

5、对获取的目标区域的遥感影像进行预处理，所述预处理包括对遥感影像进行做波段合成、大气校正、几何校正、裁剪和镶嵌；

6、计算预处理后的影像的光谱特征指数及纹理特征，所述光谱特征指数包括归一化植被指数、归一化水体指数、归一化红边指数、差值指数和光伏电站特征指数，所述纹理特征包括短波红外波段纹理均值；

7、提取水上光伏电站与常规养殖水体，所述常规养殖水体为未设有水上光伏电站的养殖水体，包括基于所述归一化植被指数识别像元是否为植被像元，基于所述短波红外波段纹理均值识别像元是否为建筑像元，基于所述归一化水体指数和归一化红边指数识别像元是否为自然水体像元，所述自然水体包括河流和湖泊，基于所述差值指数和光伏电站特征指数识别水上光伏电站像元与常规养殖水体像元；

8、针对所述水上光伏电站像元与常规养殖水体像元的识别结果做分类后处理，所述分类后处理包括majority分析、聚类处理和过滤处理中的一种或多种，将水上光伏电站像元栅格转矢量，并确定水上光伏电站轮廓边界及其最小外接多边形；

9、基于空间邻域关系，对所述最小外接多边形进行多边形等距扩张确定养殖水体多边形，并计算所述最小外接多边形内的光伏电站像元数量相对于其总像元数的第一占比指数，以及所述养殖水体多边形内的养殖水体像元数相对于其总像元数的第二占比指数，并且基于所述第一占比指数和第二占比指数计算结果识别渔光互补光伏养殖模式。

10、进一步地，承前所述的任一技术方案或多个技术方案的组合，若所述第一占比指数大于等于第一占比指数阈值，且所述第二占比指数大于等于第二占比指数阈值且小于等于第三占比指数阈值，则判断所述养殖水体多边形对应于渔光互补光伏养殖模式，否则为非渔光互补光伏养殖模式；

11、所述第一占比指数的计算公式为：

12、

13、其中，kp1为第一占比指数，n1为水上光伏电站轮廓边界的最小外接多边形内的像元总数，np1为水上光伏电站轮廓边界的最小外接多边形内的光伏电站像元个数；

14、所述第二占比指数的计算公式为：

15、

16、其中，kp2为第一占比指数，n0为养殖水体多边形内的像元总数，np1为养殖水体多边形内的光伏电站像元个数。

17、进一步地，承前所述的任一技术方案或多个技术方案的组合，所述第一占比指数阈值为85％，和/或，所述第二占比指数阈值为45％，和/或，所述第三占比指数阈值为55％。

18、进一步地，承前所述的任一技术方案或多个技术方案的组合，所述归一化植被指数被配置为排除植被像元，若所述归一化植被指数小于预设的归一化植被指数阈值，则判断像元不是植被像元，否则判断像元为植被像元；所述归一化植被指数的计算公式为：

19、

20、其中，ndvi为归一化植被指数，ρnir为近红外波段像元反射率值，ρred为红光波段像元反射率值；

21、和/或，

22、所述短波红外波段纹理均值被配置为排除建筑像元，若像元对应的所述短波红外波段纹理均值小于预设的短波红外波段纹理均值阈值，则判断像元不是建筑像元，否则判断像元为建筑像元；所述短波红外波段纹理均值的计算公式为：

23、

24、其中，meanswir为短波红外波段纹理均值，p(i,j)表示影像的灰度联合矩阵中第i行j列的元素，u表示p(i,j)的均值，n为像元个数。

25、进一步地，承前所述的任一技术方案或多个技术方案的组合，所述归一化水体指数和所述归一化红边指数被配置为排除自然水体像元，若所述归一化水体指数小于预设的归一化水体指数阈值且所述归一化红边指数小于预设的归一化红边指数阈值，则判断像元不是自然水体像元，否则判断像元是自然水体像元；

26、所述归一化水体指数的计算公式为：

27、

28、其中，ndwi为归一化水体指数，ρgreen为绿光波段像元反射率值，ρnir为近红外波段像元反射率值；

29、所述归一化红边指数的计算公式为：

30、

31、其中，ndgre为归一化红边指数，ρgreen为绿光波段像元反射率值，ρre1为红边波段像元反射率值。

32、进一步地，承前所述的任一技术方案或多个技术方案的组合，所述差值指数和光伏电站特征指数被配置为区分水上光伏电站像元与养殖水体像元，若所述差值指数大于第一差值指数阈值且小于第二差值指数阈值，并且所述光伏电站特征指数大于光伏电站特征指数阈值，则判断像元为光伏电站像元，否则判断像元为养殖水体像元；

33、所述差值指数的计算公式为：

34、dvi＝ρblue-ρgreen

35、其中，dvi为差值指数，ρblue为蓝光波段像元反射率值，ρgreen为绿光波段像元反射率值；

36、所述光伏电站特征指数的计算公式为：

37、psi＝(ρblue+ρswir)-(ρred+ρnir)

38、其中，psi为光伏电站特征指数，ρblue为蓝光波段像元反射率值，ρswir为短波红外波段像元反射率值，ρnir为近红外波段像元反射率值。

39、进一步地，承前所述的任一技术方案或多个技术方案的组合，所述归一化植被指数阈值为0.05；和/或，所述短波红外波段纹理均值阈值为20。

40、进一步地，承前所述的任一技术方案或多个技术方案的组合，所述归一化水体指数阈值为0；和/或，

41、所述归一化红边指数阈值为0.1。

42、进一步地，承前所述的任一技术方案或多个技术方案的组合，所述第一差值指数阈值为-150；和/或，

43、所述第二差值指数阈值为200；和/或，

44、所述光伏电站特征指数阈值为400。

45、进一步地，承前所述的任一技术方案或多个技术方案的组合，确定所述水上光伏电站轮廓边界的最小外接多边形为一矩形；

46、获取目标区域的遥感影像的时期为3月份。

47、本发明提供的技术方案带来的有益效果如下：

48、a.本发明充分利用了水上光伏电站在蓝光波段、绿光波段、短波红外波段反射率独特差异，构建了光伏电站特征指数、差值指数，实现有效区分水上光伏电站与常规养殖水体；

49、b.本发明基于水上光伏电站与其四周养殖水体的空间像元占比关系，具体通过计算水上光伏电站轮廓边界的最小外接多边形内的光伏电站像元数量相对于其总像元数的第一占比指数，以及水上光伏电站四周养殖水体多边形内的养殖水体像元数相对于其总像元数的第二占比指数，并且基于第一占比指数和第二占比指数的范围确定渔光互补光伏养殖模式，实现了渔光互补光伏养殖模式的高效精准识别，弥补了当前算法的空白。