本发明涉及农业遥感监测,尤其涉及基于时序ndvi的冬闲田遥感提取方法。
背景技术:
1、粮食生产功能区和重要农产品生产保护区包括稻谷、小麦、玉米三大谷物粮食生产功能区和大豆、棉花、油菜籽、糖料蔗、天然橡胶等五类重要农产品生产保护区。粮食生产功能区主要为确保“谷物基本自给、口粮绝对安全”,重要农产品生产保护区主要为保障棉、油、糖、胶等重要农产品有效供给。
2、安徽中北部地区大量面积种植小麦,但随着由于经济结构的调整以及农村劳动力的转移,越来越多的农户放弃秋季播种,导致大量土地自秋收后到第二年播种前这段时间被闲置,被称之为冬闲田。冬闲田的出现使得耕地利用率进一步下降,导致光热水土资源的浪费。因此,加强冬季耕地种植情况监测,合理开发未种植地,有助于生态环境保护以及农村经济社会可持续发展。
3、目前,遥感是监测农情信息最方便、经济、及时的手段。遥感技术具有客观、及时的特点,可在短期内获得大量大范围的地面信息。但是,目前鲜有通过遥感技术快速提取冬闲田面积及分布情况的应用。
技术实现思路
1、为此,本发明提供一种基于时序ndvi的冬闲田遥感提取方法,利用时序ndvi变化曲线,进行耕地范围内冬闲田的识别与提取。
2、一种基于时序ndvi的冬闲田遥感提取方法,包括以下步骤:
3、步骤1,基于样本遥感影像确定冬小麦与冬闲田对比物候线,其中对比物候线将冬小麦生长期划分为第一生长期和第二生长期;
4、步骤2,获取包含研究区域的遥感影像并进行预处理,再以该研究区域的耕地矢量边界作为掩膜,去除遥感影像中的非耕地区域,形成研究区域的耕地遥感影像;
5、步骤3,针对耕地遥感影像,确定其冬小麦与冬闲田的ndvi区分阈值;
6、步骤4,逐像元地计算耕地遥感影像在第一、第二生长期内的ndvi均值,进而得到两个生长期ndvi均值的变化值,再与冬小麦与冬闲田的ndvi区分阈值进行比较,当ndvi均值的变化值低于ndvi区分阈值时,判断该像元属于冬闲田,从而得到研究区域的冬闲田分布信息。
7、进一步的,步骤1包括以下步骤:
8、步骤1.1,选取包含一定数量的冬小麦和冬闲田的遥感影像作为样本遥感影像,并对其中的部分冬小麦和冬闲田进行人工标记,分别作为冬小麦和冬闲田区域样本;
9、步骤1.2,分别计算冬小麦区域样本和冬闲田区域样本不同时间遥感影像的ndvi值,构成冬小麦时序ndvi曲线和冬闲田时序ndvi曲线;
10、步骤1.3,分析两条时序ndvi曲线的最小累计距离特征,确定冬小麦与冬闲田对比物候线,其中,优选基于twdtw算法分析两条时序ndvi曲线的最小累计距离特征。
11、进一步的,步骤3包括以下步骤:
12、步骤3.1,分别计算耕地遥感影像中每个像元在第一、第二生长期的ndvi均值,以及两个生长期ndvi均值的变化值,得到两个生长期的ndvi均值变化灰度图;
13、步骤3.2,基于图像分割算法,从ndvi均值变化灰度图中得出冬小麦与冬闲田的ndvi区分阈值,其中,所述图像分割算法优选ostu算法。
14、进一步的,步骤1中的预处理包括辐射定标、大气校正、正射校正、几何配准。
15、进一步的,对步骤3得到的冬闲田分布信息进行后处理,剔除林地、水体、建筑物,得到最终的冬闲田空间分布结果。
16、本发明通过样本遥感影像获取冬小麦与冬闲田对比物候线,基于该对比物候线得到研究区域耕地遥感影像的冬小麦与冬闲田的ndvi区分阈值,进而实现冬小麦种植区域冬闲田遥感提取,填补了冬闲田遥感提取的技术空白,且整体提取精度较高。
1.一种基于时序ndvi的冬闲田遥感提取方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于时序ndvi的冬闲田遥感提取方法,其特征在于,步骤1包括以下步骤:
3.根据权利要求2所述的基于时序ndvi的冬闲田遥感提取方法,其特征在于,基于twdtw算法分析两条时序ndvi曲线的最小累计距离特征。
4.根据权利要求1所述的基于时序ndvi的冬闲田遥感提取方法,其特征在于,步骤3包括以下步骤:
5.根据权利要求4所述的基于时序ndvi的冬闲田遥感提取方法,其特征在于,所述图像分割算法采用ostu算法。
6.根据权利要求1所述的基于时序ndvi的冬闲田遥感提取方法,其特征在于,步骤1中的预处理包括辐射定标、大气校正、正射校正、几何配准。
7.根据权利要求1所述的基于时序ndvi的冬闲田遥感提取方法,其特征在于,对步骤3得到的冬闲田分布信息进行后处理,剔除林地、水体、建筑物,得到最终的冬闲田空间分布结果。