一种基于四层特征的耕地侵蚀变化遥感监测方法、装置及存储介质
本发明涉及农业信息化技术与遥感图像处理,尤其涉及一种基于四层特征的耕地侵蚀变化遥感监测方法、装置及存储介质。
背景技术:
1、耕地是粮食生产的核心载体,而现存在耕地非农化、耕地破碎化及坡耕地水土流失等耕地侵蚀现象日益严重。耕地侵蚀直接导致土层变薄、地力下降,严重威胁耕地质量与粮食安全。精准掌握耕地侵蚀的空间分布与动态演变对于农业监管和自然资源规划具有重要意义。
2、在耕地识别方法方面,现有技术路线主要分为两类:一类是基于单一光谱指标的阈值判别法,单一植被指数阈值方法是该类方法的典型代表。该类传统单一指标阈值判别法存在精度低,鲁棒性差的问题。在低丘缓坡地区容易将山林、草地等非耕地地物误判为耕地,难以有效区分耕地与自然植被覆盖,识别精度有限,难以支撑耕地保护精细化监管工作。另一类是基于机器学习或深度学习的分类方法,基于机器学习模型部署成本高、泛化能力弱,而基于深度神经网络的语义分割模型需要依赖大量的人工标注样本,且模型训练计算成本高昂以及在不同气候、作物类型区域应用时,精度会下降,且模型具有黑箱特性,分类结果可解释性差。上述这些问题均制约了其在农业业务监管系统中的快速推广应用。
3、因此,亟需一种基于四层特征的耕地侵蚀变化遥感监测方法、装置及存储介质以解决上述技术问题。
技术实现思路
1、本发明的目的在于克服现有技术中的不足,提供一种基于四层特征的耕地侵蚀变化遥感监测方法、装置及存储介质,能够解决现有技术所存在的依赖大量人工标注样本,且无法高效、精准识别耕地和并对侵蚀变化进行监测的技术问题。
2、为达到上述目的,本发明是采用下述技术方案实现的:
3、第一方面,本发明提供了一种基于四层特征的耕地侵蚀变化遥感监测方法,包括:
4、获取目标年份目标区域覆盖作物完整生长季的多光谱遥感影像数据与数字高程模型数据;
5、根据所述数字高程模型数据计算目标区域内每个像元的坡度值,基于所述坡度值和预设的坡度阈值输出地形筛选掩膜;
6、在所述地形筛选掩膜对应的区域内,选取目标年份夏季的多光谱遥感影像数据,基于目标年份夏季的多光谱遥感影像数据生成纹理掩膜;
7、在所述纹理掩膜对应的区域内,选取目标年份完整生长季的多光谱遥感影像数据中的ndvi时间序列数据,并提取其中的物候特征指标,基于所述物候特征指标和预设定的物候特征阈值生成物候掩膜;
8、对所述物候掩膜进行连通域分析,识别出所有独立的连通图斑,计算每个连通图斑包含的像元数量,基于所述连通图斑的像元数量计算每个连通图斑的实际面积,剔除实际面积小于预设的最小面积阈值的连通图斑,对保留的连通图斑进行形态学后处理,输出耕地分布掩膜;
9、基于不同目标年份所获得的耕地分布掩膜开展多时相耕地侵蚀监测。
10、进一步地,根据所述数字高程模型数据计算目标区域内每个像元的坡度值,表达式为:
11、;
12、基于所述坡度值和预设的坡度阈值生成二值坡度掩膜,表达式为:
13、;
14、其中,为坡度值,为数字高程模型数据,和是空间坐标方向的水平位置参数,为沿x轴的高程变化率,表示东西方向坡度变化量,为沿y轴的高程变化率,表示南北方向坡度变化量,为预设的坡度阈值,为二值坡度掩膜,表示圆周率;
15、剔除所述二值坡度掩膜中值为0的坡度掩膜,输出地形筛选掩膜。
16、进一步地,基于目标年份夏季的多光谱遥感影像数据生成纹理掩膜,包括:
17、基于所述目标年份夏季的多光谱遥感影像数据中的近红外波段数据计算局部变异系数,表达式包括:
18、;
19、其中,表示以像元为中心的局部变异系数表示以像元为中心的局部像元窗口,为近红外波段反射率, 表示该窗口内近红外波段b8像元值的标准差,表示该窗口内近红外波段b8像元值的均值,为一个常数;
20、提取所述目标年份夏季的多光谱遥感影像数据的归一化植被指数,表达式包括:
21、;
22、其中,为红光波段反射率,为目标年份夏季的多光谱遥感影像数据的归一化植被指数;
23、基于所述目标年份夏季的多光谱遥感影像数据的归一化植被指数,筛选出候选植被区域,表达式包括:
24、;
25、其中,表示候选植被区域掩膜,为归一化植被指数阈值;
26、在所述候选植被区域内,根据局部变异系数和局部变异系数阈值进行筛选,生成纹理掩膜,表达式包括:
27、;
28、其中,表示纹理掩膜,表示局部变异系数阈值。
29、
30、进一步地,所述物候特征指标包括:ndvi最大值、ndvi最小值、ndvi生长振幅及ndvi年均值,所述ndvi生长振幅为ndvi最大值和ndvi最小值的差值;
31、基于所述物候特征指标和预设定的物候特征阈值生成物候掩膜,表达式为:
32、;
33、其中,表示物候掩膜,表示ndvi生长振幅,表示振幅阈值,表示ndvi年均值,表示ndvi年均值下限,表示ndvi年均值上限。
34、进一步地,基于所述连通图斑的像元数量计算每个连通图斑的实际面积,表达式为:
35、;
36、其中,为第个连通图斑的实际面积,为第个连通图斑包含的像元数量,为影像的空间分辨率;
37、剔除实际面积小于预设的最小面积阈值的连通图斑,对保留的连通图斑进行形态学后处理,输出耕地分布掩膜,表达式为:
38、;
39、其中,为耕地分布掩膜,为形态学后处理,为集合的并集运算符,为预设的最小面积阈值,为第个连通图斑。
40、进一步地,基于不同目标年份所获得的耕地分布掩膜开展多时相耕地侵蚀监测,包括:
41、基于不同目标年份所获得的耕地分布掩膜确定耕地变化类型,表达式包括:
42、;
43、其中,为目标年份为时的耕地分布掩膜,为目标年份为时的耕地分布掩膜,1为耕地,0为非耕地,所述耕地变化类型包括:新增耕地区、耕地流失区、稳定耕地区及非耕地区;
44、基于所述耕地变化类型生成耕地变化图进行侵蚀监测。
45、进一步地,还包括:
46、获取连续n年目标区域覆盖作物完整生长季的多光谱遥感影像数据与数字高程模型数据;
47、基于每一年目标区域覆盖作物完整生长季的多光谱遥感影像数据与数字高程模型数据生成每一年的耕地分布掩膜,基于每一年的耕地分布掩膜,逐像元统计各年份的耕地像元数量,基于所述耕地像元数量,根据像元分辨率换算得到耕地面积,按照时间顺序输出逐年的耕地面积,用于长期趋势分析。
48、第二方面,本发明提供了一种基于四层特征的耕地侵蚀变化遥感监测装置,包括:
49、数据获取模块,用于获取目标年份目标区域覆盖作物完整生长季的多光谱遥感影像数据与数字高程模型数据;
50、地形筛选模块,用于根据所述数字高程模型数据计算目标区域内每个像元的坡度值,基于所述坡度值和预设的坡度阈值输出地形筛选掩膜;
51、纹理特征筛选模块,用于在所述地形筛选掩膜对应的区域内,选取目标年份夏季的多光谱遥感影像数据,基于目标年份夏季的多光谱遥感影像数据生成纹理掩膜;
52、物候特征筛选模块,用于在所述纹理掩膜对应的区域内,选取目标年份完整生长季的多光谱遥感影像数据中的ndvi时间序列数据,并提取其中的物候特征指标,基于所述物候特征指标和预设定的物候特征阈值生成物候掩膜;
53、形态筛选模块,用于对所述物候掩膜进行连通域分析,识别出所有独立的连通图斑,计算每个连通图斑包含的像元数量,基于所述连通图斑的像元数量计算每个连通图斑的实际面积,剔除实际面积小于预设的最小面积阈值的连通图斑,对保留的连通图斑进行形态学后处理,输出耕地分布掩膜;
54、侵蚀变化检测模块,用于基于不同目标年份所获得的耕地分布掩膜开展多时相耕地侵蚀监测。
55、第三方面,本发明提供了一种电子终端,包括处理器和与所述处理器连接的存储器,在所述存储器内存储有计算机程序,当所述计算机程序被所述处理器执行时,执行如上述任一项所述方法的步骤。
56、第四方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述任一项所述方法的步骤。
57、与现有技术相比,本发明所达到的有益效果:
58、本发明提出了一种基于四层特征的耕地侵蚀变化遥感监测方法,通过根据获取的数字高程模型数据计算目标区域内每个像元的坡度值,基于所述坡度值和预设的坡度阈值输出地形筛选掩膜;在所述地形筛选掩膜对应的区域内,选取目标年份夏季的多光谱遥感影像数据,基于目标年份夏季的多光谱遥感影像数据生成纹理掩膜;在所述纹理掩膜对应的区域内,选取目标年份完整生长季的多光谱遥感影像数据中的ndvi时间序列数据,并提取其中的物候特征指标,基于所述物候特征指标和预设定的物候特征阈值生成物候掩膜;对所述物候掩膜进行连通域分析,识别出所有独立的连通图斑,计算每个连通图斑包含的像元数量,基于所述连通图斑的像元数量计算每个连通图斑的实际面积,剔除实际面积小于预设的最小面积阈值的连通图斑,对保留的连通图斑进行形态学后处理,输出耕地分布掩膜,基于不同目标年份所获得的耕地分布掩膜开展多时相耕地侵蚀监测。通过构建四层识别方法,每层以上游掩膜作为下游输入约束形成级联式过滤结构。相较于现有技术,本发明通过设计多层互补特征的协同约束,使耕地识别精度显著提升,且无需人工标注样本和模型训练,能够有效区分耕地季节性变化与永久侵蚀现象,有效降低误检率和漏检率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com