一种基于高分一号卫星数据识别倒伏玉米的方法与流程

1.本技术属于农业灾害监测技术，具体涉及一种基于高分一号卫星数据识别倒伏玉米的方法。


背景技术：

2.我国几乎每年都会发生台风等极端天气事件，由此引发的作物倒伏已成为影响作物产量、籽粒品质及收获的主要灾害之一。玉米是我国重要的粮食作物，生长季为多风雨和强对流的6月-9月，茎秆高大，易受倒伏威胁。生理成熟前玉米倒伏可导致不同程度的减产，严重区域减产达50％以上甚至绝收。因此，及时、客观地掌握倒伏玉米的空间分布及倒伏面积对于农业部门管理者、农业保险领域都具有重要意义。
3.卫星遥感具有大范围、低成本、客观、高效等优势，在农业生产监测中发挥了重要作用。近些年，尤其是2015年后，随着遥感技术时空分辨率的提高，作物倒伏卫星遥感识别成为农业遥感领域新的关注点。
4.但是，目前已知的针对倒伏玉米的卫星遥感识别技术却存在一些不足，首先是所采用的卫星数据的空间分辨率依然不够高，从而导致识别结果不够准确；其次，目前的识别技术中大多是基于成熟的植被指数或特定波段反射率来研究倒伏玉米面积，而所用到的植被指数或特定波段反射率往往是通过对比倒伏前后的遥感影像来获取，但由于倒伏前后存在时间差异，使得对应特征参数值可靠性降低，给最终识别结果带来不确定性；另外，现有的一些识别技术中，仅通过特定波段反射率来区分倒伏和非倒伏玉米，区分参数单一，使得区分效果不明显，准确性差；最后，现有的一些识别技术，是基于实测数据确定用于识别倒伏玉米的最优植被指数/反射率组合，由于基于实测数据，当应用到其他区域时最优组合会有一定的不确定性。
5.因此，急需研发一种可靠性更高、识别结果更准确的倒伏玉米卫星遥感识别技术。


技术实现要素：

6.为了解决现有技术中存在的至少一个技术问题，本技术提供了一种基于高分一号卫星数据识别倒伏玉米的方法，具体的：
7.一种基于高分一号卫星数据识别倒伏玉米的方法，其特征在于，包含以下步骤：
8.步骤一、获取目标区域内的野外标志点数据以及玉米在倒伏前后的高分一号遥感影像数据，并对其中的高分一号遥感影像进行校正处理；
9.步骤二、从经过校正处理的倒伏前的高分一号遥感影像中，提取玉米种植空间分布图；
10.步骤三、结合野外标志点，在倒伏后的高分一号遥感影像上建立倒伏玉米的识别特征，再在倒伏后的高分一号遥感影像上分别提取与倒伏和非倒伏玉米位置相对应处像元的波段反射率，得到倒伏和非倒伏玉米的光谱曲线；
11.步骤四、结合光谱曲线，构建针对倒伏玉米识别的波段反射率和指数或波谱反射
率面积指数，根据指数值得出倒伏玉米和非倒伏玉米的区分阈值；
12.步骤五、将目标区域内所有玉米分布位置相对处像元的波段反射率和指数与所述区分阈值进行比较，其中，高于预设阈值所对应的像元被视为倒伏区域，否则为非倒伏区域；
13.步骤六、通过所述步骤二得到的玉米种植空间分布图对所述步骤五得到的倒伏区域进行掩膜，得到目标区域内倒伏玉米的空间分布范围和面积。
14.优选地，在所述步骤三中，光谱曲线中的波段反射率至少包括红、绿、蓝和近红外波段反射率；
15.对应的，在所述步骤四中，是通过如下公式(1)构建波段反射率和指数i1：
16.i1＝r1 r2 r3 r4ꢀꢀꢀ
(1)；
17.其中，r1，r2，r3，r4分别是蓝、绿、红和近红外波段的反射率。
18.优选地，所述步骤四中，是通过如下公式(2)构建波谱反射率面积指数i2：
19.i2＝[(r1 r2)
×
(w
2-w1) (r2 r3)
×
(w
3-w2) (r3 r4)
×
(w
4-w3)]
÷2ꢀꢀꢀ
(2)；
[0020]
其中，w1，w2，w3，w4分别是蓝、绿、红和近红外波段中心波长，单位为纳米。
[0021]
优选地，步骤四中，所述区分阈值是通过以下方法得出：基于野外标志点，提取野外标志点对应的波段反射率和指数和/或波谱反射率面积指数做箱型图，在箱型图上的横线对应处的值即为区分阈值。
[0022]
优选地，所述步骤一中，所述校正处理包括辐射定标、大气校正以及几何校正。
[0023]
优选地，所述步骤二还包括对玉米种植空间分布图进行精度评价，如果精度满足要求，则将玉米种植空间分布图运用到步骤六，如果精度不满足要求，则返回重新提取玉米种植空间分布图。
[0024]
优选地，运用下式(3)和(4)进行所述精度评价：
[0025][0026][0027]
其中，pa表示玉米种植空间分布图的制图精度、ua表示玉米种植空间分布图的用户精度；n1表示被正确识别为玉米的像元数、n2表示参考数据中玉米的像元总数、n3表示被识别为玉米种植空间的像元总数；
[0028]
进一步地，当pa和ua达到90％左右或90％以上时，即满足精度要求。
[0029]
优选地，在所述步骤二中，是采用支持向量机方法提取玉米种植空间分布图。
[0030]
优选地，所述步骤三中，所述野外标志点是利用gps实时定位，记录调查位置处的倒伏与非倒伏属性，从而能够对应遥感影像，建立倒伏玉米的识别特征。
[0031]
本发明基于倒伏玉米从蓝至近红外范围的整个波谱曲线反射率都明显升高这一发现，再结合分辨率更高的高分一号卫星数据，构建了波段反射率和指数以及波谱反射率面积指数作为倒伏玉米的识别指数，以增强倒伏玉米与非倒伏玉米的光谱差异，能更好地区分倒伏和非倒伏玉米；另外，本技术使用同一时间的数据，即倒伏后的影像，结合野外标志点，在对应位置处分别采集倒伏和非倒伏玉米的光谱曲线，以研究倒伏玉米的光谱反射率变化特征，能够减少由于时间差异导致的结果不确定性问题。此外，本技术构建的两个指
数均强化了倒伏与非倒伏玉米的区分特性，从指数影像上可以得到区分二者的合理阈值，因此在实际应用时不需要实测数据支撑且计算简单、识别快速，具有进一步推广应用的优势。
附图说明
[0032]
图1是本技术的技术流程图；
[0033]
图2是本技术实施例中的应用区域及其高分一号影像；
[0034]
图3是在一具体实施例中，针对步骤三得到的倒伏与非倒伏玉米反射率曲线图(即光谱曲线图)；
[0035]
图4是在一具体实施例中，针对步骤四的波段反射率和指数和波谱反射率面积指数构建的示意图；
[0036]
图5是本技术实施例中的基于野外标志点的倒伏玉米识别特征；
[0037]
图6是本技术实施例中的用于得到两个指数合理阈值的箱型图；
[0038]
图7是本技术实施例中的倒伏与非倒伏玉米空间分布图。
具体实施方式
[0039]
为使本技术实施的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行更加详细的描述。所描述的实施例是本技术一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
[0040]
实施例1.
[0041]
选自2020年9月上旬受台风影响的黑龙江肇东市和吉林宁江区(应用区域参见图2所示)开展应用试验。
[0042]
具体的，参见图1所示，本实施例中的基于高分一号卫星数据识别倒伏玉米的方法，包含以下步骤：
[0043]
步骤一、获取目标区域内野外标志点数据以及玉米在倒伏前/后的包含红、绿、蓝和近红外波段属性的高分一号遥感影像数据，并对倒伏前/后的高分一号遥感影像进行校正处理；
[0044]
本实施例中，校正处理包括依次使用remote sensing desktop和envi软件进行辐射定标、大气校正以及几何校正处理。
[0045]
步骤二、从经过校正处理的倒伏前的高分一号遥感影像中，采用支持向量机方法提取玉米种植空间分布图；
[0046]
进一步地，该步骤还包括使用经典的混淆矩阵方法对玉米种植空间分布图进行精度评价，如果精度满足要求，则将玉米种植空间分布图运用到后续步骤六中，如果精度不满足要求，则返回重新提取玉米种植空间分布图。
[0047]
具体的，玉米种植空间分布图精度评价方法如下：
[0048]
运用下式(3)和(4)计算高分一号卫星提取的玉米种植空间分布图的精度：
[0049]
[0050][0051]
其中，pa、ua分别表示玉米种植空间分布图的制图精度和用户精度，n1表示被正确识别为玉米的像元数、n2表示参考数据中玉米的像元总数、n3表示被识别为玉米的像元总数(即含本不是玉米却被识别为玉米的像元)。具体的，在实施例中，当pa和ua达到90％左右或90％以上时，即满足要求。
[0052]
步骤三、结合野外标志点，在倒伏后的高分一号遥感影像上建立倒伏玉米的识别特征，再在倒伏后的高分一号遥感影像上分别提取与倒伏和非倒伏玉米位置相对应处像元的波段反射率，得到倒伏和非倒伏玉米的光谱曲线，如图3所示。
[0053]
其中，野外标志点是利用gps实时定位，记录调查位置处的倒伏与非倒伏属性，从而能够对应遥感影像，建立倒伏玉米的识别特征。如图5所示，图中深色点属性为非倒伏，对应位置处的影像(近红外、红、绿波段组合显示)呈暗红色；浅色点属性为倒伏，对应位置处的影像成亮粉色。
[0054]
步骤四、结合光谱曲线，构建针对倒伏玉米识别的波段反射率和指数以及波谱反射率面积指数；并基于野外标志点，提取野外标志点对应的指数值做箱型图得出倒伏玉米与非倒伏玉米的区分阈值；
[0055]
根据图6所示，在i1和i2指数的箱型图上，可以明显看到存在区分倒伏玉米与非倒伏玉米指数值的横线，横线对应处的值即为合理阈值，因此得到肇东市和宁江区倒伏玉米和非倒伏玉米的区分阈值，其中，i1均为0.62，i2分别为38.0、38.4。
[0056]
应该说明的是，本发明的方法应用到本技术提到的没有野外标志点的区域时，可以根据倒伏与非倒伏玉米在高分一号影像色调的变化，在倒伏后的影像上选择感性区域，对感兴区域的i1或i2指数值做箱型图得到区分阈值。
[0057]
根据图3的光谱曲线可以看出，倒伏玉米在可见光(即红、绿、蓝)和近红外波段反射率高于非倒伏玉米，因此可以构建波段反射率和指数以及波谱反射率面积指数，来进一步强化倒伏和非倒伏玉米的区分特性。
[0058]
具体的，波段反射率和指数i1可以采用如下公式(1)获得：
[0059]
i1＝r1 r2 r3 r4ꢀꢀꢀ
(1)
[0060]
波谱反射率面积指数i2可以采用如下公式(2)获得：
[0061]
i2＝[(r1 r2)
×
(w
2-w1) (r2 r3)
×
(w
3-w2) (r3 r4)
×
(w
4-w3)]
÷
2.
ꢀꢀꢀ
(2)
[0062]
其中，如图4所示，r1，r2，r3，r4分别是蓝、绿、红和近红外波段的反射率，w1，w2，w3，w4分别是四个波段的中心波长(单位：纳米)。
[0063]
图4中四条浅色实线的累积和即为i1，阴影部分的面积即为i2。
[0064]
需要说明的是，本步骤可以根据需要选择同时构建针对倒伏玉米识别的波段反射率和指数和波谱反射率面积指数，再从中选择准确度最高或者计算步骤更为简单的一个指数来作为后续倒伏玉米识别指数，当然，也可以根据经验仅构建其中一个指数来作为倒伏玉米识别指数。
[0065]
在本实施例中，为更完整体现两个指数的计算过程，如图5所示，是同时构建了肇东市的2个指数以及宁江区2个指数。
[0066]
步骤五、根据得出的合理阈值，通过比较分别得到肇东市和宁江区的所有倒伏区
域、非倒伏区域。
[0067]
步骤六、通过步骤二得到的玉米种植空间分布图对步骤五得到的倒伏区域进行掩膜，最终得到：
[0068]
基于i1指数时，肇东市和宁江区的倒伏玉米面积分别为112.17千公顷、41.72千公顷，倒伏比例(倒伏玉米面积除以种植玉米面积)分别为54.56％和81.79％。
[0069]
基于i2指数时，肇东市和宁江区的倒伏玉米面积分别为110.77千公顷、41.17千公顷，倒伏比例分别为53.88％和80.72％。
[0070]
由于两个指数提取的结果较为相近，这里给出如图7所示的基于i1指数提取的倒伏和非倒伏玉米空间分布图作为示例。
[0071]
进一步，本实施例中，为验证上述方法的可行性，进行如下验证：
[0072]
1)首先用更高分辨率的planet商业卫星数据进行了交叉比较验证。
[0073]
具体的，选择与高分一号数据获取时间接近的planet数据，运用下式(5)计算高分一号卫星提取倒伏玉米的精度：
[0074][0075]
其中，d表示高分一号卫星提取倒伏玉米的精度，s
gf
和s
p
分别表示同时间同区域的高分一号和planet卫星数据提取的倒伏玉米面积。
[0076]
根据公式(5)，在有限的共同覆盖区域内，肇东市2个指数提取的倒伏玉米精度dzhaodong-i1
、dzhaodong-i2
分别为1.01％，-1.71％，宁江区2个指数提取的倒伏玉米精度dningjiang-i1
、dningjiang-i2
分别为1.13％，-2.17％。
[0077]
由上可知，两个指数提取的倒伏玉米精度均较高，这表明本发明研究的技术方法是可行的，高分一号数据可以作为主要数据源用于倒伏玉米识别，必要时可选用planet数据作为验证或补充数据。由于i1指数的提取结果精度略高于i2，且i1指数的计算更为简单，因此在业务应用中可以优先选择i1指数，其次选择i2指数。
[0078]
2)在两个区域对农户就自家玉米倒伏比例等级进行了问卷调查。
[0079]
问卷设计了5个倒伏比例等级，即0—20％，21％—40％，41％—60％，61％—80％，81％—100％，被调查者可选择其中一个等级来评价自家玉米倒伏情况。肇东市和宁江区分别收回18和17份问卷。
[0080]
肇东市的问卷结果显示，选择41％—60％这一等级的问卷最多，为7份，占肇东市问卷份数的38.89％。在宁江区，超过半数的问卷(9份)选择了81％—100％这一等级。
[0081]
两个应用区域的调查结果均与本技术上述技术方法的监测结果相吻合，进一步验证了本技术基于高分一号卫星数据识别倒伏玉米的方法的可行性，也证明高分一号数据适用于倒伏玉米监测。
[0082]
本文中所描述的具体实施例仅仅是对本技术精神作举例说明。本技术所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本技术的精神或者超越所附权利要求书所定义的范围。