一種煙田遙感數(shù)據(jù)的分類提取方法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明涉及煙田地理信息分析方法領(lǐng)域，更具體地，涉及一種煙田遙感數(shù)據(jù)的分類提取方法。
【背景技術(shù)】
[0002]目前，煙田遙感分類提取注重在中高分辨率的遙感影像尺度上進(jìn)行研究。農(nóng)田遙感提取主要有如下2種方法:I)人工目視解譯;2)計(jì)算機(jī)自動(dòng)分類提取。前者煙田提取精度較高，但工作周期長(zhǎng)、成本高;后者地類信息提取速度較快、成本較低，但在地表覆蓋類型復(fù)雜和人為活動(dòng)影響較大的地區(qū)，自動(dòng)分類提取的結(jié)果仍存在較多漏分和誤分。另外，在生長(zhǎng)盛期地表植被具有近似的衛(wèi)星影像像元DN數(shù)值，相差不大的地物影像紋理特征，復(fù)雜的土地覆被類型;這些加大了煙田區(qū)水田和旱地的遙感分類提取難度。

【發(fā)明內(nèi)容】

[0003]本發(fā)明提供一種煙田遙感數(shù)據(jù)的分類提取方法，來(lái)實(shí)現(xiàn)煙田遙感自動(dòng)分類提取。
[0004]為了達(dá)到上述技術(shù)效果，本發(fā)明的技術(shù)方案如下:
[0005]—種煙田遙感數(shù)據(jù)的分類提取方法，包括以下步驟:
[0006]SI:收集監(jiān)控?zé)熖飬^(qū)域的陸地衛(wèi)星月值數(shù)據(jù)集；
[0007]S2:對(duì)月值數(shù)據(jù)集進(jìn)行波段運(yùn)算得到植被指數(shù)、水體指數(shù)和修正土壤調(diào)整指數(shù)的序列數(shù)據(jù)；
[0008]S3:對(duì)序列數(shù)據(jù)進(jìn)行均方差、半方差和均值運(yùn)算構(gòu)建多維特征空間分類數(shù)據(jù)集；
[0009]S4:利用分類算法對(duì)多維特征空間分類數(shù)據(jù)集進(jìn)行處理將煙田遙感數(shù)據(jù)進(jìn)行分類。
[0010]進(jìn)一步地，所述步驟S4中利用的分類算法是支持向量機(jī)算法。
[0011]進(jìn)一步地，步驟S3中依據(jù)計(jì)算植被指數(shù)半方差達(dá)到最大值時(shí)的峰值點(diǎn)位置，來(lái)提取煙田地物連續(xù)變化的特征信息。
[0012]進(jìn)一步地，步驟S3中計(jì)算植被指數(shù)均值的局部方差，獲取局部方差曲線的峰值點(diǎn)位置，來(lái)提取煙田地物的空間格局信息。
[0013]進(jìn)一步地，通過(guò)一個(gè)ηX η的移動(dòng)窗口計(jì)算窗口內(nèi)影像植被指數(shù)值的標(biāo)準(zhǔn)差的均值，依據(jù)形成局部方差曲線的峰值點(diǎn)位置，來(lái)獲取地物的空間格局信息。
[0014]進(jìn)一步地，利用多波段掃描影像的綠光波段和近紅外波段的比值構(gòu)建歸一化差異水體指數(shù)來(lái)表示該比值與實(shí)際土壤中含水量的相關(guān)關(guān)系。
[0015]與現(xiàn)有技術(shù)相比，本發(fā)明技術(shù)方案的有益效果是:
[0016]本發(fā)明基于陸地資源衛(wèi)星的月值數(shù)據(jù)集，通過(guò)波段運(yùn)算得到植被指數(shù)(normalized difference vegetat1n index，NDVI)、7K 體指數(shù) NDWI (normal izeddifference water index，NDWI)和修正土壤調(diào)整指數(shù)(modif i ed soil adjustedvegetat1n index，MSAVI)的序列數(shù)據(jù)，進(jìn)行均方差、半方差和均值等數(shù)學(xué)方法運(yùn)算，得到具有明確物理意義和物候信息的指標(biāo)因子，構(gòu)建多維特征空間分類數(shù)據(jù)集，運(yùn)行支持向量機(jī)算法(SVM)自動(dòng)分類提取研究區(qū)內(nèi)水田和旱地農(nóng)田類型，本發(fā)明對(duì)該區(qū)域農(nóng)業(yè)資源合理利用具有一定的實(shí)踐意義，同時(shí)為有關(guān)行政部門(mén)制定該區(qū)未來(lái)農(nóng)業(yè)發(fā)展的政策與規(guī)劃提供一定的參考依據(jù)。
【附圖說(shuō)明】
[0017]圖1為本發(fā)明的流程圖。
【具體實(shí)施方式】
[0018]附圖僅用于示例性說(shuō)明，不能理解為對(duì)本專利的限制；
[0019]為了更好說(shuō)明本實(shí)施例，附圖某些部件會(huì)有省略、放大或縮小，并不代表實(shí)際產(chǎn)品的尺寸；
[0020]對(duì)于本領(lǐng)域技術(shù)人員來(lái)說(shuō)，附圖中某些公知結(jié)構(gòu)及其說(shuō)明可能省略是可以理解的。
[0021]下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的說(shuō)明。
[0022]實(shí)施例1
[0023]如圖1所示，一種煙田遙感數(shù)據(jù)的分類提取方法，包括以下步驟:
[0024]SI:收集監(jiān)控?zé)熖飬^(qū)域的陸地衛(wèi)星月值數(shù)據(jù)集；
[0025]S2:對(duì)月值數(shù)據(jù)集進(jìn)行波段運(yùn)算得到植被指數(shù)、水體指數(shù)和修正土壤調(diào)整指數(shù)的序列數(shù)據(jù)；
[0026]S3:對(duì)序列數(shù)據(jù)進(jìn)行均方差、半方差和均值運(yùn)算構(gòu)建多維特征空間分類數(shù)據(jù)集；
[0027]S4:利用分類算法對(duì)多維特征空間分類數(shù)據(jù)集進(jìn)行處理將煙田遙感數(shù)據(jù)進(jìn)行分類。
[0028]本實(shí)施例中，步驟S4中利用的分類算法是支持向量機(jī)算法;步驟S3中依據(jù)計(jì)算植被指數(shù)半方差達(dá)到最大值時(shí)的峰值點(diǎn)位置，來(lái)提取煙田地物連續(xù)變化的特征信息；步驟S3中計(jì)算植被指數(shù)均值的局部方差，獲取局部方差曲線的峰值點(diǎn)位置，來(lái)提取煙田地物的空間格局信息。
[0029]本實(shí)施例中，通過(guò)一個(gè)nXn的移動(dòng)窗口計(jì)算窗口內(nèi)影像植被指數(shù)值的標(biāo)準(zhǔn)差的均值，依據(jù)形成局部方差曲線的峰值點(diǎn)位置，來(lái)獲取地物的空間格局信息;利用多波段掃描影像的綠光波段和近紅外波段的比值構(gòu)建歸一化差異水體指數(shù)來(lái)表示該比值與實(shí)際土壤中含水量的相關(guān)關(guān)系。
[0030]基于陸地資源衛(wèi)星的月值數(shù)據(jù)集(Landset數(shù)據(jù))，通過(guò)波段運(yùn)算得到植被指數(shù)(normalized difference vegetat1n index，NDVI)、7K 體指數(shù) NDWI (normal izeddifference water index，NDWI)和修正土壤調(diào)整指數(shù)(modif i ed soil adjustedvegetat1n index，MSAVI)的序列數(shù)據(jù)，進(jìn)行均方差、半方差和均值等數(shù)學(xué)方法運(yùn)算，得到具有明確物理意義和物候信息的指標(biāo)因子，構(gòu)建多維特征空間分類數(shù)據(jù)集，運(yùn)行支持向量機(jī)算法(SVM)自動(dòng)分類提取研究區(qū)內(nèi)水田和旱地農(nóng)田類型，本發(fā)明對(duì)該區(qū)域農(nóng)業(yè)資源合理利用具有一定的實(shí)踐意義，同時(shí)為有關(guān)行政部門(mén)制定該區(qū)未來(lái)農(nóng)業(yè)發(fā)展的政策與規(guī)劃提供一定的參考依據(jù)。
[0031]相同或相似的標(biāo)號(hào)對(duì)應(yīng)相同或相似的部件；
[0032]附圖中描述位置關(guān)系的用于僅用于示例性說(shuō)明，不能理解為對(duì)本專利的限制；
[0033]顯然，本發(fā)明的上述實(shí)施例僅僅是為清楚地說(shuō)明本發(fā)明所作的舉例，而并非是對(duì)本發(fā)明的實(shí)施方式的限定。對(duì)于所屬領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在上述說(shuō)明的基礎(chǔ)上還可以做出其它不同形式的變化或變動(dòng)。這里無(wú)需也無(wú)法對(duì)所有的實(shí)施方式予以窮舉。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明權(quán)利要求的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1.一種煙田遙感數(shù)據(jù)的分類提取方法，其特征在于，包括以下步驟: Si:收集監(jiān)控?zé)熖飬^(qū)域的陸地衛(wèi)星月值數(shù)據(jù)集； S2:對(duì)月值數(shù)據(jù)集進(jìn)行波段運(yùn)算得到植被指數(shù)、水體指數(shù)和修正土壤調(diào)整指數(shù)的序列數(shù)據(jù)； S3:對(duì)序列數(shù)據(jù)進(jìn)行均方差、半方差和均值運(yùn)算構(gòu)建多維特征空間分類數(shù)據(jù)集； S4:利用分類算法對(duì)多維特征空間分類數(shù)據(jù)集進(jìn)行處理將煙田遙感數(shù)據(jù)進(jìn)行分類。2.根據(jù)權(quán)利要求1所述的煙田遙感數(shù)據(jù)的分類提取方法，其特征在于，所述步驟S4中利用的分類算法是支持向量機(jī)算法。3.根據(jù)權(quán)利要求1所述的煙田遙感數(shù)據(jù)的分類提取方法，其特征在于，步驟S3中依據(jù)計(jì)算植被指數(shù)半方差達(dá)到最大值時(shí)的峰值點(diǎn)位置，來(lái)提取煙田地物連續(xù)變化的特征信息。4.根據(jù)權(quán)利要求1所述的煙田遙感數(shù)據(jù)的分類提取方法，其特征在于，步驟S3中計(jì)算植被指數(shù)均值的局部方差，獲取局部方差曲線的峰值點(diǎn)位置，來(lái)提取煙田地物的空間格局信息。5.根據(jù)權(quán)利要求4所述的煙田遙感數(shù)據(jù)的分類提取方法，其特征在于，通過(guò)一個(gè)nXn的移動(dòng)窗口計(jì)算窗口內(nèi)影像植被指數(shù)值的標(biāo)準(zhǔn)差的均值，依據(jù)形成局部方差曲線的峰值點(diǎn)位置，來(lái)獲取地物的空間格局信息。6.根據(jù)權(quán)利要求1所述的煙田遙感數(shù)據(jù)的分類提取方法，其特征在于，利用多波段掃描影像的綠光波段和近紅外波段的比值構(gòu)建歸一化差異水體指數(shù)來(lái)表示該比值與實(shí)際土壤中含水量的相關(guān)關(guān)系。
【專利摘要】本發(fā)明提供一種煙田遙感數(shù)據(jù)的分類提取方法，該方法基于陸地資源衛(wèi)星的月值數(shù)據(jù)集，通過(guò)波段運(yùn)算得到植被指數(shù)(normalized？difference？vegetation？index，NDVI)、水體指數(shù)NDWI(normalized？difference？water？index，NDWI)和修正土壤調(diào)整指數(shù)(modified？soil？adjusted？vegetation？index，MSAVI)的序列數(shù)據(jù)，進(jìn)行均方差、半方差和均值等數(shù)學(xué)方法運(yùn)算，得到具有明確物理意義和物候信息的指標(biāo)因子，構(gòu)建多維特征空間分類數(shù)據(jù)集，運(yùn)行支持向量機(jī)算法(SVM)自動(dòng)分類提取研究區(qū)內(nèi)水田和旱地農(nóng)田類型，本發(fā)明對(duì)該區(qū)域農(nóng)業(yè)資源合理利用具有一定的實(shí)踐意義，同時(shí)為有關(guān)行政部門(mén)制定該區(qū)未來(lái)農(nóng)業(yè)發(fā)展的政策與規(guī)劃提供一定的參考依據(jù)。
【IPC分類】G06K9/62
【公開(kāi)號(hào)】CN105550707
【申請(qǐng)?zhí)枴緾N201510926408
【發(fā)明人】陳澤鵬, 張金霖, 陳俊, 林先豐, 唐瑞文, 唐建波, 劉柏林, 郭治興
【申請(qǐng)人】中國(guó)煙草總公司廣東省公司, 廣東煙草清遠(yuǎn)市有限公司連州市分公司, 廣東省生態(tài)環(huán)境與土壤研究所
【公開(kāi)日】2016年5月4日
【申請(qǐng)日】2015年12月11日