[发明专利]一种提取耕地复种指数的方法

说明书

技术领域

本发明涉及农业遥感技术领域，尤其涉及一种提取耕地复种指数的方法。

背景技术

复种指数(Cropping Index，CI)是指一块耕地一年内种植作物的次数。复种指数是耕作制度研究中衡量耕地资源集约化利用程度的基础性指标，也是宏观评价耕地资源利用基本状况的重要技术指标。复种指数提取有两种方法，一种是基于统计数据的方法，另一种是基于遥感的方法。

基于统计数据的复种指数提取是一种传统方法，根据统计数据的作物播种面积和耕地面积采用如下公式对行政区划单元上的复种指数进行估计：

MCI_r＝A_s/A_c

其中，MCI_r为区域耕地复种指数；A_s为区域全年作物总收获面积；A_c为区域耕地总面积。可以看出，统计方法计算起来比较简单，但是由于是采用统计数据进行计算，一方面，它忽略了各统计单元内部的空间异质性，不能准确地描述种植制度的空间特征；另一方面统计数据的获取也存在一定的滞后性。此外，受统计口径、尺度范围以及人为因素的干扰，统计数据本身存在一定误差，给研究结果带来不确定性，尤其是对空间范围大、时效性要求高的复种指数研究，地面统计方法难以达到要求。

基于遥感数据的复种指数提取是根据绿色植被特有的光谱特征来判断植被生长动态。遥感数据反演的植被指数(Vegetation Index，VI)能够较好地反映出植被生长状况，而时间序列的植被指数数据则是植被动态变化的监测标志，即植被指数的时序变化对应于植被的生长与衰弱等季节活动过程。对耕地而言，植被指数的时序动态变化体现了耕地作物的生长过程，即从播种、出苗、拔节、抽穗到成熟、收割的周期性态势。一熟制区域的耕地植被指数曲线在年内完成一个循环的动态过程，两熟制区域完成两个循环，三熟制将完成三个生长周期。因此，利用时间序列植被指数的周期性变化可以完成耕地复种指数的监测。

目前基于遥感的复种指数提取方法基本上都是以时间序列植被指数数据为基础，首先采用各种滤波去噪手段拟合得到作物生长曲线，然后进行复种指数的提取。

遥感数据获取过程中受到遥感传感器自身状况(倾角、分辨率、传感器老化等)和云层、大气和太阳高度角等因素的干扰，使得从遥感影像直接得到的植被指数存在大量噪声，影响了复种指数的提取。虽然常用的时间序列植被指数经过最大值合成(Maximum Value Composite，MVC)生成，但云和大气等的噪声仍然不能完全消除，不适于直接进行复种指数的提取。

国内外学者发展了许多去云处理、噪声去除和重建平滑植被指数曲线的技术方法(在这里统称为滤波去噪)，这些方法总体可以分为3类：阈值去除法，基于滤波的平滑方法和非线性拟合法。阈值去除法以Viovy等提出的最佳坡度系数截取法(The Best Index Slope Extraction，BISE)为代表，基于滤波的平滑方法主要包括傅里叶变换、小波变换和Savitzky-Golay滤波法等，而非线性函数拟合法主要包括Logistic函数拟合法和非对称高斯函数拟合法。

基于重建的时间序列植被指数提取耕地复种指数的方法也是耕地复种指数遥感监测的关键步骤之一。遥感复种指数判别方法主要包括分类法、交叉拟合法和峰值法，而峰值法又分为直接比较法和二次差分法。分类法是直接对滤波去噪后的时间序列植被指数曲线采用遥感分类技术获取不同熟制类别，根据熟制类别确定复种指数。交叉拟合法先对时间序列植被指数滤波去噪，再根据典型点建立起熟制标准曲线库，然后计算去噪后的时间序列植被指数曲线与熟制标准曲线的交叉拟合度，从而确定复种指数。峰值法的基本假设为：耕地的复种方式与耕地的植被指数变化曲线的峰值较吻合，即一年一季作物耕地的复种指数数据在年内形成明显的单峰曲线，一年两季作物耕地的植被指数形成双峰曲线。因此，通过监测植被指数变化曲线的峰值数目可以确定耕地的多熟种植制度。目前常用的获取峰值频数的方法分为直接比较法和二次差分法。