[发明专利]一种新的中低分辨率遥感数据复合的耕地识别方法

说明书

【技术领域】

本发明涉及遥感图像分类领域，特别是一种中低分辨率遥感数据复合的耕地识别方法。

【背景技术】

耕地是农业发展的基础，是保障粮食安全生产的重要资源之一。及时获得准确、详实的耕地面积及其空间分布信息，对合理利用和保护耕地资源，保障粮食安全生产，实现社会、经济、环境和生态协调发展至关重要。同一耕地地块，由于轮作复种方式的不同，在不同时期可以表现为裸地或植被信息；不同耕地地块，由于种植和管理方式不同，在同一时期也可以表现为裸地或植被信息。因此，耕地是年内年际变化最为复杂的一种土地利用／覆盖类型，其光谱会随时间变化而变化，对于遥感识别而言也最为复杂。

目前，耕地遥感识别主要以中分辨率(10-30m)和低分辨率(250——1000m)遥感数据源为主。中分辨率遥感识别耕地通常需要选用作物生长季内单期或多期关键期影像。然而，单期影像不能反映农作物生长动态变化信息，无法良好地表达耕地上地物覆盖强烈的光谱变化特征，耕地识别难度大；多期影像虽然可以良好地表达地表信息变化，充分利用耕地特殊光谱特征识别耕地，但由于受到卫星重访周期、作物物候以及天气等诸多因素影响，大范围适合时相的多期影像数据获取十分困难。低分辨率遥感卫星覆盖范围广，重访周期短，可以及时获取大范围影像数据，为耕地识别提供了数据保证。但由于存在大量混合像元，区域内部详细的耕地空间分布信息难以反映，识别结果精度低且可靠性不高，很难满足实际需求。

因此，复合中、低空间分辨率遥感数据进行耕地识别，借助中分辨率数据丰富的空间细节和低分辨率数据较高的时间维信息，在一定程度上解决区域耕地识别中存在的难题同时提高耕地的识别精度，满足实际应用的需求。但目前的中低分辨率遥感数据复合的耕地识别方法，多以低分辨率数据为主要研究数据，中分辨率数据仅起辅助作用(用于选择训练样本和精度检验样本或求解研究方法的模型参数或阈值，进而指导低分辨率数据分类)，耕地识别结果的空间分辨率仍然维持低空间分辨率，识别精度近似于仅采用低分辨率遥感数据的识别结果，无法与中分辨率耕地识别结果相比较，没有发挥出两种数据的各自优势。

【发明内容】

针对前述方法的各种不足，本发明提出一种新的中低空间分辨率遥感数据复合的耕地识别方法——物候光谱复合模型(Phenological and Spectral Combination Model，PSCM)，具体包括以下步骤：

步骤一、数据预处理；

步骤二、低分辨率地物分布概率图提取；

步骤三、物候光谱复合影像(Phenological and Spectral Combined Image，PSC Image)生成；

步骤四、利用PSC图像进行耕地识别；

步骤五、耕地识别精度评价。

本发明通过分析典型地物的物候特征和光谱响应特征，复合低分辨率植被指数时间序列数据所反映的地物物候信息及单期中分辨率数据的高空间分辨率、多光谱信息共同识别耕地，达到提高耕地识别精度，同时保持了耕地识别结果的高空间分辨率特征(与所采用的中分辨率数据空间分辨率相同)，为实际应用提供更为准确的耕地空间分布信息。

【附图说明】

图1为地理位置及TM影像；

图2为总体流程图；

图3为TM影像8类地物光谱反射率曲线；

图4为种主要土地利用／覆盖类型的MODIS NDVI时间序列曲线；

图5为低分辨率地物分布概率图提取流程图；

图6为PSC影像生成流程图；

图7为分类结果对比图：(a)TM影像分类结果，(b)复合影像分类结果，(c)、(f)为GE高分影像，(d)、(g)分别是对应(c)、(f)的TM影像分类结果细节图，(e)、(h)分别是对应(c)、(f)的复合影像分类结果细节图。

【具体实施方式】

下面结合附图说明及具体实施方式对本发明进一步说明。

研究区和数据