[发明专利]基于多时相数据中特征提取的中稻信息决策树分类方法

权利要求书

1.一种基于多时相数据中特征提取的中稻信息决策树分类方法，其特征在于，所述基于多时相数据中特征提取的中稻信息决策树分类方法包括以下步骤：

S1、获取相应区域不同时相的高分一号影像数据，并对高分一号影像数据分别做辐射定标预处理以及大气校正预处理；

S2、通过影像中各种地物的影像解译标识与移栽期的影像结合进行对比分析，将抽穗期影像中的地物进行典型地物的初步区分；

S3、记录不同地物样本点在各个波段上的光谱值，并绘制不同地物样本点光谱值统计表，通过分析统计表中的数值找出不同地物在各个波段上光谱值之间的差异，建立多时相高分一号影像数据的特征参量；

S4、对影像数据的各项指标进行阈值设定，自高分一号影像数据中提取出中稻的分布信息，精确的提取出中稻的分布；

S5、采用随机抽样的方式布设样本点，通过实地调查样本点的类别与遥感分类结果比较，采用基于误差矩阵的评估方法评定遥感分类的准确性。

2.根据权利要求1所述的基于多时相数据中特征提取的中稻信息决策树分类方法，其特征在于，所述不同时相的高分一号影像数据包括：

中稻的移栽期、时间范围为五月下旬至六月上旬的高分一号影像数据；

中稻的抽穗期、时间范围为七月下旬至八月上中旬的高分一号影像数据；

中稻的乳熟期、时间范围为九月下旬至十月上旬的高分一号影像数据。

3.根据权利要求1所述的基于多时相数据中特征提取的中稻信息决策树分类方法，其特征在于，所述步骤S4包括以下分步骤：

S41、在中稻抽穗期影像中，将绝大部分的山地林地与水稻田、非植被区、居民地、道路、裸露地以及玉米、大豆进行剔除；

S42、在中稻移栽时期的影像中，对LSWI值设定阈值，将中稻田与棉花地和常绿地进行区分，并剔除棉花地与常绿地。

4.根据权利要求3所述的基于多时相数据中特征提取的中稻信息决策树分类方法，其特征在于，所述步骤S41包括以下分步骤：

S411、在中稻抽穗期影像中，根据中稻的实际种植情况，对坡度条件合理地设定阈值，可以将绝大部分的山地林地与水稻田区分出来并剔除掉；

S412、在中稻抽穗期影像中，得到影像的NDVI、EVI值，对NDVI与EVI设定合理阈值，可以初步将影像中植被区与非植被区进行区分；

S413、在中稻抽穗期影像中，对可见光红波段反射率值设定阈值，可以将中稻与居民地、道路、裸露地进行区分并剔除；

S414、在中稻抽穗期影像中，对短波红外波段的反射率值设定阈值，可以将中稻抽穗期影像中的玉米、大豆剔除。

5.根据权利要求1所述的基于多时相数据中特征提取的中稻信息决策树分类方法，其特征在于，所述随机抽样的样本数计算公式为：

其中，P为样本变异程度，N为总体个数，Z为调查结果的置信度，e为抽样误差范围。

6.根据权利要求1所述的基于多时相数据中特征提取的中稻信息决策树分类方法，其特征在于，所述基于遥感影像进行中稻种植面积提取的精度计算包括以下三个参数:分类的总体面积精度、用户精度以及生产者精度；

所述总体面积精度计算公式为：

用户精度计算公式：

生产者精度计算公式：

其中，S_测为遥感影像提取所得中稻面积，S_实为实地调查所得中稻种植面积,I₁为样本点中正确分为中稻的点数，I₂为样本点中属于非中稻但被分类为中稻的点数，I₃为样本点中属于中稻但被分为非中稻的点数。

7.根据权利要求1所述的基于多时相数据中特征提取的中稻信息决策树分类方法，其特征在于，所述基于多时相数据中特征提取的中稻信息决策树分类方法还包括步骤S4a，

步骤S4a:通过对中稻的移栽期、抽穗期以及乳熟期三个时期影像的NDVI设定阈值，以及对三个时期影像的短波红外光谱值设定阈值，将“异物同谱”像元和未完全剔除的晚稻田剔除。