[发明专利]一种冬小麦种植面积提取方法和系统

说明书

本发明公开了一种冬小麦种植面积提取方法和系统，该方法包括获取TM数据和MODIS数据；采用K‑means非监督分类方法对TM数据进行分类得到TM识别结果；采用线性混合像元分解模型对MODIS数据进行分解得到MODIS识别结果；重采样TM数据；确定TM典型冬小麦区和TM非典型冬小麦区；确定一致性和非一致性的分界阈值；存在非小麦错入，利用MODIS识别结果修正TM识别结果；存在冬小麦错出，利用MODIS识别结果修正TM识别结果；结合第一冬小麦的种植面积提取结果和第二冬小麦的种植面积提取结果得到最终冬小麦的种植面积。本发明利用MODIS时间序列提取的冬小麦信息修正非一致性区域的TM冬小麦像元信息，提高了冬小麦种植面积的测量精度。

技术领域

本发明涉及农作物研究技术领域，特别是涉及一种冬小麦种植面积提取方法和系统。

背景技术

农作物种植范围与空间分布的信息提取是遥感技术重要应用领域之一。农作物种植面积提取方法众多，根据影像分辨率的不同，分为高、中和低分率三个尺度的测量方法。高分辨率遥感影像(包括QUICKBIRD，IKONOS等)主要采取数字化方法和面向对象的分类方法；中分辨率遥感影像(包括TM，IRS-P6，SPOT等)主要采取非监督、监督分类方法和混合像元分解方法；低分辨率遥感影像(包括MODIS、NOAA)多采用混合像元分解以及模式识别方法。三个尺度农作物信息提取方法特点如下：1)高分辨率遥感影像，由于空间信息的增加，所受干扰增加，给分类带来很大的困难，手工数字化则费时、费力。此外高分辨率图像价格昂贵，无法进行大范围的农作物种植面积监测，因此高分辨只能用于小范围农作物的信息提取。2)中分辨率遥感影像覆盖范围较广，回访周期较短，比较适合农作物种植面积遥感测量。但是，利用单期遥感影像必然造成“异物同谱、同物异谱”现象，给农作物的信息提取带来很大困难；而利用多期遥感影像虽然能够解决这个问题，但中分辨率卫星回访周期较长，加之云等天气因素的影响，难以在农作物生长季内获取多期影像。3)低分辨率遥感影像具有时间序列的特点，能够有效刻画出农作物的生长周期，因此可以通过有效区分不同作物。但是由于低分辨率遥感图像的像元分辨率较低，混合像元现象严重，分类精度不高。

综上，如何提供一种能大范围且准确提取农作物种植面积的技术方案是本领域技术人员亟需解决的问题。

发明内容

本发明的目的是提供一种冬小麦种植面积提取方法和系统，以解决中分辨率遥感影像提取方法中存在的“异物同谱、同物异谱”现象导致种植面积提取不准确的问题。

为实现上述目的，本发明提供了一种冬小麦种植面积提取方法，该方法包括：

获取TM数据和MODIS数据；所述TM数据为中分辨率遥感图像经数据预处理得到的数据，所述MODIS数据为低分辨率遥感图像经数据预处理得到的数据；

采用K-means非监督分类方法对所述TM数据进行分类得到TM识别结果，所述TM识别结果包括TM冬小麦区、TM非冬小麦区和TM冬小麦像元丰度图；

采用线性混合像元分解模型对所述MODIS数据进行分解得到MODIS识别结果，所述MODIS识别结果包括MODIS冬小麦区、MODIS非冬小麦区、MODIS冬小麦时间序列数据和MODIS冬小麦像元丰度图；

在预设采样范围内进行重采样，得到重采样TM数据；

根据所述重采样TM数据确定TM典型冬小麦区和TM非典型冬小麦区；

根据所述TM冬小麦区和TM非冬小麦区以及所述MODIS冬小麦区和MODIS非冬小麦区进行一致性分析，确定一致性和非一致性的分界阈值；

在所述TM典型冬小麦区，判断是否存在非小麦错入，若是，根据时间序列利用所述MODIS识别结果修正所述TM识别结果，得到第一冬小麦的种植面积提取结果；