[发明专利]基于SAR和光学遥感数据的水稻精细化估产方法

权利要求书

1.基于SAR和光学遥感数据的水稻精细化估产方法，其特征在于，包括如下步骤：

步骤一、针对某水稻种植区，分别利用光学遥感卫星和合成孔径雷达遥感卫星进行监测，获取各监测影像进行预处理，并制作种植区高分辨率正射底图；

步骤二、利用GIS技术提取水稻种植区的边缘，在高分辨率正射底图上人工标绘种植区中各田块的边界，并将相关信息存储在属性表中；

属性表中存储的是各田块的地块归属、坐标和面积；

步骤三、针对各水稻田块，用合成孔径雷达遥感卫星在进行水稻种植前采集一次图像；

步骤四、在水稻种植期间，合成孔径雷达遥感卫星再次对各个田块分别采集SAR影像，判断各个田块的SAR影像与种植前的图像中后向散射系数是否有变化，如果有，则该田块已经种植水稻，水稻种植时间即为SAR影像拍摄时间之前；否则，该田块没有种植水稻，水稻种植时间为SAR影像拍摄时间之后；

将各田块对应的水稻种植时间添加到对应的属性表中；

步骤五、针对各个田块，计算水稻生长周期内各田块的累积植被指数值∑max_NDVI；

具体步骤如下：

步骤501、针对田块i，用中分辨率光学遥感卫星在生长周期的每个时间段内分别采集一次图像；

步骤502、针对某时间段采集的图像，分别计算该图像中每个像素的归一化植被指数值；

针对像素a，归一化植被指数的计算公式如下：

其中，R_NIR为遥感图像中像素a的近红外波段反射率，R_R为遥感图像中像素a的红外波段反射率；

步骤503、从该图像中所有像素的归一化植被指数值中选择最大值，作为田块i在该时间段内的植被指数值；

同理得到田块i在水稻生长周期的各时间段内的植被指数值；

步骤504、针对田块i，将水稻生长周期各个时间段内所有的植被指数值进行累积求和，记为∑Max_NDVIi；

步骤六、随机抽选若干分布均衡的水稻田块作为样本进行人工采样测产，人工获取各样本田块的水稻测产亩产量；

确保种植时间前后的水稻田块的有效样本分别不少4个；

步骤七、根据各样本田块的水稻测产亩产量和各田块的累积植被指数值∑Max_NDVI，建立以水稻种植时间为分时区的水稻估产模型；

步骤八、利用水稻估产模型，计算除去样本外的剩余各水稻田块的预估产量。

2.如权利要求1所述的基于SAR和光学遥感数据的水稻精细化估产方法，其特征在于，所述的步骤一中光学遥感卫星包括高分辨率光学遥感卫星和中分辨率光学遥感卫星。

3.如权利要求1所述的基于SAR和光学遥感数据的水稻精细化估产方法，其特征在于，步骤一中所述的预处理包括：

对高分辨率光学遥感卫星采集的图像数据，进行大气校正、正射校正、图像融合和图像镶嵌处理，并进行分幅裁剪，形成工作区高分辨率正射底图；

对中分辨率光学遥感卫星采集的图像数据，进行大气校正、正射校正和图像镶嵌处理；

对合成孔径雷达遥感卫星采集的图像数据，进行辐射校正、多视处理、配准、斑点滤波和正射校正处理，获取经过辐射校正后的标准雷达图像数据，即后向散射系数并几何校正后数据；

最后，以高分辨率正射底图为基准，将中分辨率光学遥感卫星采集的图像和合成孔径雷达遥感卫星采集的图像分别进行配准处理。

4.如权利要求1所述的基于SAR和光学遥感数据的水稻精细化估产方法，其特征在于，所述的步骤七具体为：

首先，根据水稻种植时间将各样本分为两个时区：分别为SAR影像拍摄时间之前和SAR影像拍摄时间之后；

然后，将所有样本的水稻测产亩产量和各样本对应的累积植被指数值∑Max_NDVI进行相关性拟合；并求解线性回归系数，从而建立水稻分时区的估产模型；

利用线性拟合关系表达的水稻估产模型如下：

水稻种植日期在SAR影像拍摄时间之前的水稻估产模型为：Y＝a*X+b；

水稻种植日期在SAR影像拍摄时间之后的水稻估产模型为：Y＝c*X+d；

其中，Y为人工测产获得各样本田地的亩产量，单位kg；X为样本田块累积植被指数值∑Max_NDVI；a、b、c和d分别为待求解的线性回归系数。