[发明专利]一种基于NDVI时间序列复杂赫斯特的耐低温植物识别方法

说明书

本发明公开了一种基于NDVI时间序列复杂赫斯特的耐低温植物识别方法，充分利用耐低温植物区别于其它作物的特有物候特征，并通过NDVI时间序列的复杂赫斯特，显著提升耐低温植物与其它地物的差异。本发明采用单一数据源构建了高空间分辨率NDVI时间序列，NDVI时间序列覆盖整个耐低温植物生长周期，通过建立复杂赫斯特模型，降低耐低温植物NDVI时间序列的离散度，并利用样本数据完成了阈值的自动获取，实现了耐低温植物识别精度的提升。

技术领域

本发明涉及耐低温植物遥感识别技术，特别是一种基于NDVI时间序列复杂赫斯特的耐低温植物识别方法。

背景技术

低温植物是全球最重要健康营养食作物之一，在全球种植范围最广泛。全世界北方以耐低温植物为主，及时准确地提取耐低温植物种植面积是开展产量预测的基础，是关系到国家食品安全和社会稳定的重要因素。

基于实地观测的传统耐低温植物面积获取方法，不能满足及时、准确的获取大区域耐低温植物面积的需求。随着遥感技术的高速发展，遥感影像在耐低温植物监测领域中得到了广泛的应用。早期主要采用单一时相遥感影像数据开展耐低温植物的识别，由于作物类型复杂多样，不同作物之间存在明显的光谱重叠，利用单一时相遥感影像数据进行作物分类时易出现“错分、漏分”现象，很难达到理想的分类精度。随着遥感数据源的不断丰富，考虑到不同作物随季节变化的差异，多时相遥感数据甚至时间序列遥感数据可以增强不同作物之间的光谱可分性，目前遥感数据时间序列，尤其是归一化植被指数(normalizeddifference vegetation index，NDVI)时间序列已经成为作物识别研究的热点。

NDVI是应用遥感技术提取作物信息的一个最常用指标，被广泛应用于作物分类和生长状况评价。NDVI时间序列数据能够精确地反映植被物候信息(出苗、开花、传粉、成熟)，有效削弱“同物异谱，同谱异物”现象，在作物分类研究中发挥了重要作用，可以应用于耐低温植物的识别。目前较为流行的方法是基于MODIS、NOAA的NDVI时间序列数据，但由于影像空间分辨率较低加之全世界作物种植类别复杂多样、地块较为破碎，仅有极少的像元是由单一地物所组成，耐低温植物识别精度有限。地面摄像的GVG农情系统为高空间分辨率NDVI时间序列的构建提供了有效数据源。

在NDVI时间序列识别作物领域，当前应用较为成熟的方法是决策树分类法，该方法仅仅利用时间序列中的几个特征波段，而没有综合考虑整个序列。为此本发明提出了一种基于NDVI时间序列复杂赫斯特的耐低温植物识别方法，充分考虑了整个NDVI时间序列，而且操作流程简单实用。

发明内容

本发明的目的在于提出一种基于NDVI时间序列复杂赫斯特的耐低温植物识别方法，充分利用耐低温植物区别于其它作物的特有物候特征，并通过NDVI时间序列的复杂赫斯特，显著提升耐低温植物与其它地物的差异，实现了耐低温植物的高精度识别。

为实现上述目的，本发明通过以下技术方案实现：

一种基于NDVI时间序列复杂赫斯特的耐低温植物识别方法，包括以下步骤：

步骤一：获取耐低温植物生长周期内的GVG农情影像序列，并构建NDVI时间序列，形成以时间为横坐标，NDVI为纵坐标的NDVI时间序列曲线；

步骤二：通过实地调查或历史数据，获取耐低温植物样本数据；

步骤三：基于耐低温植物样本，获取相应的像元的NDVI时间序列曲线，对所有样本像元的NDVI时间序列进行准对称hanning加窗滑动平均，形成耐低温植物NDVI时间序列的参考曲线；

步骤四：以耐低温植物NDVI时间序列参考曲线为基准对NDVI时间序列曲线进行复杂赫斯特，也就是将试验区内所有像元对应NDVI时间序列曲线减去参考曲线，按照公式计算得到每个像元的NDVI时间序列转换曲线；