[发明专利]冬小麦和夏玉米种植面积逐年自动监测的遥感制图方法

权利要求书

1.一种冬小麦和夏玉米种植面积逐年自动监测的遥感制图方法，其特征在于，具体包括以下步骤：

1)构建重构的MODIS NDVI时间序列数据；

2)基于机器学习算法和重构的MODIS NDVI时间序列数据，对遥感影像进行分类，得到逐年农田和非农田制图，所述的得到逐年农田和非农田制图的具体方法如下：

2.1)基于机器学习算法对当前计算年份的遥感影像中农田和非农田进行分类，选择冬小麦和夏玉米关键生育期的遥感影像，根据农田和非农田的高分影像训练样本数据，选择神经网络、决策树和支持向量机三种机器学习算法，分别对农田和非农田构建分类器并进行分类，分类判断规则为：最少满足两种机器学习在同一区域/栅格上判定为农田，该区域/栅格才认定为农田，获取当前计算年份的农田和非农田本底土地利用图，

2.2)基于重构的MODIS NDVI时间序列数据，获取相邻年份栅格尺度上归一化植被指数NDVI变化的相关性及显著性，并以归一化植被指数NDVI变化的相关性及显著性为依据来判断农田在使用过程中是否发生了土地利用类型变化，对于当前计算年份的农田和非农田本底土地利用图中土地利用类型变化的区域采用神经网络构建的分类器重新对其进行分类判断，而显著性p0.05的显著相关的区域，则直接继承相邻本底年份类型，得到逐年农田和非农田分类结果图；

3)对重构的MODIS NDVI时间序列数据进行变换，得到日尺度的NDVI时间序列，对逐年农田和非农田分类结果图中的农田进行标记，得到逐年复种监测制图，所述的得到逐年复种监测制图的具体方法是，对重构的MODIS NDVI时间序列数据进行六次多项式拟合，得到日尺度NDVI时间序列，根据日尺度NDVI时间序列，能够获取逐年农田和非农田分类结果图中的农田的复种使用情况，复种使用情况包括单季还是双季种植模式、单季种植模式下作物峰值出现的时间及对应的最大值、双季种植模式下第一季和第二季作物峰值出现的时间及对应的最大值、是否存在撂荒；

4)基于机器学习算法、重构的MODIS NDVI时间序列数据和逐年复种监测制图，对遥感影像进行分类，得到逐年冬小麦和夏玉米种植区制图，所述的得到逐年冬小麦和夏玉米种植区制图的具体方法如下：

4.1)基于神经网络方法和冬小麦、夏玉米高分影像训练样本，对当前计算年份的遥感影像进行分类，得到当前计算年份的冬小麦和夏玉米种植区制图，所述的高分影像训练样通过本无人机野外调查和Google Earth等获取，

4.2)分别计算冬小麦和夏玉米两个生育期内归一化植被指数NDVI的相关性和显著性，基于重构的MODIS NDVI时间序列数据，获取相邻年份栅格尺度上归一化植被指数NDVI变化的相关性及显著性，以归一化植被指数(NDVI)变化的相关性及显著性为依据来判断种植作物是否发生变化的依据，基于神经网络方法构建分类器，对于当前计算年份的冬小麦和夏玉米种植区制图中变化的区域重新对其进行分类判断，而显著性p0.05的显著相关的区域则直接继承相邻本底年份作物类型，得到逐年冬小麦和夏玉米种植区制图。

2.如权利要求1所述的一种冬小麦和夏玉米种植面积逐年自动监测的遥感制图方法，其特征在于，所述的步骤1)中的重构的MODIS NDVI时间序列数据是通过Savitzky-Golay滤波器平滑得到的。