[发明专利]一年两熟地区大宗粮油作物复种模式遥感监测方法

说明书

本发明公开了一年两熟地区大宗粮油作物复种模式遥感监测方法，包括以下步骤：A：结合中国熟制区划资料，获取研究区域的熟制信息，并按照经纬度范围，对研究区域进行地理位置分区；B：对研究区域的高分辨率多光谱卫星影像进行一系列处理，得到北方和南方一年两熟地区可辨别时相的、预处理后的多波段影像，以及EVI灰度影像、edgNDVI灰度影像、LSWI灰度影像以及D‑value灰度影像；C：对北方一年两熟地区和南方一年两熟地区的两季大宗粮油作物进行分类识别；D：利用小斑块聚合方法对分类识别结果进行优化；E：判定复种模式。本发明能够实现大空间尺度、复杂种植制度下的大宗粮油作物复种模式快速及高精度获取。

技术领域

本发明涉及一种大宗粮油作物复种模式监测方法，尤其涉及一种一年两熟地区大宗粮油作物复种模式遥感监测方法。

背景技术

复种是指一年内于同一田块上连续种植两季或两季以上作物的种植方式，是提高土地、光、热等资源利用率、提升单位面积年产量的有效途径。监测大宗粮油作物的复种模式，有助于准确掌握大宗粮油作物的年内时空分布格局，对制定农业政策、优化种植结构、保障粮食安全具有重要意义。

随着对地观测技术的快速发展，卫星遥感以其宏观、高效、动态、真实的信息获取优势，成为大宗粮油作物时空分布调查的重要手段之一。目前，国内外相关研究主要集中于某特定地域(如某行政单元)、某一季农作物的遥感分类识别与分布调查，很少涉及综合考虑农业熟制区划与南北方农作物种类差异的年内多季农作物分类识别与分布调查，不利于清晰地认识大空间尺度、复种方式下的农业种植结构。

与此同时，现有相关技术大多采用以下实施方式：一、基于样本训练的监督分类方法(可分为面向像元、面向对象两种)，该方法的精度很大程度上依赖于样本的数量与质量，且样本训练过程相对费时，不适宜大空间尺度下的应用。二、基于中分辨率遥感数据的植被指数时间序列分析方法，该方法需要长时序、高频次的光学影像(如MODIS)支持，故而其精度往往受到云雨天气影响，且存在因中等空间分辨率导致的大量混合像元的问题。三、基于多时相高分辨率遥感数据的决策树分类方法，该方法运算速度快、分类精度高；但在现有研究中，或因选取的卫星传感器波段数量少、光谱识别度低，导致农作物明显混分、误分；或因选取的光谱指数相对单一、不能显著反映不同农作物的光谱特性差异，导致决策树判断条件复杂或分类效果欠佳；或因方法设计过程未涉及分类结果的后处理，导致分类结果存在像元尺度分类的椒盐噪声。

发明内容

本发明的目的是提供一种一年两熟地区大宗粮油作物复种模式遥感监测方法，能够实现一年两熟地区两季大宗粮油作物的分类识别，实现大空间尺度、复杂种植制度下的大宗粮油作物复种模式快速及高精度获取，有助于及时准确地掌握大宗粮油作物的年内时空分布格局，提升农业科学决策水平。

本发明采用下述技术方案：

一年两熟地区大宗粮油作物复种模式遥感监测方法，包括以下步骤：

A：结合中国熟制区划资料，获取研究区域的熟制信息；若研究区域确为一年两熟地区，则按照经纬度范围，对其进行地理位置分区，将位于秦岭-淮河一线北侧的区域标记为北方一年两熟地区，将位于秦岭-淮河一线南侧的区域标记为南方一年两熟地区；

B：获取研究区域的高分辨率多光谱卫星影像，并对获取到的高分辨率多光谱卫星影像进行时相筛选、预处理与波段计算，得到北方一年两熟地区和南方一年两熟地区可辨别时相的、预处理后的多波段影像，以及北方一年两熟地区和南方一年两熟地区可辨别时相的EVI灰度影像、edgNDVI灰度影像、LSWI灰度影像以及D-value灰度影像；

EVI指增强型植被指数，edgNDVI指近红外波段与红边波段组合的改进型归一化植被指数，LSWI指地表水分指数，D-value指LSWI与EVI差值；