[发明专利]一种细碎化农业区土地覆被与种植结构的遥感识别方法

权利要求书

1.一种细碎化农业区土地覆被与种植结构的遥感识别方法，其特征在于，包括如下步骤：

S1、利用支持向量机SVM监督学习算法对原始卫星图像进行农业区及非农业区识别：

S1.1、采用双线性插值法将多张不同时期不同气象条件的原始卫星图像的每个波段重采样为统一的空间分辨率；选择一张八月初作物生长旺盛的原始卫星图像，并选取该图像中能较好分辨地物的可见光波段以及能判断植物生长状况的红边波段、近红外波段或短波红外波段作为分类识别波段；利用二阶概率统计方法用一个灰色调空间相关性矩阵，基于3×3的窗口和64灰度量化级别计算分类识别波段的纹理值；

S1.2、利用生育期内多期晴空无云条件下的原始卫星图像，通过公式一得到陆地水体指数LSWI时序数据集，采用线性插值的方法将陆地水体指数LSWI时序数据集重采样为统一的时间分辨率，并以一预设阈值对数据集中的陆地水体指数LSWI时序数据进行重新赋值，大于预设阈值的像元赋值为0，小于预设阈值的像元赋值为1，将重新赋值的陆地水体指数LSWI时序数据依次相加求和，获得一个陆地水体指数LSWI重分类数据；

式中：LSWI为陆地水体指数；ρ_NIR表示近红外波段的反射率；ρ_SWIR表示短波红外波段的反射率；

S1.3、从Google Earth中选取土地利用样本集作为训练数据，利用支持向量机SVM监督分类算法对步骤S1.1得到的分类识别波段及纹理值和步骤S1.2获得的陆地水体指数LSWI重分类数据进行训练学习，计算得到农业区及非农业区的土地利用分类结果；

S2、应用决策树算法对农业区进行进一步种植结构划分，得到最终农业区高精度土地利用数据：

S2.1、将步骤S1得到的土地利用分类结果转变为栅格数据并对其进行重新赋值，将农业区赋值为1，非农业区赋值为NoData；将重新赋值的栅格数据转变为矢量数据，获得只包含农业区的shp矢量数据；

S2.2、基于步骤S2.1得到的只包含农业区的shp矢量数据对生育期内多期晴空无云条件下的原始卫星图像进行裁剪，得到只包含农业区的原始卫星图像，并通过公式二计算得到归一化植被指数NDVI时序数据集，采用线性插值的方法将归一化植被指数NDVI时序数据集重采样为统一的时间分辨率；

式中：NDVI为归一化植被指数；ρ_NIR表示近红外波段的反射率；ρ_Red表示红光波段的反射率；

S2.3、利用Savitzky-Golay滤波器对步骤S2.2重采样后的归一化植被指数NDVI时序数据集进行平滑处理；基于平滑后的NDVI生育期过程曲线建立物候指标判断标准，对农业区每一个像元进行判断，最终得到物候指标栅格数据；所述物候指标栅格数据中包含生育期起始时间、生育期终止时间和生育期长度三个物候指标；

所述物候指标判断标准的建立过程如下：

确定在平滑后的NDVI生育期过程曲线的上升阶段、下降阶段以及NDVI设定值，当NDVI＝设定值时，上升阶段所对应的时刻为生育期起始时间，下降阶段所对应的时刻为生育期终止时间，生育期起始时间与生育期终止时间内的时间长度为生育期长度；

S2.4、根据不同作物的三个物候指标的值域范围，建立作物分类规则；基于作物分类规则，利用决策树算法对步骤S2.3获得的物候指标栅格数据中的每一个栅格进行判断，获得农业种植结构分类结果，最终使得每个栅格都被划分为某一类具体的作物类型，从而实现对农业区的作物识别；

S3、将步骤S1得到的土地利用分类结果中非农业区与步骤S2获得的农业种植结构分类结果镶嵌到一起，得到一张带有分类标签色彩的农业种植区土地利用及种植结构分类图。

2.根据权利要求1所述的细碎化农业区土地覆被与种植结构的遥感识别方法，其特征在于，所述步骤S1.2中，预设阈值为0.2。

3.根据权利要求1所述的细碎化农业区土地覆被与种植结构的遥感识别方法，其特征在于，所述步骤S1.3中，土地利用分类结果中，农业区为农田，非农业区包括水体、沙丘、居民区和天然地。

4.根据权利要求1所述的细碎化农业区土地覆被与种植结构的遥感识别方法，其特征在于，所述步骤S2.3中，设定值为0.3。