CN112861766B - 农田玉米秸秆卫星遥感提取方法及装置 - Google Patents
农田玉米秸秆卫星遥感提取方法及装置 Download PDFInfo
- Publication number
- CN112861766B CN112861766B CN202110220236.6A CN202110220236A CN112861766B CN 112861766 B CN112861766 B CN 112861766B CN 202110220236 A CN202110220236 A CN 202110220236A CN 112861766 B CN112861766 B CN 112861766B
- Authority
- CN
- China
- Prior art keywords
- band
- remote sensing
- straw
- wavelength range
- ndssi
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 235000002017 Zea mays subsp mays Nutrition 0.000 title claims abstract description 120
- 240000008042 Zea mays Species 0.000 title claims abstract description 119
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 title claims abstract description 114
- 235000005822 corn Nutrition 0.000 title claims abstract description 114
- 238000000605 extraction Methods 0.000 title claims abstract description 51
- 239000010902 straw Substances 0.000 claims abstract description 109
- 238000002310 reflectometry Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 31
- 229930002875 chlorophyll Natural products 0.000 claims description 11
- 235000019804 chlorophyll Nutrition 0.000 claims description 11
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000003306 harvesting Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 6
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 claims description 5
- 235000009973 maize Nutrition 0.000 claims description 5
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 11
- 238000011835 investigation Methods 0.000 abstract description 6
- 241000209140 Triticum Species 0.000 description 20
- 235000021307 Triticum Nutrition 0.000 description 20
- 238000001228 spectrum Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 230000006837 decompression Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 241000482268 Zea mays subsp. mays Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种农田玉米秸秆卫星遥感提取方法及装置，该方法包括：根据目标遥感影像各波段的反射率，确定归一化短波红外秸秆指数NDSSI、叠加红外秸秆指数AIRSI和叠积近红秸秆指数PNISI；根据NDSSI、AIRSI和PNISI中任意一种或多种的取值范围，确定玉米秸秆区域。该方法通过归一化短波红外秸秆指数、叠加红外秸秆指数和叠积近红秸秆指数共三种新型秸秆指数确定农田玉米秸秆秋冬季遥感监测结果，能够提高农田玉米秸秆的提取精度和效率，减少人工调查，为秸秆焚烧监管提供数据支撑。
Description
技术领域
本发明涉及农业遥感技术领域，尤其涉及一种农田玉米秸秆卫星遥感提取方法及装置。
背景技术
农田玉米秸秆大部分在玉米收获时已被采收，但部分来年准备种植春玉米区域以及散户种植区域，在玉米收获季后，秸秆并未被采收，直立或倒伏分布在田间。这些秸秆极易在秋冬季或来年春季被焚烧，是农业或环保部门秸秆焚烧监管的高风险重点区域。农田秸秆分布调查是秸秆焚烧防控工作的基础。
目前秸秆焚烧防控主要依靠监管人员实地地面调查，然后统计上报，费时费力、效率低下。目前对秸秆植株进行遥感监测的研究较少，相关研究是针对秸秆还田后土壤与秸秆碎茬混合后的秸秆覆盖度进行的遥感监测，其侧重点是对玉米收获后粉碎还田的覆盖有秸秆碎茬的田地进行遥感监测，监测对象是粉碎后的秸秆碎茬与土壤的混合物，而田间直立玉米秸秆监测的对象是农田之上完整的玉米秸秆植株，二者监测对象完全不同、形态也不一，因此田间玉米秸秆监测提取的方法与秸秆覆盖度也完全不同。为了满足监管部门实际工作中农田玉米秸秆高精度快速定位和秸秆收割科学调度的要求，根据农田玉米秸秆的典型特征，找到一种适合于卫星遥感影像的新型高效秸秆指数，进行秋冬季农田玉米秸秆快速、高效提取已经成为亟需解决的技术问题。
发明内容
针对现有技术存在的问题，本发明提供一种农田玉米秸秆卫星遥感提取方法及装置。
本发明提供一种农田玉米秸秆卫星遥感提取方法，包括：根据目标遥感影像各波段的反射率，确定归一化短波红外秸秆指数NDSSI、叠加红外秸秆指数AIRSI和叠积近红秸秆指数PNISI；
根据NDSSI、AIRSI和PNISI中任意一种或多种的取值范围，确定玉米秸秆区域，如采取多种指数，可优势互补提高监测精度；
其中，AIRSI根据B4、B5和B12波段反射率加权值确定；PNISI根据B4和B8波段反射率确定；NDSSI根据B9和B12波段反射率确定。
根据本发明一个实施例的农田玉米秸秆卫星遥感提取方法，根据NDSSI、AIRSI和PNISI中任意一种或多种的取值范围，确定玉米秸秆区域之前，还包括：
获取研究区内三个时相的卫星遥感影像；
根据第一时相的遥感影像，确定人造地物区域，并根据第二时相的遥感影像，确定林地区域；
在第三时相的遥感影像中，剔除人造地物区域和林地区域，得到所述目标遥感影像；
其中，所述第一时相为玉米秸秆叶绿素含量最高的花粒期；所述第二时相为林地和玉米秸秆叶绿素含量差异最大的时期；所述第三时相为玉米秸秆干枯后叶绿素含量最低的收获期。
根据本发明一个实施例的农田玉米秸秆卫星遥感提取方法，所述根据第一时相的遥感影像，确定人造地物区域，以及根据第二时相的遥感影像，确定林地区域，分别包括：根据第一时相的遥感影像，归一化植被指数NDVI小于0.5，或者蓝光波段反射率大于0.08的区域，确定人造地物区域；根据第二时相的遥感影像，NDVI≥0.5的影像区域，确定林地区域。
根据本发明一个实施例的农田玉米秸秆卫星遥感提取方法，所述PNISI或NDSSI的确定方法对应包括：
其中，B4、B8、B9和B12分别为对应波段的反射率。
根据本发明一个实施例的农田玉米秸秆卫星遥感提取方法，所述PNISI、NDSSI和AIRSI的取值范围分别为：0.05＜PNISI＜0.065，-0.07＜NDSSI＜0.07，0.6＜AIRSI＜0.75。
根据本发明一个实施例的农田玉米秸秆卫星遥感提取方法，所述确定玉米秸秆区域之后，还包括：将玉米秸秆区域提取结果的栅格影像转换为矢量文件。
根据本发明一个实施例的农田玉米秸秆卫星遥感提取方法，所述根据NDSSI、AIRSI和PNISI中任意一种或多种的取值范围，确定玉米秸秆区域，包括：根据同时满足NDSSI、AIRSI和PNISI取值范围的区域，确定玉米秸秆区域。
本发明还提供一种农田玉米秸秆卫星遥感提取装置，包括：获取模块，用于根据目标遥感影像各波段的反射率，确定归一化短波红外秸秆指数NDSSI、叠加红外秸秆指数AIRSI和叠积近红秸秆指数PNISI；处理模块，用于根据NDSSI、AIRSI和PNISI中任意一种或多种的取值范围，确定玉米秸秆区域；其中，AIRSI根据B4、B5和B12波段反射率加权值确定；PNISI根据B4和B8波段反射率确定；NDSSI根据B9和B12波段反射率确定。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述农田玉米秸秆卫星遥感提取方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述农田玉米秸秆卫星遥感提取方法的步骤。
本发明提供的农田玉米秸秆卫星遥感提取方法及装置，通过归一化短波红外秸秆指数、叠加红外秸秆指数和叠积近红秸秆指数共三种新型秸秆指数确定农田玉米秸秆秋冬季遥感结果，能够提高农田玉米秸秆的提取精度和效率，减少人工调查，为秸秆焚烧监管提供数据支撑。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的农田玉米秸秆卫星遥感提取方法的流程示意图之一；
图2是本发明提供的农田玉米秸秆卫星遥感提取方法的流程示意图之二；
图3是本发明提供的农田主要地物样点新型秸秆指数AIRSI-NDSSI散点图；
图4是本发明提供的农田玉米秸秆卫星遥感提取装置的结构示意图；
图5是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图1-图5描述本发明的农田玉米秸秆卫星遥感提取方法及装置。图1是本发明提供的农田玉米秸秆卫星遥感提取方法的流程示意图之一，如图1所示，本发明提供农田玉米秸秆卫星遥感提取方法，包括：
101、根据目标遥感影像各波段的反射率，确定归一化短波红外秸秆指数NDSSI、叠加红外秸秆指数AIRSI和叠积近红秸秆指数PNISI；
102、根据NDSSI、AIRSI和PNISI中任意一种或多种的取值范围，确定玉米秸秆区域；
其中，AIRSI根据B4、B5和B12波段反射率加权值确定；PNISI根据B4和B8波段反射率e确定；NDSSI根据B9和B12波段反射率确定。
B4为红波段(650nm-680nm)，B5为红边波段(698nm-713nm)，B8为近红外波段(785nm-900nm)，B9为水汽波段(1360nm-1390nm)，B12为短波红外波段(2100nm-2280nm)。
作为可选实施例，目标遥感影像为哨兵二号卫星遥感影像，以下以此为例进行说明。哨兵二号影像共有B1(433nm-453nm)、B2(458nm-523nm)、B3(543nm-578nm)、B4(650nm-680nm)、B5(698nm-713nm)、B6(733nm-748nm)、B7(773nm-793nm)、B8(785nm-900nm)、B8b(935nm-955nm)、B9(1360nm-1390nm)、B11(1565nm-1655nm)、B12(2100nm-2280nm)共12个波段，影像需进行预处理，包含数据解压、数据导出、波段组合、辐射校正、几何校正、影像裁剪。影像数据解压、数据导出可在欧空局指定的SNAP软件中完成，影像的波段组合、辐射校正、几何校正、影像裁剪可在ENVI软件中完成，影像空间分辨率为10m，坐标***为WGS84_UTM_Zone 50N。
获取研究区秋冬季卫星遥感影像数据后，得到目标遥感影像各波段的反射率。本发明根据农田地物光谱曲线图，通过综合分析田间玉米直立秸秆、平铺碎茬秸秆、裸地、密集小麦、稀疏小麦、落叶林地的光谱差异，提出并构建出3种新型的秸秆指数根据各波段的反射率，具体为归一化短波红外秸秆指数NDSSI、叠加红外秸秆指数AIRSI和叠积近红秸秆指数PNISI共三种新型秸秆指数。
1.构建新型叠积近红秸秆指数PNISI。
通过对光谱曲线进行详细分析发现，碎茬秸秆、疏小麦、密小麦在B8波段光谱值明显大于裸地和玉米秸秆光谱值，碎茬秸秆、疏小麦、密小麦在B4波段和B8波段光谱差也明显大于其他地物，据此特征构建叠积近红秸秆指数：
在一个实施例中，PNISI为：
上式中，B4为哨兵二号卫星影像中B4波段(红波段)反射率值，B8为哨兵二号卫星影像中B8波段(近红外波段)反射率值。
为了体现细节，后文均将反射率扩大10000倍后进行秸秆指数计算。利用PNISI可实现密小麦与疏小麦、碎茬秸秆、玉米秸秆、裸地的明显区分，PNISI＞1250为密小麦，PNISI≤1250为玉米秸秆、疏小麦、碎茬秸秆和裸地，其中玉米秸秆主要分布在(500，650)。因此利用PNISI可有效剔除密小麦。
2.构建新型归一化短波红外秸秆指NDSSI
通过对光谱曲线进行详细分析发现，玉米秸秆和裸地在B9波段光谱值差异不大，在B12波段裸地的光谱值明显大于玉米秸秆的光谱值。据此特征构建归一化短波红外秸秆指数NDSSI：
在一个实施例中，NDSSI为：
上式中，B9为哨兵二号卫星影像中B9波段反射率值，B12为哨兵二号卫星影像中B12波段反射率值。
利用NDSSI可实现密小麦、碎茬秸秆与玉米秸秆、裸地、疏小麦的明显区分，NDSSI＜-0.09为碎茬秸秆和密小麦，其中玉米秸秆主要分布在(-0.07，0.07)。因此利用NDSSI可有效剔除碎茬秸秆和密小麦。
3.构建新型叠加红外秸秆指数AIRSI。
通过对光谱曲线进行详细分析发现，农田玉米秸秆与其他地物(玉米茬、裸地、小麦)，在B4、B5，尤其是B12波段的区分度比较高，因此，B4(红光)、B5(红边)、B12(短波红外)这三个波段为农田玉米秸秆提取的敏感波段，并且B12波段影像值在3000(对应反射率为0.3)左右，区分度最大，B4和B5波段影像值在1500(对应反射率为0.15)左右，波段区分度次之。据此特征构建叠加红外秸秆指数AIRSI为：
AIRSI＝(a×B4+b×B5+B12)/c
上式中，B4为哨兵二号卫星影像中B4波段反射率值，B5为哨兵二号卫星影像中B5波段反射率值，B12为哨兵二号卫星影像中B12波段反射率值。a为B4波段调节系数此处取1.8，b为B5波段调节系数此处取1.5，c为B12波段调节系数此处取10000。
根据叠加红外秸秆指数AIRSI的样点统计结果，可发现利用AIRSI可实现玉米秸秆与密小麦、碎茬秸秆、疏小麦、裸地的明显区分，0.6＜AIRSI＜0.75为玉米秸秆，AIRSI≤0.6为密小麦，AIRSI≥0.76为疏小麦、碎茬秸秆、裸地。
本发明的农田玉米秸秆卫星遥感提取方法，通过归一化短波红外秸秆指数、叠加红外秸秆指数和叠积近红秸秆指数共三种新型秸秆指数确定农田玉米秸秆秋冬季遥感结果，能够提高农田玉米秸秆的提取精度和效率，减少人工调查，为秸秆焚烧监管提供数据支撑。
在一个实施例中，根据NDSSI、AIRSI和PNISI中任意一种或多种的取值范围，确定玉米秸秆区域之前，还包括：获取研究区内三个时相的卫星遥感影像；根据第一时相的遥感影像，确定人造地物区域，并根据第二时相的遥感影像，确定林地区域；在第三时相的遥感影像中，剔除人造地物区域和林地区域，得到所述目标遥感影像；其中，所述第一时相为玉米秸秆叶绿素含量最高的花粒期；所述第二时相为林地和玉米秸秆叶绿素含量差异最大的时期；所述第三时相为玉米秸秆干枯后叶绿素含量最低的收获期。
考虑到人造地物和林地会对地区结果产生影响，为了提高秸秆提取的准确度，本发明根据三个不同时相数据分别进行人造地物提取及剔除和林地提取及剔除。也就是说，目标遥感影像是去除林地和人造地物后的遥感影像。
需要说明的是，本发明中的三个时相对应的时期，可以从对应的时间段中选取相对较大的时期，而不限于最值的时期，即可以为最值一定范围内的时期。例如，在一个实施例中，所述第一时相、第二时相和第三时相的时期分别为9月4日、10月16日和11月8日，该时期接近能够实现相对准确的玉米秸秆提取。但是，并不限于以上日期。
在一个实施例中，所述根据第一时相的遥感影像，确定人造地物区域，以及根据第二时相的遥感影像，确定林地区域，分别包括：根据第一时相的遥感影像，归一化植被指数NDVI小于0.5，或者蓝光波段反射率大于0.08的区域，确定人造地物区域；根据第二时相的遥感影像，NDVI≥0.5的影像区域，确定林地区域。
首先，为了更好的提取出农田玉米秸秆，需要对非目标地物进行剔除，房屋建筑、道路等人造地物属于非目标地物需进行剔除。
由于人工建筑大部分为灰白色，夹杂着蓝色、红色等房顶，在9月份初期时农田玉米秸秆叶绿素含量较为丰富，绿色植被信号强，与人工建筑的灰白色、蓝色、红色形成巨大反差，可区分度高。可选择9月4日影像进行归一化植被指数NDVI计算，通过反复调试发现该时期人工建筑的NDVI值普遍低于0.5，因此将NDVI＜0.5设为人工建筑提取阈值。由于发现人工建筑中夹杂的蓝色房顶容易发生漏分，通过反复调试发现蓝色地物的B2(蓝光波段)反射率＞0.08。因此，对9月4日影像进行二值化处理，NDVI＜0.5或B2＞0.08的影像区域赋值为1，其它影像区域赋值为0，生成人造地物分布图。该步操作可在ENVI软件中完成。
上式中，B4为哨兵二号卫星影像中B4波段(红波段)反射率值，B8为哨兵二号卫星影像中B8波段(近红外波段)反射率值。
除人造地物外，林地与玉米秸秆同属植物，尤其冬季二者均枯黄，极易混淆，因此为更好的提取出农田玉米秸秆，也需对林地进行剔除。在10月份初期时林地还比较茂密，叶绿素含量也较为丰富，绿色植被信号强，与此时期枯黄的玉米秸秆存在反差，可区分度较高。可选择10月16日影像进行NDVI植被指数计算，通过反复调试发现该时期林地的NDVI值普遍高于0.5，因此将NDVI≥0.5设为林地提取阈值，对10月16日影像进行二值化处理，NDVI≥0.5的影像区域赋值为1，NDVI＜0.5的影像区域赋值为0，生成林地分布图。该步操作是在ENVI软件中完成。
将人造地物分布图设置为掩膜图层，对11月8日(第三时相)影像进行掩膜处理，将11月8日影像中的人造地物进行剔除；然后将林地分布图设置为掩膜图层，对剔除掉人造地物的11月8日影像进行二次掩膜处理，将11月8日影像中的林地也进行剔除。至此生成剔除掉人造地物和林地的11月8日新遥感影像。该步操作可在ENVI软件中完成。
本发明的农田玉米秸秆卫星遥感提取方法，通过不同的三个时相来剔除人造地物和林地的影响，能够提高秸秆提取的准确度。
在一个实施例中，所述PNISI或NDSSI的确定方法对应包括：
其中，B4、B8、B9和B12分别为对应波段的反射率。上述实施例已作举例说明，此处不再赘述。
在一个实施例中，所述PNISI、NDSSI和AIRSI的取值范围分别为：0.05＜PNISI＜0.065(若扩大10000倍则是500＜PNISI＜650)，-0.07＜NDSSI＜0.07，0.6＜AIRSI＜0.75。
密小麦与其它四种地物区分度最大，较易提取；利用AIRSI-NDSSI两种指数组合，可有效提取碎茬秸秆；利用PNISI-NDSSI两种指数组合，可有效提取裸地；疏小麦易与玉米秸秆混淆。
在一个实施例中，述根据NDSSI、AIRSI和PNISI中任意一种或多种的取值范围，确定玉米秸秆区域，包括：根据同时满足NDSSI、AIRSI和PNISI取值范围的区域，确定玉米秸秆区域。
利用AIRSI-PNISI-NDSSI三种指数组合，实现疏小麦与玉米秸秆的分离提取，表明玉米秸秆与其它地类有较好的可分性。通过多种指数进行提取，可实现每种指数的优势互补，从而进一步提高监测精度。
基于构建的3种新型秸秆指数PNISI、AIRSI和NDSSI，通过对地物光谱曲线、统计分析图进行综合分析，然后经反复调试，确定出不同地物类区分的合理阈值，形成综合的秋冬季农田玉米秸秆分类提取规则集。该步操作可在ENVI软件中完成。
在一个实施例中，所述确定玉米秸秆区域之后，还包括：将玉米秸秆区域提取结果的栅格影像转换为矢量文件。
上步生成的农田玉米秸秆分布图是一副栅格影像，为了便于后期实际应用，通过栅格转矢量工具，将农田玉米秸秆分布图(栅格图像)转化为shp格式的农田玉米秸秆分布图(矢量文件)。该步操作可在ArcGIS软件中完成。
在该步骤之后，可将生成的农田玉米秸秆分布图(shp格式)与哨兵二号遥感影像进行叠加显示并出图，生成最终的农田玉米秸秆专题图。该步操作可在ArcGIS软件中完成。
图2是本发明提供的农田玉米秸秆卫星遥感提取方法的流程示意图之二，可参见上述实施例的步骤和图2。图3是本发明提供的农田主要地物样点新型秸秆指数AIRSI-NDSSI散点图，可结合上述实施例参照。
下面对本发明提供的农田玉米秸秆卫星遥感提取装置进行描述，下文描述的农田玉米秸秆卫星遥感提取装置与上文描述的农田玉米秸秆卫星遥感提取方法可相互对应参照。
图4是本发明提供的农田玉米秸秆卫星遥感提取装置的结构示意图，如图4所示，该农田玉米秸秆卫星遥感提取装置包括：获取模块401和处理模块402。其中，获取模块401用于根据目标遥感影像各波段的反射率，确定归一化短波红外秸秆指数NDSSI、叠加红外秸秆指数AIRSI和叠积近红秸秆指数PNISI；处理模块402用于根据NDSSI、AIRSI和PNISI中任意一种或多种的取值范围，确定玉米秸秆区域；其中，AIRSI根据B4、B5和B12波段反射率加权值确定；PNISI根据B4和B8波段反射率确定；NDSSI根据B9和B12波段反射率确定。
本发明实施例提供的装置实施例是为了实现上述各方法实施例的，具体流程和详细内容请参照上述方法实施例，此处不再赘述。
本发明实施例提供的农田玉米秸秆卫星遥感提取装置，通过归一化短波红外秸秆指数、叠加红外秸秆指数和叠积近红秸秆指数共三种新型秸秆指数确定农田玉米秸秆秋冬季遥感结果，能够提高农田玉米秸秆的提取精度和效率，减少人工调查，为秸秆焚烧监管提供数据支撑。
图5是本发明提供的电子设备的结构示意图，如图5所示，该电子设备可以包括：处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503中的逻辑指令，以执行农田玉米秸秆卫星遥感提取方法，该方法包括：根据目标遥感影像各波段的反射率，确定归一化短波红外秸秆指数NDSSI、叠加红外秸秆指数AIRSI和叠积近红秸秆指数PNISI；根据NDSSI、AIRSI和PNISI中任意一种或多种的取值范围，确定玉米秸秆区域。
此外，上述的存储器503中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的农田玉米秸秆卫星遥感提取方法，该方法包括：根据目标遥感影像各波段的反射率，确定归一化短波红外秸秆指数NDSSI、叠加红外秸秆指数AIRSI和叠积近红秸秆指数PNISI；根据NDSSI、AIRSI和PNISI中任意一种或多种的取值范围，确定玉米秸秆区域。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的农田玉米秸秆卫星遥感提取方法，该方法包括：根据目标遥感影像各波段的反射率，确定归一化短波红外秸秆指数NDSSI、叠加红外秸秆指数AIRSI和叠积近红秸秆指数PNISI；根据NDSSI、AIRSI和PNISI中任意一种或多种的取值范围，确定玉米秸秆区域。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种农田玉米秸秆卫星遥感提取方法，其特征在于，包括：
根据目标遥感影像各波段的反射率，确定归一化短波红外秸秆指数NDSSI、叠加红外秸秆指数AIRSI和叠积近红秸秆指数PNISI；
根据NDSSI、AIRSI和PNISI中任意一种或多种的取值范围，确定玉米秸秆区域；
其中，AIRSI根据B4、B5和B12波段反射率加权值确定；PNISI根据B4和B8波段反射率确定；NDSSI根据B9和B12波段反射率确定；所述目标遥感影像为哨兵二号卫星遥感影像；哨兵二号遥感影像包括：B1波段、B2波段、B3波段、B4波段、B5波段、B6波段、B7波段、B8波段、B8b波段、B9波段、B11波段和B12波段；B1波段的波长范围包括433nm-453nm，B2波段的波长范围包括458nm-523nm、B3波段的波长范围包括543nm-578nm，B4波段的波长范围包括650nm-680nm，B5波段的波长范围包括698nm-713nm，B6波段的波长范围包括733nm-748nm，B7波段的波长范围包括773nm-793nm，B8波段的波长范围包括785nm-900nm，B8b波段的波长范围包括935nm-955nm，B9波段的波长范围包括1360nm-1390nm，B11波段的波长范围包括1565nm-1655nm，B12波段的波长范围包括2100nm-2280nm；
所述PNISI或NDSSI的确定方法对应包括：
其中，B4、B8、B9和B12分别为对应波段的反射率；
所述AIRSI的确定方法对应包括：
其中，B5为对应波段的反射率；a为B4波段调节系数，取值为1.8；b为B5波段调节系数，取值为1.5；c为B12波段调节系数，取值为10000。
2.根据权利要求1所述的农田玉米秸秆卫星遥感提取方法，其特征在于，根据NDSSI、AIRSI和PNISI中任意一种或多种的取值范围，确定玉米秸秆区域之前，还包括：
获取研究区内三个时相的卫星遥感影像；
根据第一时相的遥感影像，确定人造地物区域，并根据第二时相的遥感影像，确定林地区域；
在第三时相的遥感影像中，剔除人造地物区域和林地区域，得到所述目标遥感影像；
其中，所述第一时相为玉米秸秆叶绿素含量最高的花粒期；所述第二时相为林地和玉米秸秆叶绿素含量差异最大的时期；所述第三时相为玉米秸秆干枯后叶绿素含量最低的收获期。
3.根据权利要求2所述的农田玉米秸秆卫星遥感提取方法，其特征在于，所述根据第一时相的遥感影像，确定人造地物区域，以及根据第二时相的遥感影像，确定林地区域，分别包括：
根据第一时相的遥感影像，归一化植被指数NDVI小于0.5，或者蓝光波段反射率大于0.08的区域，确定人造地物区域；
根据第二时相的遥感影像，NDVI≥0.5的影像区域，确定林地区域。
4.根据权利要求1所述的农田玉米秸秆卫星遥感提取方法，其特征在于，所述PNISI、NDSSI和AIRSI的取值范围分别为：
0.05＜PNISI＜0.065，-0.07＜NDSSI＜0.07，0.6＜AIRSI＜0.75。
5.根据权利要求1所述的农田玉米秸秆卫星遥感提取方法，其特征在于，所述确定玉米秸秆区域之后，还包括：
将玉米秸秆区域提取结果的栅格影像转换为矢量文件。
6.根据权利要求1所述的农田玉米秸秆卫星遥感提取方法，其特征在于，所述根据NDSSI、AIRSI和PNISI中任意一种或多种的取值范围，确定玉米秸秆区域，包括：
根据同时满足NDSSI、AIRSI和PNISI取值范围的区域，确定玉米秸秆区域。
7.一种农田玉米秸秆卫星遥感提取装置，其特征在于，包括：
获取模块，用于根据目标遥感影像各波段的反射率，确定归一化短波红外秸秆指数NDSSI、叠加红外秸秆指数AIRSI和叠积近红秸秆指数PNISI；
处理模块，用于根据NDSSI、AIRSI和PNISI中任意一种或多种的取值范围，确定玉米秸秆区域；
其中，AIRSI根据B4、B5和B12波段反射率加权值确定；PNISI根据B4和B8波段反射率确定；NDSSI根据B9和B12波段反射率确定；
所述目标遥感影像为哨兵二号卫星遥感影像；哨兵二号遥感影像包括：B1波段、B2波段、B3波段、B4波段、B5波段、B6波段、B7波段、B8波段、B8b波段、B9波段、B11波段和B12波段；B1波段的波长范围包括433nm-453nm，B2波段的波长范围包括458nm-523nm、B3波段的波长范围包括543nm-578nm，B4波段的波长范围包括650nm-680nm，B5波段的波长范围包括698nm-713nm，B6波段的波长范围包括733nm-748nm，B7波段的波长范围包括773nm-793nm，B8波段的波长范围包括785nm-900nm，B8b波段的波长范围包括935nm-955nm，B9波段的波长范围包括1360nm-1390nm，B11波段的波长范围包括1565nm-1655nm，B12波段的波长范围包括2100nm-2280nm；
所述PNISI或NDSSI的确定方法对应包括：
其中，B4、B8、B9和B12分别为对应波段的反射率；
所述AIRSI的确定方法对应包括：
其中，B5为对应波段的反射率；a为B4波段调节系数，取值为1.8；b为B5波段调节系数，取值为1.5；c为B12波段调节系数，取值为10000。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述农田玉米秸秆卫星遥感提取方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述农田玉米秸秆卫星遥感提取方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110220236.6A CN112861766B (zh) | 2021-02-26 | 2021-02-26 | 农田玉米秸秆卫星遥感提取方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110220236.6A CN112861766B (zh) | 2021-02-26 | 2021-02-26 | 农田玉米秸秆卫星遥感提取方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112861766A CN112861766A (zh) | 2021-05-28 |
| CN112861766B true CN112861766B (zh) | 2024-02-02 |
Family
ID=75990365
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110220236.6A Active CN112861766B (zh) | 2021-02-26 | 2021-02-26 | 农田玉米秸秆卫星遥感提取方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112861766B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113609910A (zh) * | 2021-07-06 | 2021-11-05 | 北京农业信息技术研究中心 | 基于遥感影像的冬小麦生长前期空间分布监测方法及装置 |
| CN113673339B (zh) * | 2021-07-16 | 2024-02-23 | 北京农业信息技术研究中心 | 基于无人机影像的立地秸秆提取方法和装置 |
| CN114076955B (zh) * | 2021-09-27 | 2022-07-19 | 农业农村部规划设计研究院 | 一种基于高分一号卫星数据识别倒伏玉米的方法 |
| CN114814782B (zh) * | 2022-05-06 | 2024-05-24 | 中国农业大学 | 一种基于激光雷达的秸秆覆盖率实时检测方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106355143A (zh) * | 2016-08-25 | 2017-01-25 | 中国农业大学 | 多源多时相高分遥感影像的制种玉米田识别方法及*** |
| CN107067334A (zh) * | 2017-04-21 | 2017-08-18 | 中国科学院遥感与数字地球研究所 | 基于多源遥感数据的农田火灾和秸秆焚烧监测方法及*** |
| CN112102312A (zh) * | 2020-09-29 | 2020-12-18 | 滁州学院 | 基于含红边波段的卫星影像和物候差异的毛竹林遥感识别方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111164962B (zh) * | 2018-09-26 | 2021-11-30 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、设备、无人机、***及存储介质 |
-
2021
- 2021-02-26 CN CN202110220236.6A patent/CN112861766B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106355143A (zh) * | 2016-08-25 | 2017-01-25 | 中国农业大学 | 多源多时相高分遥感影像的制种玉米田识别方法及*** |
| CN107067334A (zh) * | 2017-04-21 | 2017-08-18 | 中国科学院遥感与数字地球研究所 | 基于多源遥感数据的农田火灾和秸秆焚烧监测方法及*** |
| CN112102312A (zh) * | 2020-09-29 | 2020-12-18 | 滁州学院 | 基于含红边波段的卫星影像和物候差异的毛竹林遥感识别方法 |
Non-Patent Citations (7)
| Title |
|---|
| Water Bodies’ Mapping from Sentinel-2 Imagery with Modified Normalized Difference Water Index at 10-m Spatial Resolution Produced by Sharpening the SWIR Band;Yun Du 等;《remote sensing》;1-19 * |
| 便携式野外现场近红外地物光谱仪研究与测试;郑志忠;陈春霞;修连存;;《现代科学仪器》(第02期);25-28 * |
| 冬小麦播期遥感监测研究现状与展望;葛艳 等;《麦类作物学报》;58-64 * |
| 基于Landsat 8影像的不同燃烧指数在农田秸秆焚烧区域识别中的应用;马建行 等;《应用生态学报》;第26卷(第11期);3451-3456 * |
| 基于NDVI时间序列影像的张掖市农作物种植结构提取;程良晓 等;《地理信息世界》;第23卷(第04期);37-44 * |
| 基于土壤异质背景的玉米秸秆覆盖度遥感反演;黄晋宇 等;《应用生态学报》;第31卷(第2期);474-482 * |
| 结合Sentinel-2光谱与纹理信息的冬小麦作物茬覆盖度估算;蔡文婷 等;《遥感学报》(第09期);1108-1119 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112861766A (zh) | 2021-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112861766B (zh) | 农田玉米秸秆卫星遥感提取方法及装置 | |
| Karlson et al. | Assessing the potential of multi-seasonal WorldView-2 imagery for mapping West African agroforestry tree species | |
| Chong et al. | A review of remote sensing applications for oil palm studies | |
| He et al. | Integrating multi-sensor remote sensing and species distribution modeling to map the spread of emerging forest disease and tree mortality | |
| Peña-Barragán et al. | Object-based crop identification using multiple vegetation indices, textural features and crop phenology | |
| Ghulam et al. | Detecting subcanopy invasive plant species in tropical rainforest by integrating optical and microwave (InSAR/PolInSAR) remote sensing data, and a decision tree algorithm | |
| de Mattos Scaramuzza et al. | Land-use and land-cover mapping of the Brazilian Cerrado based mainly on Landsat-8 satellite images | |
| Moriya et al. | Detection and mapping of trees infected with citrus gummosis using UAV hyperspectral data | |
| Starks et al. | Measuring eastern redcedar (Juniperus virginiana L.) mass with the use of satellite imagery | |
| Xiao et al. | Remote sensing detection algorithm for apple fire blight based on UAV multispectral image | |
| Abdullah et al. | A comparison between day and night land surface temperatures using acquired satellite thermal infrared data in a winter wheat field | |
| Demissie et al. | Geospatial solutions for evaluating the impact of the Tigray conflict on farming | |
| Zakaluk et al. | Predicting the leaf water potential of potato plants using RGB reflectance. | |
| Roslin et al. | Mobile Application Development for Spectral Signature of Weed Species in Rice Farming. | |
| Kumar et al. | Monitoring of spectral signatures of maize crop using temporal sar and optical remote sensing data | |
| Yang et al. | Forest edges near farms enhance wheat productivity measures: a test using high spatial resolution remote sensing of smallholder farms in southern Ethiopia | |
| Schillaci et al. | Assessment of hail damages in maize using remote sensing and comparison with an insurance assessment: A case study in Lombardy | |
| Rege et al. | Mapping cashew monocultures in the Western Ghats using optical and radar imagery in Google Earth Engine | |
| Arockiaraj et al. | Identification and quantification of tree species in open mixed forests using high resolution QuickBird satellite imagery | |
| Nigam et al. | Wheat blast detection and assessment combining ground-based hyperspectral and satellite based multispectral data | |
| Lucas et al. | Assessing human impacts on Australian forests through integration of remote sensing data | |
| Sánchez-Díaz et al. | Use of different spectral vegetation indices to determine the presence of mantled howler monkeys (Alouatta palliata G.) on cocoa agrosystems (Theobroma cacao L.). | |
| Manjunath et al. | Machine learning classifiers on Sentinel-2 satellite image for the classification of banana (Musa Sp.) plantations of Theni district, Tamil Nadu, India | |
| Carolita et al. | Optical satellite time series analysis for Ganoderma boninense attack detection on oil palm plantation | |
| Sumithra et al. | An Extensive Study on Satellite Images of Sentinel 2 for Crop Type Identification |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |