一種農作物種植模式識別方法
2023-10-20 10:02:17
專利名稱：一種農作物種植模式識別方法
技術領域：
本發明涉及農業遙感技術領域，尤其涉及一種農作物種植模式識別方法。
背景技術：
種植模式(Cropping pattern, CP)是作物輪作的空間表達,是對農作物前後巷順序的概括。作物種植模式關係到水、熱、光、土壤肥力等資源的充分利用，是提高田塊單產和總產的重要技術環節，對於高效、可控農業管理具有非常重要的意義。伴隨著世界範圍光、
熱、水等農業自然資源的重新分配、世界人口的持續增加和耕地存量潛在的減少趨勢，種植模式也發生著變化。及時、準確監測農業種植模式及其時空變化，有利於預測糧食產量及其變化和制定農業發展政策。合理的種植模式應有利於土地、陽光、熱量和水等各種資源的最有效利用，取得當時條件下農作物生產的最佳社會、經濟和環境效益，並能可持續地發展。農作物種植模式監測可以及時發現並糾正不適當的種植方式，保持耕地的可持續發展潛力，進而保障糧食安全。國內外學者嘗試採用氣象數據或統計數據、以行政區為最小研究單元反映區域和全球種植模式，從宏觀上展示種植模式的空間變化。但農業自然條件具有局部小氣候的特點，內部差異不可忽略。比如以農戶為單元的種植管理模式使區域種植模式複雜多樣，這種方法不能準確地描述種植模式的空間特徵。此外，氣象資料和統計數據的獲取也存在一定的滯後性，統計數據本身存在一定誤差，給研究結果帶來了不確定性。對於空間範圍大、時效性要求高的種植模式研究，這種方法難以達到要求。衛星遙感是探測土地利用/覆蓋格局及變化的最有效手段，遙感數據是獲取農作物種植模式的理想數據源。農作物種植模式遙感識別方法有兩種一種是基於多時相中高解析度遙感影像的識別方法，一種是基於時間序列遙感數據的識別方法。基於多時相中高解析度影像的種植模式識別方法利用不同農作物生長季的多時相、中高解析度多光譜衛星圖像識別農作物種植模式。具體方法是在一年中每個農作物生長季都獲取多景中高解析度多光譜圖像，對不同生長季的影像分別進行解譯和分類，提取各生長季的農作物；在對不同生長季種植農作物的情況進行分析，從而確定農作物的種植模式。由於受衛星重訪周期和天氣狀況的影響，在作物生長季裡獲取充足的、質量較好的中高解析度數據非常困難，限制了該方法在大尺度種植模式識別中的應用。衛星遙感技術的發展，為我們提供了長期的重複觀測數據，使得我們可以研究事物的長時間變化，以發現其中的特徵和規律。近二十年國內外用遙感時間序列數據對自然植被物候學進行了廣泛而深入的研究，有許多成熟的算法和模型識別植被物候特徵。而耕地上種植的農作物在對氣候、水文、人文等因子的影響過程中也體現出明顯的物候特徵,這使得利用遙感時間序列數據對種植模式進行識別成為可能。遙感數據反演的植被指數能夠較好地反映出植被生長狀況，而時間序列的植被指數則是植被動態變化監測的標誌，即植被指數的時序變化對應於植被的生長與衰弱等季節活動過程。對耕地而言，植被指數的時序動態變化體現了農作物的生長過程，即從播種、出苗、拔節、抽穗到成熟、收割的周期性態勢。一年一熟區域的耕地植被指數曲線在一年內完成一個循環的動態過程，一年兩熟區域的耕地完成兩個循環，一年三熟區域的耕地將完成三個生長周期。因此，利用時間序列植被指數的周期性變化可以完成耕地種植模式的監測。目前基於時間序列數據的種植模式研究都是以遙感時間序列植被指數數據為基礎，首先採用各種濾波去噪算法得到較為平滑的農作物生長曲線，然後進行種植模式的提取。遙感種植模式的判別方法主要包括分類法、光譜(時序譜)匹配法和峰值法。分類法是直接對濾波去噪後的時間序列植被指數曲線採用遙感分類技術獲取不同種植模式類別。光譜匹配法先對時間序列植被指數濾波去噪，再根據典型點建立起種植模式標準曲線庫，然後採用光譜匹配技術計算去噪後的時間序列植被指數曲線與種植模式標準曲線的匹配度，從而確定各種種植模式類別。峰值法的基本假設為耕地上一年之內種植作物的次數與耕地的植被指數變化曲線的峰值較吻合，即一年一熟種植模式的植被指數曲線在年內形成明顯的單峰，一年兩熟種植模式耕地的植被指數曲線形成雙峰。因此，通過監測植被指數曲線的峰值個數可以確定耕地的種植模式。峰值法又分為直接比較法和二次差分法。從目前來看，峰值法由於簡單易用在耕地種植模式監測中得到了最為廣泛的應用。概況起來，目前基於遙感時間序列數據的種植模式提取方法主要包括如下三種技術方案技術方案一分類法。採用遙感分類技術對去噪後的時間序列植被指數數據進行分類，根據每一類農作物的時間序列曲線確定種植模式。分類方法可以是監督分類方法，也可以是非監督分類方法。分類法要求操作人員對研究區的農作物種植模式非常熟悉，由此選擇樣本進行分類識別種植模式(監督分類)，或對聚類結果進行種植模式判別(非監督分類)。分類精度一方面依賴於分類方法的選擇，另一方面依賴於研究者的經驗。因此，分類法識別種植模式的可重複性較差、區域適應程度較低。技術方案二 光譜匹配法。先根據典型點的植被指數時序曲線建立種植模式標準 曲線庫，然後計算每像元的植被指數時序曲線與標準種植模式曲線的匹配度。匹配度是指考慮物候、播種時間差異等原因，對植被指數時序曲線的時間軸進行相對平移，計算各像元的植被指數時序曲線和標準種植模式庫的植被指數時序曲線在不同時間位置上的匹配度。以匹配度作為相似性指標來識別種植模式，選取匹配度最大時的種植模式作為待識別像元的種植模式。光譜匹配法要求事先建立一個完整的種植模式標準曲線庫，由於遙感植被指數時序的變異較大，種植模式標準曲線庫很難窮盡所有可能的種植模式標準曲線，而且同樣要求研究者對研究區的農作物種植模式非常熟悉。技術方案三峰值法。首先採用直接比較法或二次差分法對植被指數時序數據提取峰值，經過一定的判別，確定峰值個數。然後根據峰值的數目確定像元的種植模式。直接比較法是在一個判斷區間內將每一時間點的植被指數值和前後相鄰幾個時間點的植被指數值進行比較，得到該區間內植被指數值最大的時間點，即為該區間內的峰；如此反覆，可以得到整個耕地生長季內所有峰值的數量及其時間分布點。二次差分法將一年內時間序列植被指數的N個植被指數按時間順序形成數組，首先用後面的植被指數值減去其前面的植被指數值，形成N-I個的新值；對這N-I個的新值進行重新賦值，如果是負數則定為-1，如果是正數則定為I ;然後對新賦值的N-I個值按上面的方法再進行一次差分，得到N-2個由_2、0、2組成的數組,其中元素為_2且前後元素皆為O的點就是峰值點。峰值法有三個不足第一，峰值法對噪聲敏感，對時間序列數據濾波去噪聲算法的要求高。目前的濾波方法雖然可以較好地消除一些明顯的噪聲，但濾波後的曲線並不是完全光滑的曲線，仍然存在一些細微噪聲，而峰值法會將每一峰值都檢測出來。第二，該方法依賴於研究者經驗和區域特性，方法的普適性不強。第三，峰值數目和種植模式不是一一對應的關係，以峰值數目代表種植模式是不準確的。峰值數目反映的是耕地在一年內種植作物的次數(複種指數)，但一個完整的種植模式有時並不能在一年內完成，需要兩年或更多的時間。比如在二年三熟區，種植模式是穩定的，但是第一年和第二年的峰值數目一般是不一樣的。因此兩年之間的峰值個數變化是一種「偽變化」，由此推斷種植模式的變化更是不合理。
·
總之，現有基於遙感植被指數時序數據識別農作物種植模式的方法區域適應性低、通用性較弱。
發明內容
本發明的目的在於提出一種農作物種植模式識別方法，輸入遙感植被指數時序數據和少量訓練樣本就可以實現農作物種植模式的提取，所需參數少、通用性強。為達此目的，本發明採用以下技術方案一種農作物種植模式識別方法，包括以下步驟A、輸入遙感植被指數時間序列數據；B、確定植被生長閾值，將同一地區裸地和植被覆蓋區在春夏季最早出現差異時的植被指數值確定為植被生長閾值；C、選擇農作物訓練樣本；D、參數優化，根據訓練樣本對研究區農作物最短生長季長度、最長生長季長度和最小生長幅度這3個參數進行隨機組合，選擇對訓練樣本種植模式識別精度最高的參數取值組合作為最優參數；E、提取植被生長信息；F、排除非農作物區域，依次判斷待識別像元的植被生長季長度是否介於農作物最短生長季長度和農作物最長生長季長度之間、植被生長幅度是否大於農作物最小生長幅度，這2項條件中只要有I項不滿足，則將該待識別像元判定為非農作物區域；G、根據農作物生長季個數確定一年內的農作物複種指數；H、根據前一年、當年和後一年的農作物複種指數綜合確定農作物種植模式。步驟E中，提取的植被生長信息包括一年內的植被生長季個數、每個生長季的長度和生長幅度3個指標，具體提取步驟包括(I)將植被指數時序數據所有時間點的值與植被生長閾值作比較，將大於或等於O的時間點賦值為1，小於O的時間點賦值為0，從而得到一條由O和I值組成的時間序列；(2)對新時間序列中連續為I的值進行累加，如果遇到0，則重新開始累加，得到一條累加後的時間序列；(3)針對累加後的時間序列，所有為I的值所在的時間點確定為植被生長季的起始日期，所有大於O且緊隨其後第一個為O的值所在的時間點確定為植被生長季的結束日期，提取的植被生長季起始日期與植被生長季結束日期相間排列，若最後一個為植被生長季起始日期，則將其刪除；(4)根據一年內植被生長季起始日期出現的次數來確定植被生長季個數，根據每個生長季的起始與結束日期來確定植被生長季長度，根據植被生長季起始日期與結束日期之間的植被指數最大值與植被生長季起始日期的植被指數值之差來確定生長季幅度。步驟H中，根據前一年、當年和後一年的複種指數綜合確定農作物種植模式，3年的複種指數組合共有43種情況，具體的步驟包括(I)在所有含有O的組合中，三年複種指數全為O時確定為非耕地，當年複種指數為O而前一年或後一年中有不為O的情況時確定為休閒耕地，對於其他含O的組合，當年的種植模式按當年的複種指數確定(複種指數為I表不一年一熟的種植模式，複種指數為2表不一年兩熟的種植模式,複種指數為3表不一年三熟的種植模式)；(2)剩下的所有含3的組合，當年的種植模式按當年的複種指數確定；
(3)對剩下的由I和2構成的組合，採用兩種原則確定，一是相同性原則，只要當年的複種指數與前一年或後一年中任意一年的複種指數相同，貝1J按相同的複種指數確定當年的種植模式；二是對稱性原則，對(1，2，1)和(2，1，2)組合，它們都是兩年內完成三次農作物種植，因此種植模式為二年三熟。採用了本發明的技術方案，可直接對遙感植被指數時序數據提取農作物種植模式，具有以下優勢(I)原理簡單，運算效率高，容易用程序語言實現。(2)不需要其他輔助數據，抗噪聲能力強，結果比較可靠、穩定，特別適用於為農業部門或政府部門及時地提供有關農作物種植模式的空間分布信息。(3)所需參數少，降低了區域的適用性要求，提高了方法的通用性。(4)人為幹預少，自動化運行的程度高。
圖I是植被生長季起始日期、生長季長度、生長幅度示意圖。圖2是本發明具體實施方式
中農作物種植模式識別的流程圖。
具體實施例方式下面結合附圖並通過具體實施方式
來進一步說明本發明的技術方案。本發明技術方案的主要思想是在於提出一種能夠較為自動確定最優參數的方法和一種合理的農作物種植模式識別方法。本發明所採用的植被生長參數包括植被生長季長度和生長幅度。植被生長季起始日期是表徵植被開始生長的時間點，也就是植被指數在春夏季最早達到植被生長閾值時的時間點(圖I)。生長季長度是指植被完成一個完整生長周期的時間跨度。生長幅度是指植被生長過程中的植被指數最大值距離植被生長閾值的植被指數值的變化幅度。由於所有綠色植被都具有這樣的特徵，為了有效識別農作物生長季，需要確定研究區農作物最短生長季長度、最長生長季長度和最小生長幅度。農作物最短生長季長度是指區域內農作物完成一個完整的生長周期所需的最短時間，農作物最長生長季長度是指區域內農作物完成一個完整的生長周期所需的最長時間，農作物最小生長幅度是指區域內農作物在生長過程中最小應達到的植被指數變化幅度。
圖2是本發明具體實施方式
中農作物種植模式識別的流程圖。本發明的農作物種植模式識別流程包括以下步驟步驟101、輸入遙感植被指數時間序列數據。步驟102、確定植被生長閾值，將同一地區裸地和植被覆蓋區在春夏季最早出現差異時的植被指數值確定為植被生長閾值。步驟103、選擇訓練樣本，訓練樣本的選擇可以參考農作物熟制區劃圖，若研究區處於同一熟制區，則直接選擇一套樣本；若研究區跨不同的熟制區，則在每個熟制區內分別選取樣本；訓練樣本的種植模式可根據樣本的植被指數曲線和多時相中解析度影像目視判讀確定，也可根據地面觀測數據確定。步驟104、參數優化，根據訓練樣本對研究區農作物最短生長季長度、最長生長季長度和最小生長幅度這3個參數進行隨機組合，選擇對訓練樣本種植模式識別精度最高的參數取值組合作為最優參數。·步驟105、提取植被生長信息，植被生長信息包括一年內的植被生長季個數、每個生長季的長度和生長幅度3個指標，具體提取步驟如下(I)將植被指數時序數據所有時間點的值與植被生長閾值作比較，將大於或等於O的時間點賦值為1，小於O的時間點賦值為0，從而得到一條由O和I值組成的時間序列；(2)對新時間序列中連續為I的值進行累加，如果遇到0，則重新開始累加，得到一條累加後的時間序列；(3)針對累加後的時間序列，所有為I的值所在的時間點確定為植被生長季的起始日期，所有大於O且緊隨其後第一個為O的值所在的時間點確定為植被生長季的結束日期；提取的植被生長季起始日期與植被生長季結束日期相間排列，若最後一個為植被生長季起始日期，則將其刪除；(4)根據一年內植被生長季起始日期出現的次數來確定植被生長季個數，根據每個生長季的起始與結束日期來確定植被生長季長度，根據植被生長季起始日期與結束日期之間的植被指數最大值與植被生長閾值之差來確定生長季幅度。步驟106、判斷提取的植被生長季長度是否小於步驟104得到的農作物最短生長季長度，如果是，則轉至步驟107，如果不是，則轉至步驟108。步驟107、農作物生長季必須達到一定的長度，例如我國主要農作物的獨立生長期都在90天以上。由於獨立生長周期包括播種期，而遙感植被指數監測到的生長周期是從農作物返青開始的，因此遙感監測到的農作物生長季長度要稍短，但仍然要長於非農作物的生長季長度。很短的生長季可能是短期的蔬菜、冬小麥的冬前峰或者是農作物播種前返青的草和灌叢形成的。如果提取的植被生長季長度小於農作物最短生長季長度，那麼刪除該生長季，並轉至步驟108。步驟108、判斷提取的植被生長季的生長幅度是否小於步驟104得到的農作物最小生長幅度，如果是，則轉至步驟109，如果不是，則轉至110。步驟109、遙感監測到的農作物生長幅度必須達到一定的高度，例如，對於MODIS增強型植被指數(EVI)來說，華北平原冬小麥的生長幅度一般在O. 3 O. 4之間，而玉米的生長幅度一般在O. 35 O. 45之間。如果一個植被生長季的生長幅度小於農作物最小生長幅度，則刪除該生長季，並轉至步驟110。
步驟110、判斷提取的生長季長度是否大於步驟104得到的農作物最長生長季長度，如果是，則轉至步驟111 ;如果不是，則轉至112。步驟111、如果一個生長季的長度大於農作物最長生長季長度，則刪除該生長季，並轉至步驟112。步驟112、根據生長季個數確定一年內的農作物複種指數。步驟112、根據前一年、當年和後一年的農作物複種指數綜合確定農作物種植模式，對於一個待識別的像元來說，3年的複種指數組合共有43種種植情況，即有64種可能的種植模式(表I)，操作步驟如下(I)在所有含有O的組合中，三年複種指數全為O時確定為非耕地；當年複種指數為O而前一年或後一年中有不為O的情況時確定為休閒耕地；對於其他含O的組合，當年的種植模式按當年的複種指數確定(複種指數為I表示一年一熟的種植模式，複種指數為2 表不一年兩熟的種植模式，複種指數為3表不一年三熟的種植模式)。(2)對剩下的所有含3的組合，表示是潛在的一年三熟種植區，那麼種植模式採取一年一熟、一年兩熟或一年三熟都是可以的，因此當年的種植模式按當年的複種指數確定。(3)對剩下的由I和2構成的組合,米用兩種原則確定。原則一相同性原則。只要當年的複種指數與前一年或後一年中任意一年的與相同，則按相同的複種指數確定當年的種植模式。原則二 對稱性原則。(1，2，1)和(2，1，2)組合都是兩年內完成三次農作物種植，因此種植模式為二年三熟。由此，可以確定所有組合的種植模式，如表I所示。表I種植模式對照表
權利要求
1.一種農作物種植模式識別方法，其特徵在於，包括以下步驟 A、輸入遙感植被指數時間序列數據； B、確定植被生長閾值，將同一地區裸地和植被覆蓋區在春夏季最早出現差異時的植被指數值確定為植被生長閾值； C、選擇農作物訓練樣本； D、參數優化，根據訓練樣本對研究區農作物最短生長季長度、最長生長季長度和最小生長幅度這3個參數進行隨機組合，選擇對訓練樣本種植模式識別精度最高的參數取值組合作為最優參數； E、提取植被生長信息； F、排除非農作物區域，依次判斷待識別像元的植被生長季長度是否介於農作物最短生長季長度和農作物最長生長季長度之間、植被生長幅度是否大於農作物最小生長幅度，這2項條件中只要有I項不滿足，則將該待識別像元判定為非農作物區域； G、根據農作物生長季個數確定一年內的農作物複種指數； H、根據前一年、當年和後一年的農作物複種指數綜合確定農作物種植模式。
2.根據權利要求I所述的一種農作物種植模式識別方法，其特徵在於，步驟E中，提取的植被生長信息包括一年內的植被生長季個數、每個生長季的長度和生長幅度3個指標，其特徵在於，包括以下步驟 A、將植被指數時序數據所有時間點的值與植被生長閾值作比較，將大於或等於O的時間點賦值為1，小於O的時間點賦值為O，從而得到一條由O和I值組成的時間序列； B、對新時間序列中連續為I的值進行累加，如果遇到O，則重新開始累加，得到一條累加後的時間序列； C、針對累加後的時間序列，所有為I的值所在的時間點確定為植被生長季的起始日期，所有大於O且緊隨其後第一個為O的值所在的時間點確定為植被生長季的結束日期；提取的植被生長季起始日期與植被生長季結束日期相間排列，若最後一個為植被生長季起始日期，則將其刪除。
D、根據一年內植被生長季起始日期出現的次數來確定植被生長季個數，根據每個生長季的起始與結束日期來確定植被生長季長度，根據植被生長季起始日期與結束日期之間的植被指數最大值與植被生長閾值之差來確定生長季幅度。
3.根據權利要求I所述的一種農作物種植模式識別方法，其特徵在於，步驟H中，根據前一年、當年和後一年的複種指數綜合確定農作物種植模式，3年的複種指數組合共有43種情況，其特徵在於，包括以下步驟 A、在所有含有O的組合中，三年複種指數全為O時確定為非耕地，當年複種指數為O而前一年或後一年中有不為O的情況時確定為休閒耕地，對於其他含O的組合，當年的種植模式按當年的複種指數確定(複種指數為I表示一年一熟的種植模式，複種指數為2表示一年兩熟的種植模式，複種指數為3表示一年三熟的種植模式)； B、對剩下的所有含3的組合，當年的種植模式按當年的複種指數確定； C、對剩下的由I和2構成的組合，採用兩種原則確定，一是相同性原則，只要當年的複種指數與前一年或後一年中任意一年的複種指數相同，則按相同的複種指數確定當年的種植模式；二是對稱性原則，對(1，2，1)和(2，1，2)組合，它們都是兩年內完成三次農作物種植，因此種植模式為二年三 熟。
全文摘要
本發明公開了一種農作物種植模式識別方法。輸入遙感植被指數時間序列數據，確定植被生長閾值；通過選擇訓練樣本對參數進行優化，得到農作物的最短生長季長度、最長生長季長度和最小生長幅度；再提取植被生長信息(一年內的植被生長季個數、每個生長季的長度和生長幅度)，並根據優化後的參數排除非農作物；然後計算農作物生長季的個數得到一年內的複種指數；最後根據前一年、當年和後一年的農作物複種指數綜合確定農作物種植模式。採用本發明的技術方案，可以直接對遙感植被指數時間序列數據進行農作物種植模式識別，克服了參數取值的經驗性以及峰值數目與種植模式不一一對應的問題，具備較強的抗噪聲能力，所需參數少，通用性強。
文檔編號A01G7/00GK102668899SQ20121008538
公開日2012年9月19日 申請日期2012年3月28日 優先權日2012年3月28日
發明者劉建紅, 姜楠, 朱文泉 申請人:北京師範大學