基于紋理與植被指數(shù)的撂荒地遙感識(shí)別方法
【專(zhuān)利摘要】本發(fā)明利用多傳感器、多分辨率、多光譜、多時(shí)相遙感數(shù)據(jù)的特點(diǎn)，綜合遙感影像的光譜、紋理特征與植被指數(shù)特征，通過(guò)構(gòu)建遙感影像配準(zhǔn)融合框架、光譜和紋理特征空間以及植被指數(shù)時(shí)間序列，建立了基于紋理與植被指數(shù)的撂荒地識(shí)別方法。相比現(xiàn)有遙感撂荒地識(shí)別方法，本發(fā)明解決了由于破碎耕地所帶來(lái)的精度問(wèn)題，減少了人工參與的主觀性，提高了撂荒地識(shí)別效率。其特征在于包括如下四個(gè)單元：遙感影像配準(zhǔn)與融合單元、典型光譜與紋理特征單元、植被指數(shù)時(shí)間序列特征單元以及撂荒地識(shí)別和信息提取單元。由上述四個(gè)單元組成的撂荒地遙感識(shí)別方法，可快速、高精度地識(shí)別出大范圍區(qū)域上的撂荒地分布信息和數(shù)據(jù)，為土地利用、糧食保障等提供輔助決策數(shù)據(jù)支持。
【專(zhuān)利說(shuō)明】基于紋理與植被指數(shù)的撂荒地遙感識(shí)別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于遙感技術(shù)應(yīng)用領(lǐng)域，特別是大范圍耕地區(qū)域利用多傳感器、多分辨率、多光譜、多時(shí)相遙感數(shù)據(jù)進(jìn)行撂荒地識(shí)別和信息提取的方法。
【背景技術(shù)】
[0002]耕地撂荒現(xiàn)象在我國(guó)日趨嚴(yán)重。隨著我國(guó)政治經(jīng)濟(jì)結(jié)構(gòu)的顯著變化，在過(guò)去的幾十年間撂荒地已逐漸發(fā)展成為一個(gè)普遍現(xiàn)象。中國(guó)人多地少，人均占有耕地水平低，耕地的保有與糧食安全緊密聯(lián)系在一起。耕地撂荒會(huì)嚴(yán)重影響到糧食產(chǎn)量，已經(jīng)成為威脅糧食安全的又一重要因素。開(kāi)展撂荒地的調(diào)查和研究對(duì)確保我國(guó)18億畝耕地國(guó)家戰(zhàn)略的實(shí)施有著重大的意義，并且有助于掌握耕地的利用現(xiàn)狀，可為糧食安全保障、土地利用規(guī)劃和人口、經(jīng)濟(jì)發(fā)展等政策的制定提供科學(xué)依據(jù)。
[0003]撂荒地現(xiàn)狀的調(diào)查，傳統(tǒng)方法采用實(shí)地調(diào)查、專(zhuān)題調(diào)研的形式進(jìn)行，然后再對(duì)部分地區(qū)進(jìn)行實(shí)證探討。但這種方法存在著很多問(wèn)題:采用全面調(diào)查往往需要過(guò)多的人力、物力；而抽樣調(diào)查受調(diào)查方案設(shè)計(jì)的合理性影響嚴(yán)重。此外，實(shí)地調(diào)查撂荒地的方法在大區(qū)域(比如國(guó)家級(jí)、省級(jí)或國(guó)家農(nóng)業(yè)區(qū)級(jí))往往無(wú)法滿足時(shí)效性的要求。遙感技術(shù)具有獲取數(shù)據(jù)范圍廣、時(shí)效快、客觀、受限制少、成本低等特點(diǎn)，已廣泛應(yīng)用于農(nóng)業(yè)生產(chǎn)評(píng)估、土地利用、土地覆蓋等方面。利用遙感技術(shù)進(jìn)行撂荒地識(shí)別能滿足大范圍和時(shí)效性等要求。
[0004]現(xiàn)有基于遙感數(shù)據(jù)的撂荒地提取方法主要有目視解譯法和植被指數(shù)時(shí)間序列法。遙感目視解譯方法主要是根據(jù)專(zhuān)家經(jīng)驗(yàn)通過(guò)對(duì)影像的判斷進(jìn)行撂荒地勾畫(huà)，具有較強(qiáng)主觀性，且很難區(qū)分出耕地輪休和撂荒的特征。植被指數(shù)時(shí)間序列法是利用基于多時(shí)相歸一化植被指數(shù)(Normalized Differential Vegetation Index, NDVI)的比值構(gòu)造時(shí)間序列曲線，對(duì)閑置狀況進(jìn)行逐年動(dòng)態(tài)監(jiān)測(cè)，根據(jù)閑置時(shí)間判斷撂荒地，一定程度上解決了耕地輪休和撂荒區(qū)分難的問(wèn)題。但是，由于NDVI指數(shù)在植被高覆蓋區(qū)域容易出現(xiàn)飽和情況，不利于描述植被在不同季節(jié)的差異。此外，一些地區(qū)由于地形和土地規(guī)劃等條件影響，耕地破碎化現(xiàn)象嚴(yán)重，但是植被指數(shù)時(shí)間序列法所需連續(xù)高時(shí)間分辨率遙感數(shù)據(jù)通常為中低分辨率遙感數(shù)據(jù)，不足以判斷出破碎耕地，從而大大影響了識(shí)別方法的精度。因此，現(xiàn)有的基于遙感數(shù)據(jù)的撂荒地識(shí)別與信息提取方法，在精度和效率上對(duì)應(yīng)用于大范圍區(qū)域的要求尚有一定程度的差距。

【發(fā)明內(nèi)容】

[0005]本發(fā)明利用多傳感器、多分辨率、多光譜、多時(shí)相遙感數(shù)據(jù)的特點(diǎn)，綜合遙感影像的光譜、紋理特征與植被指數(shù)特征，通過(guò)構(gòu)建遙感影像配準(zhǔn)融合框架、光譜和紋理特征空間以及植被指數(shù)時(shí)間序列，建立了基于紋理與植被指數(shù)的撂荒地識(shí)別方法。相比現(xiàn)有遙感撂荒地識(shí)別方法，本發(fā)明解決了由于破碎耕地所帶來(lái)的精度問(wèn)題，減少了人工參與的主觀性，提高了撂荒地識(shí)別效率，從而在精度和時(shí)效上滿足了大范圍區(qū)域識(shí)別的要求，為我國(guó)撂荒地調(diào)查和研究提供了重要的技術(shù)支撐，為土地利用、糧食保障等提供輔助決策數(shù)據(jù)支持。[0006]本發(fā)明技術(shù)方案如下:
[0007]基于紋理與植被指數(shù)的撂荒地遙感識(shí)別方法，其特征在于包括如下四個(gè)單元:遙感影像配準(zhǔn)與融合單元、典型光譜與紋理特征單元、植被指數(shù)時(shí)間序列特性單元以及撂荒地識(shí)別和信息提取單元。由上述四個(gè)單元組成的基于多數(shù)據(jù)源的撂荒地遙感識(shí)別方法，可快速、高精度地識(shí)別出大范圍區(qū)域上的撂荒地分布信息和數(shù)據(jù)，為土地利用、糧食保障等提供輔助決策數(shù)據(jù)支持。
[0008]所述遙感影像配準(zhǔn)與融合單元是按照統(tǒng)一的地理框架，配準(zhǔn)不同分辨率不同時(shí)相的多源遙感影像。采用非向下采樣Contourlet變換(Non-subsampled ContourletTransform, NSCT)方法分解和重建圖像，結(jié)合人眼視覺(jué)特性融合出適用于撂荒地識(shí)別的遙
感影像。
[0009]所述典型光譜與紋理特征單元是根據(jù)高空間分辨率遙感影像的光譜和紋理特征，快速選取少量的典型地物區(qū)域，構(gòu)建典型地物的光譜和紋理空間特性，為快速識(shí)別閑置耕地提供必要的參照基準(zhǔn)。
[0010]所述植被指數(shù)時(shí)間序列特性單元是利用高時(shí)間分辨率遙感數(shù)據(jù)的連續(xù)性，計(jì)算典型地物的增強(qiáng)型植被指數(shù)(Enhanced Vegetation Index, EVI),根據(jù)植被指數(shù)時(shí)間序列曲線得到典型地物的周期特征。
[0011]所述撂荒地識(shí)別和信息提取單元是結(jié)合典型地物的光譜與紋理特征，采用最大似然法分類(lèi)提取出遙感影像上的閑置耕地，再根據(jù)植被指數(shù)時(shí)間序列特征識(shí)別出撂荒地塊，提供區(qū)域的撂荒地狀態(tài)信息和空間分布數(shù)據(jù)。
[0012]與現(xiàn)有技術(shù)相比，本發(fā)明具有如下特點(diǎn):
[0013]1.利用NSCT變換將全色與多光譜遙感影像分解至頻域，融合后利用逆NSCT變換重建至空域。融合后的影像更好地保留了全色影像的空間細(xì)節(jié)(紋理特征)和多光譜影像的色彩細(xì)節(jié)(光譜特征)，更有利于區(qū)分出撂荒地與正常耕地的特征。
[0014]2.使用少量典型地物作為依據(jù)，利用了先驗(yàn)知識(shí)在精度上的優(yōu)勢(shì)，充分考慮到撂荒地內(nèi)部的復(fù)雜性，有效地結(jié)合了高分辨率遙感影像的光譜特征和紋理特征，提高了撂荒地識(shí)別的效率和精度。
[0015]3.增強(qiáng)型植被指數(shù)(EVI)與不同覆蓋程度植被的線性關(guān)系更好，對(duì)植被季節(jié)性變化的敏感性更高。不同植被的植被指數(shù)時(shí)間序列特征與季節(jié)性差異表現(xiàn)得更明顯，更有利于撂荒地的識(shí)別。
[0016]4.結(jié)合光譜特征與灰度共生矩陣紋理特征進(jìn)行最大似然法分類(lèi)提取閑置耕地，充分利用影像光譜特性的同時(shí)還利用了高空間分辨率影像的空間細(xì)節(jié)特性，更好地區(qū)分出了不同地物及植被覆蓋類(lèi)型，提高了分類(lèi)精度。
[0017]5.采用多源遙感數(shù)據(jù)，充分利用其各自的優(yōu)勢(shì)，通過(guò)多種遙感技術(shù)相結(jié)合，克服了單一數(shù)據(jù)源單一技術(shù)的局限性。有效地區(qū)分出種植耕地、休耕地和撂荒地，實(shí)現(xiàn)了區(qū)域撂荒地快速、高精度的識(shí)別和信息提取。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0018]圖1是利用多源遙感數(shù)據(jù)進(jìn)行撂荒地識(shí)別和信息提取流程圖。
[0019]圖2是多光譜與全色遙感影像融合流程圖。[0020] 圖3是撂荒地塊判斷流程圖。
[0021]附圖中本領(lǐng)域通用的外文縮寫(xiě)解釋如下:
[0022]NSCT:非向下采樣Contourlet變換。ACSF:絕對(duì)對(duì)比度。RCSF:相對(duì)對(duì)比度。GLCM:灰度共生矩陣。EV1:增強(qiáng)型植被指數(shù)。
【具體實(shí)施方式】
[0023]本發(fā)明利用多源遙感數(shù)據(jù)進(jìn)行撂荒地識(shí)別和信息提取的流程圖如圖1所示。利用本發(fā)明中所述方法進(jìn)行撂荒地識(shí)別和信息提取的流程如下:
[0024]1.多源遙感影像配準(zhǔn)
[0025]對(duì)同一區(qū)域高、中、低不同空間分辨率及不同時(shí)相的多源遙感影像，統(tǒng)一采用通用橫軸墨卡托投影(Universal Ttansverse Mercator, UTM)和WGS-84坐標(biāo)系的地理框架。以一景幾何精糾正的影像作為基準(zhǔn)，其它影像與其配準(zhǔn)。在影像間選取至少7對(duì)同名地物控制點(diǎn)，通過(guò)二次多項(xiàng)式糾正實(shí)現(xiàn)不同影像的地理坐標(biāo)匹配。二次多項(xiàng)式糾正公式如下:
[0026]
【權(quán)利要求】
1.基于紋理與植被指數(shù)的撂荒地遙感識(shí)別方法，其特征在于包括如下四個(gè)單元:遙感影像配準(zhǔn)與融合單元、典型光譜與紋理特征單元、植被指數(shù)時(shí)間序列特性單元以及撂荒地識(shí)別和信息提取單元，由上述四個(gè)單元組成的基于多數(shù)據(jù)源的撂荒地遙感識(shí)別方法，可快速、高精度地識(shí)別出大范圍區(qū)域上的撂荒地分布信息和數(shù)據(jù)，為土地利用、糧食保障等提供輔助決策數(shù)據(jù)支持； 所述遙感影像配準(zhǔn)與融合單元是按照統(tǒng)一的地理框架，配準(zhǔn)不同分辨率不同時(shí)相的多源遙感影像，米用非向下米樣 Contourlet 變換(Non-subsampled Contourlet Transform,NSCT)方法分解和重建圖像，結(jié)合人眼視覺(jué)特性融合出適用于撂荒地識(shí)別的遙感影像； 所述典型光譜與紋理特征單元是根據(jù)高空間分辨率遙感影像的光譜和紋理特征，快速選取少量的典型地物區(qū)域，構(gòu)建典型地物的光譜和紋理空間特性，為快速識(shí)別閑置耕地提供必要的參照基準(zhǔn)； 所述植被指數(shù)時(shí)間序列特性單元是利用高時(shí)間分辨率遙感數(shù)據(jù)的連續(xù)性，計(jì)算典型地物的增強(qiáng)型植被指數(shù)(Enhanced Vegetation Index, EVI),根據(jù)植被指數(shù)時(shí)間序列曲線得到典型地物的周期特征； 所述撂荒地識(shí)別和信息提取單元是結(jié)合典型地物的光譜與紋理特征，采用最大似然法分類(lèi)提取出遙感影像上的閑置耕地，再根據(jù)植被指數(shù)時(shí)間序列特征識(shí)別出撂荒地塊，提供區(qū)域的撂荒地狀態(tài)信息和空間分布數(shù)據(jù)。
【文檔編號(hào)】G06K9/00GK103914678SQ201310000871
【公開(kāi)日】2014年7月9日 申請(qǐng)日期:2013年1月5日 優(yōu)先權(quán)日:2013年1月5日
【發(fā)明者】周藝, 王世新, 王福濤, 李文俊, 王麗濤 申請(qǐng)人:中國(guó)科學(xué)院遙感與數(shù)字地球研究所