申请/专利权人：四川汉盛源科技有限公司

申请日：2024-03-28

公开（公告）日：2024-06-04

公开（公告）号：CN117975293B

主分类号：G06V20/13

分类号：G06V20/13;G06V20/10;G06V10/26;G06V10/50;G06V10/54;G06V10/58;G06V10/764;G06V10/80

优先权：

专利状态码：有效-授权

法律状态：2024.06.04#授权;2024.05.21#实质审查的生效;2024.05.03#公开

摘要：本发明公开了多云雾地区水稻种植区域提取方法，涉及遥感应用技术领域，包括S1、获取研究区的年内数据集；S2、确定移栽日与水淹信号，提取水稻移栽后的微波信号变化斜率；S3、提取水稻对应物候期的光谱指数；S4、利用非迭代聚类算法SNIC进行影像分割；S5、将聚类因子应用于水淹信号和微波信号变化斜率；S6、计算坡度；S7、构建决策树算法进行水稻提取；微波数据的利用使本方法受云雨天气的影响较小，生长季无云融合后的光学数据的参与为面对对象合成提供了基础，减弱了微波数据中噪声对于水稻识别的干扰，提高了识别精度。此外，本方法不依赖于样本数据，而且基于遥感云平台的数据运算可以更加高效、准确的获取大范围的水稻生产信息。

主权项：1.多云雾地区水稻种植区域提取方法，其特征在于，包括：S1、在遥感云平台获取研究区的年内Sentinel-1SAR时序数据集、Sentinel-2MSI数据集、Sentinel-2:CloudProbability数据集和CGIARSRTM90_V4数据集；S2、根据Sentinel-1SAR时序数据集利用水稻物候特征确定移栽日与水淹信号，利用线性拟合提取水稻移栽后的微波信号变化斜率Slope；具体包括：S21、采用GammaMAP滤波器对Sentinel-1SAR时序数据集进行散斑滤波；S22、对滤波后的数据集进行后向散射系数分贝化处理；S23、根据水稻物候特征确定移栽期的时间窗口，在时间窗口内搜索后向散射强度最小值及对应的发生日期，对应的发生日期为移栽期的开始时间T1；S24、以开始时间T1选择选择水稻的生长期，构建为水稻生长时间序列，并对后向散射强度进行线性拟合提取水稻移栽后的微波信号变化斜率Slope；S3、对Sentinel-2MSI、Sentinel-2:CloudProbability数据集进行云像素识别，提取水稻对应物候期的光谱指数，并对整个生长期光谱指数进行融合处理；水稻物候期包括移栽期、生长期和成熟期，光谱指数包括移栽期的植被水分含量指数LSWI、生长期内增强型植被指数EVI的平均值EVI-mean、增强型植被指数EVI的差值EVI-diff和成熟期的植被衰减指数PSRI，差值EVI-diff为生长期后期的增强型植被指数EVI最大值与生长期前期的增强型植被指数EVI最小值的差值，植被水分含量指数LSWI表示为：LSWI=RedEdge4-SWIR1RedEdge4+SWIR1，增强型植被指数EVI表示为EVI=2.5*NIR-REDNIR+6*RED-7.5*BLUE+1，植被衰减指数PSRI表示为：PSRI=RED-BLUERedEdge2，其中，RedEdge4为红边波段4，SWIR1为短波红外波段1，NIR为近红外波段，RED为红波段，BLUE为蓝波段，REDEdge2为红边波段2；S4、根据融合处理后的光谱数据的纹理特征，利用非迭代聚类算法SNIC进行影像分割；S5、将影像分割后的聚类因子应用于水淹信号和微波信号变化斜率Slope；S6、根据CGIARSRTM90_V4数据集基于DEM数据计算坡度；S7、基于水淹信号、微波信号变化斜率Slope、整个生长期的光谱指数和坡度，根据统计直方图选择设定阈值，并构建决策树算法进行水稻提取；具体为： ，当七个条件同时满足时，则判定当前分析的像素为水稻。

全文数据：

权利要求：

百度查询： 四川汉盛源科技有限公司 多云雾地区水稻种植区域提取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD