申请/专利权人：天津市生态环境科学研究院(天津市环境规划院、天津市低碳发展研究中心);天津环科环境规划科技发展有限公司

申请日：2022-06-16

公开（公告）日：2023-08-18

公开（公告）号：CN114998742B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/40;G06V10/56;G06V10/764

优先权：

专利状态码：有效-授权

法律状态：2023.08.18#授权;2022.09.20#实质审查的生效;2022.09.02#公开

摘要：一种单季稻稻作区水稻种植面积的快速识别与提取的方法，包括如下步骤：S1：获取目标区域不同水稻关键生长期Sentinel‑2MSI光学影像数据，所述长期Sentinel‑2MSI光学影像数据预处理包括：大气校正、重采样、裁剪、镶嵌；S2：基于不同关键生长期的Sentinel‑2MSI光学影像数据，筛选最利于水稻提取的波段组合，对筛选出的优选波段合成的某景假彩色影像采用非监督或监督分类方式进行地类提取；S3：对地类提取结果进行精度验证，比较各种分类方法的水稻的生产者精度和用户精度；本发明优先选取成熟期或移载期的Sentinel‑2光学数据B12B8B4波段组合数据，快速且准确提取水稻种植范围与面积，若无法获取该数据情况下，则采用Sentinel‑1SAR时序数据，根据水稻时序后向散射系数时序特征提取水稻种植面积。

主权项：1.一种单季稻稻作区水稻种植面积的快速识别与提取的方法，其特征在于，包括以下步骤：S1：获取目标区域不同水稻关键生长期Sentinel-2MSI光学影像数据，所述长期Sentinel-2MSI光学影像数据预处理包括：大气校正、重采样、裁剪、镶嵌；S2：基于不同关键生长期的Sentinel-2MSI光学影像数据，筛选最利于水稻提取的波段组合，对筛选出的优选波段合成的某景假彩色影像采用非监督或监督分类方式进行地类提取；S3：对地类提取结果进行精度验证，比较各种分类方法的水稻的生产者精度和用户精度；S4：确定精度高的分类方法，确定目标区域水稻提取的长期Sentinel-2MSI光学影像遥感数据的最优波段组合和分类方法，应用最优波段组合和分类方法至目标区域水稻提取；推荐波段组合包括B4B3B2真彩色、B8B4B3标准假彩色、B11B8B2农业、B8B11B2健康植被、B8B11B4陆水、B12B8B4短波红外、B11B8B4植被分析；采用混淆矩阵定量评价同一位置的实际像素地类和分类结果地类是否一致，判断指标有Kappa系数、总精度、生产者精度和使用者精度；分类后处理先后采用MajorityMinority分析、聚类处理和过滤处理方式；S5：在长期的Sentinel-2MSI光学影像数据不可获取情况下，获取目标区域时序Sentinel-1SAR数据；S6：对目标区域时序Sentinel-1SAR数据进行数据预处理，所述数据预处理包括热噪声去除、辐射定标、多视滤波、相干斑滤波；S7：处理后得到线性比例单位的后向散射系数Sigma0；S8：对后向散射系数Sigma0进行分贝化处理，分析分贝化处理后的各地类向散射系数时序变化特征，分析各地物后向散射系数时序变化特征与水稻后向散射系数时序变化的异同；S9：分析目标区域水稻后向散射系数随生长期变化的特征，选取三个时期的VV极化下和VH极化下影像进行波段合成，形成假彩色影像；所述S9的分析假彩色合成图像的特征包括以下子步骤：S91：将具有相同颜色的区域进行提取；S92：将具有相同颜色特征的区域作为同一个对象；S10：根据假彩色影像比较分类提取分离度；S11：采用阈值法或监督分类法提取水稻，将提取结果处理并提取精度验证；S12：比较各种分类方法的水稻的生产者精度和用户精度；S13：确定精度高的分类方法，应用该分类方法至目标区域提取水稻；采用混淆矩阵定量评价同一位置的实际像素地类和分类结果地类是否一致，判断指标有Kappa系数、总精度、生产者精度和使用者精度；分类后处理先后采用MajorityMinority分析、聚类处理和过滤处理方式。

全文数据：

权利要求：

百度查询： 天津市生态环境科学研究院(天津市环境规划院、天津市低碳发展研究中心);天津环科环境规划科技发展有限公司 一种单季稻稻作区水稻种植面积的快速识别与提取的方法

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