申请/专利权人：河海大学

申请日：2021-06-24

公开（公告）日：2024-05-14

公开（公告）号：CN113609899B

主分类号：G06V20/10

分类号：G06V20/10;G06Q50/02

优先权：

专利状态码：有效-授权

法律状态：2024.05.14#授权;2021.11.23#实质审查的生效;2021.11.05#公开

摘要：本发明公开了基于遥感时序分析的退耕地信息定位显示系统，其特征在于，包括：用户输入模块，用于用户输入时间间隔和地点区域；云服务平台，用于接收用户输入的时间间隔和用户输入的地点区域，调取与时间间隔和地点区域对应的农田退耕分布范围图片，并反馈给用户。本方法利用遥感年内时间序列影像进行目标农作物与背景信息的物候特征差异分析，捕捉目标农作物生长周期内关键物候节点，确定目标农作物的分布范围。将退耕区域植被变化信息进行参数化的定义，通过研究年份之间地物信息差异获取退耕地分布。

主权项：1.基于遥感时序分析的退耕地信息定位显示系统，其特征在于，包括用户输入模块，用于用户输入时间间隔和地点区域；云服务平台，用于接收用户输入的时间间隔和用户输入的地点区域，调取与时间间隔和地点区域对应的农田退耕分布范围图片，并反馈给用户；云服务平台包括云计算中心平台和大数据分析平台，云计算中心平台计算识别农田退耕分布范围，调取与时间间隔和地点区域对应的农田退耕分布范围图片，并反馈给用户；大数据分析平台：对获取农田退耕分布范围结果进行评价分析；云服务平台包括决策支持和咨询服务平台，决策支持和咨询服务平台中记载各个地区出台的退耕还林还草政策文件；构建云计算中心平台，包括以下步骤：基于用户输入的时间间隔和用户输入的地点区域，获取预先存储的该地点区域的主要农作物种类；根据长时间序列遥感影像的归一化植被指数曲线获取农作物种类的种植规律，确定该地点区域内农作物生长周期中的开始种植的时间、生长旺盛期的时间和收割期的时间；下载开始种植的时间对应的Landsat遥感影像、生长旺盛期的时间对应的Landsat遥感影像和收割期的时间对应的Landsat遥感影像，计算Landsat影像的归一化植被指数NDVI：NDVI＝RNIR-RRedRNIR+RRed，式中，RNIR是近红外波段的反射率，RRed是红波段的反射率；3将主要农作物种类中的一种农作物选取为目标农作物，利用NDVI在时间上表现的波动差异，提高农作物识别提取精度，公式如下： 式中，为第a年目标农作物NDVI值的变化率，公式Nata2-Nata1Δta2-a1是根据目标农作物与目标农作物的背景之间的生长波动分析定义的；目标农作物从种植到生长旺盛期之间NDVI值明显的变化差值大于0.5，而背景的NDVI值差值小于0.2；Nata2为生长旺盛期内NDVI值的最高值点，Nata1为生长旺盛期内NDVI值的最低值点，Δta2-a1是生长旺盛期间Nata2到Nata1对应时间长度；Nata20为收割期的时间内NDVI值的最高值点，Nata10为收割期的时间内NDVI值的最低值点，Δta20-a10是农作物收割时间Nata20到Nata10对应的时间长度；4若在该地点区域内目标农作物类型发生改变，以目标作物在a年确定的时间节点选取对应时间的b年的NDVI值，提取第b年目标农作物NDVI值的变化率布利用和的差值ΔVRate获取地点区域内目标农作物在第a年到第b年的变化量，公式如下： 式中，Nbta2为第b年生长旺盛期内NDVI值的最高值点，Nbta1为第b年生长旺盛期内NDVI值的最低值点，Nbta20为第b年收割期内NDVI值的最高值点，Nbta10为第b年收割期内NDVI值的最低值点；ΔVRate为参数由a年至b年的NDVI值变化量；若在该地点区域内目标农作物类型没有发生改变，则ΔVRate＜0.003；当目标农作物类型发生改变时，则ΔVRate＞0.013；因此，当ΔVRate＞kk＞0时，确定该地点区域目标农作物类型发生改变，并且改变的时间在a年到b年之间；5面向象元的NDVI变异系数CV的计算，CV值越大，则NDVI变化曲线波动越剧烈，反之NDVI变化曲线越平缓；根据目标农作物关键物候期剧烈的生长波动，CV值能有效区分目标农作物的背景对目标农作物的干扰；计算面向象元的NDVI变异系数CV时，首先收集该地点区域一年中所有的Landsat遥感影像并且按照年内拍摄时间进行排序，收集的Landsat遥感影像数量记为n，公式如下： CV＝σμ，其中，NDVIi为第i个NDVI值，CV为第i个象元NDVI的时间序列变异系数，σ为第i个象元为NDVI的时间序列标准差，μ为第i个象元NDVI时间序列的均值；6在a年的Landsat遥感图像中选取一部分像素，目视解译像素中农作物的百分比，定义Landsat遥感图像的像素中农作物面积占比大于50％的像素为耕地，将这些像素中农作物对应的值进行线性回归，得到农作物百分比大于50％时对应的阈值，从而得到a年耕地的分布范围；在b年的图像中选取一部分像素，目视解译像素中农作物的百分比，将这些像素中农作物对应的进行线性回归，得到农作物百分比大于50％时对应的阈值，从而得到b年耕地的分布范围；在b年内，计算面向象元的NDVI变异系数CV；选取CV中一部分像素，目视解译像素中农作物的百分比，将这些像素中农作物的百分比与对应的CV值进行线性回归，得到农作物百分比大于50％时对应的变异系数CV的阈值；7选取该地点区域发生退耕还林事件的区域，目视解译对应像素中农作物百分比的变化程度；同时这部分像素分别对应着a年计算的值和b年计算的值；将这些像素中农作物的变化程度与ΔVRate进行线性回归，得到目标农作物百分比损失50％时对应的阈值k；通过a年的耕地分布范围和b年的耕地范围，获取耕地从a年到b年农田耕地退耕的分布情况；基于面向象元的NDVI变异系数CV的阈值，排除农田耕地损失的分布中背景信息造成的光谱混淆；根据阈值k获取农田退耕的分布情况；8步骤3至步骤7为单一农作物识别提取的处理流程，主要农作物种类中包括两种以上的农作物，则对主要农作物种类中每种农作物需分别进行步骤3至步骤7的操作；且在步骤7中由阈值和阈值确定的耕地损失分布中，要同时考虑多种农作物，排除不同农作物之间相互转变造成的干扰；9统计各类农作物的农田退耕的分布情况，得到用户输入的时间间隔内总的退耕地分布范围。

全文数据：

权利要求：

百度查询： 河海大学 基于遥感时序分析的退耕地信息定位显示系统

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