基于多时相Sentinel-2数据的大豆种植区提取方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115861836A(43)申请公布日2023.03.28(21)申请号202211480121.1G06V10/771(2022.01)(22)申请日2022.11.24G06V10/80(2022.01)G06V10/70(2022.01)(71)申请人安徽大学地址230601安徽省合肥市经济技术开发区九龙路111号(72)发明人黄林生丁翰张东彦佘宝黄文江赵晋陵肖甜张恒缪保峰(74)专利代理机构合肥国和专利代理事务所(普通合伙)34131专利代理师吴娜(51)Int.Cl.G06V20/13(2022.01)G06V20/10(2022.01)G06V10/764(2022.01)权利要求书3页说明书9页附图4页(54)发明名称基于多时相Sentinel-2数据的大豆种植区提取方法(57)摘要本发明涉及一种基于多时相Sentinel‑2数据的大豆种植区提取方法，包括：获取Sentinel‑2影像数据和辅助数据，进行预处理；将研究区的影像内的非农作物像元进行剔除，得到研究区的植被总体分布；生成所有特征的集合，并将数据融合在一起，进行掩膜；进行特征优选，筛选出各个分类器对应的最佳特征子集，选出最佳分类器；通过获取的最佳分类器和该分类器对应的最佳特征子集，组成大豆最佳提取模型，并对大豆最佳提取模型的大豆提取效果进行评估，并得到该研究区内的大豆最佳制图效果。本发明提高了精度，减少错分漏分的概率；丰富了光谱特征，还提取了部分地物是光谱难以区分的，以用作辅助数据；极大的减少了工作量，减少了特征冗余以及噪声，提高了工作效率。CN115861836ACN115861836A权利要求书1/3页1.一种基于多时相Sentinel‑2数据的大豆种植区提取方法，其特征在于：该方法包括下列顺序的步骤：(1)获取Sentinel‑2影像数据和辅助数据，对Sentinel‑2影像数据和辅助数据进行预处理，得到研究区的影像；(2)采用决策树的方法，将研究区的影像内的非农作物像元进行剔除，得到研究区的植被总体分布；(3)基于经过步骤(1)预处理之后的Sentinel‑2影像数据，生成所有特征的集合，将植被指数、纹理特征、微波特征、Sentinel‑1IWGRD级数据以及经过步骤(1)预处理之后的Sentinel‑2影像数据融合在一起，利用研究区的植被总体分布对融合后的数据进行掩膜，得到掩膜后的所有特征的集合；(4)对掩膜后的所有特征的集合进行特征优选，筛选出各个分类器对应的最佳特征子集，通过分类结果，选出最佳分类器；(5)通过获取的最佳分类器和该分类器对应的最佳特征子集，组成大豆最佳提取模型，并对大豆最佳提取模型的大豆提取效果进行评估，并得到该研究区内的大豆最佳制图效果。2.根据权利要求1所述的基于多时相Sentinel‑2数据的大豆种植区提取方法，其特征在于：在步骤(1)中，所述Sentinel‑2影像数据为通过在欧空局哥白尼数据中下载6幅L2A级的Sentinel‑2影像数据，分别为2019年8月18日、2019年8月28日和2019年9月7日；所述辅助数据包括Sentinel‑1IWGRD级数据、Planet验证数据、矢量数据、地表覆盖图和统计年鉴；所述预处理包括：对Sentinel‑2影像数据，将其所有的波段运用双线性内插法重采样为10m，将得到的10个分辨率为10m的波段，导出为ENVI格式，并用ENVI软件进行波段合成、镶嵌、裁剪以及进行反射率的计算，获得研究区的影像；针对辅助数据中的Sentinel‑1IWGRD级数据，通过SNAP软件中的GraphBuilder流程化工具，分别进行热噪声去除、轨道校正、辐射定标、相干斑滤波、地形校正和分贝化，对得到的结果进行镶嵌与裁剪，获得研究区的影像。3.根据权利要求1所述的基于多时相Sentinel‑2数据的大豆种植区提取方法，其特征在于：所述步骤(2)具体是指：通过归一化建筑指数NDBI、改进的归一化水体指数MNDWI、Sentinel‑2影像数据的B8波段以及FROM‑GLC10文件构建决策树，通过决策树依次剔除研究区的影像中的建筑、道路、水体和裸土；所述归一化建筑指数NDBI的表达式为：NDBI＝(B11‑B8)/(B11+B8)式中，B8为近红外波段反射率值，B11为短波红外波段反射率值；所述改进的归一化水体指数MNDWI是在归一化差异指数NDWI的基础上对其波长组合方式进行改进，其表达式为：MNDWI＝(B3‑B11)/(B3+B11)式中，B3为绿波段反射率值，B11为短波红外波段反射率值；所述B8波段为Sentinel‑2影像数据自带的10m近红外波段；所述将研究区的影像内的非农作物像元进行剔除是指通过决策树对将研究区的影像内