基于国产GF-6 WFV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CN115063678A(43)申请公布日2022.09.16(21)申请号202210673426.8G06V10/82(2022.01)(22)申请日2022.06.15(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)发明人黄林生佘宝张东彦赵晋陵张安骏阮瑞朱家明殷齐硕(74)专利代理机构合肥国和专利代理事务所(普通合伙)34131专利代理师张祥骞(51)Int.Cl.G06V20/10(2022.01)G06V10/25(2022.01)G06V10/40(2022.01)G06V10/764(2022.01)权利要求书2页说明书7页附图3页(54)发明名称基于国产GF-6WFV数据的大豆种植区提取方法(57)摘要本发明涉及一种基于国产GF‑6WFV数据的大豆种植区提取方法，包括：获取待提取区域的GF‑6WFV数据，并对数据进行预处理；采用决策树分层逐级提取策略剔除预处理后的GF‑6WFV数据中的非农作物像元，得到农田植被总体分布数据；生成候选遥感特征集合；得到优选特征集合，再进行分类器的筛选，得到最佳分类器；将优选特征集合和最佳分类器结合，获得最优提取模型，并对最优提取模型的表现进行评价，考查最优提取模型对于大豆种植区的制图效果。本发明利用决策树分层逐级提取策略，显著降低水体、建成区、裸土、树木等其他地物类型对大豆提取结果造成的干扰，有助于获取更为准确和可靠的结果；同时降低数据占用的存储空间和运算量，从而提高执行效率。CN115063678ACN115063678A权利要求书1/2页1.一种基于国产GF‑6WFV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)获取待提取区域的GF‑6WFV数据，并对数据进行预处理，得到预处理后的GF‑6WFV数据；(2)采用决策树分层逐级提取策略剔除预处理后的GF‑6WFV数据中的非农作物像元，得到农田植被总体分布数据；(3)基于农田植被总体分布数据，生成候选遥感特征集合；(4)对候选遥感特征集合进行特征优选，得到优选特征集合，再进行分类器的筛选，得到最佳分类器；(5)将优选特征集合和最佳分类器结合，获得最优提取模型，并对最优提取模型的表现进行评价，考查最优提取模型对于大豆种植区的制图效果。2.根据权利要求1所述的基于国产GF‑6WFV数据的大豆种植区提取方法，其特征在于：所述步骤(1)具体包括以下步骤：(1a)在中国资源卫星应用中心网站下载待提取区域的GF‑6WFV数据；(1b)进行数据预处理，包括辐射定标、大气校正和正射校正处理，所述辐射定标、大气校正和正射校正基于RSD软件的一键大气校正和正射校正模块来实现，然后利用矢量行政边界数据进行裁剪，得到预处理后的GF‑6WFV数据。3.根据权利要求1所述的基于国产GF‑6WFV数据的大豆种植区提取方法，其特征在于：所述步骤(2)具体包括以下步骤：(2a)所述决策树分层逐级提取方法包括第一层提取、第二层提取和第三层提取，所述非农作物像元是指除田间植被外的非农田地物；所述第一层提取是通过归一化水体指数NDWI和归一化植被指数NDVI实现GF‑6WFV数据中水体、建筑的分离，得到第一层提取结果即剔除水体、建筑像元的GF‑6WFV数据；(2b)第二层提取是利用GF‑6WFV数据的近红外波段反射率剔除第一层提取结果中除田间植被外的非农田地物，除田间植被外的非农田地物包括含裸土和树木，得到第二层提取结果即剔除裸土和树木的GF‑6WFV数据；(2c)第三层提取是利用2017年FROM‑GLC10全球土地利用产品所提供的耕地分布数据，将该耕地分布数据的空间分辨率重采样成16米，得到重采样之后的耕地分布数据，利用重采样之后的耕地分布数据生成掩膜文件，通过该掩膜文件对第二层提取结果进行掩膜处理，得到农田植被总体分布数据。4.根据权利要求1所述的基于国产GF‑6WFV数据的大豆种植区提取方法，其特征在于：所述步骤(3)具体包括以下步骤：(3a)在预处理后的GF‑6WFV数据中加入植被指数、纹理特征；(3b)计算预处理后的GF‑6WFV数据不同波段组合的OIF指数，得到最优波段组合，并对预处理后的GF‑6WFV数据进行HSV变换得到三个色彩空间特征：色调、饱和度和亮度；(3c)将所有的植被指数、纹理特征、色彩空间特征以及预处理后的GF‑6WFV数据融合在一起，并利用农田植被总体分布数据对融合后的数据进行掩膜，形成基于农田植被总体分布的全部特征集合，即候选遥感特征集合。5.根据权利要求1所述的基于国产GF‑6WFV数据的大豆种植区提取方法，其特征在于：2CN115063678A权利要求书2/2页所述步骤(4)具体包括以下步骤：(4a)基于候选遥感