一种基于训练样本自动化提取的大尺度冬小麦早期识别方法
申请人信息
- 申请人:南京农业大学
- 申请人地址:210095 江苏省南京市玄武区卫岗1号
- 发明人: 南京农业大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于训练样本自动化提取的大尺度冬小麦早期识别方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311495045.6 |
| 申请日 | 2023/11/10 |
| 公告号 | CN117475313A |
| 公开日 | 2024/1/30 |
| IPC主分类号 | G06V20/10 |
| 权利人 | 南京农业大学 |
| 发明人 | 程涛; 杨高翔; 李兴荣; 姚霞; 朱艳; 曹卫星 |
| 地址 | 江苏省南京市玄武区卫岗1号 |
摘要文本
本发明提出了一种基于训练样本自动化提取的大尺度冬小麦早期识别方法，该方法步骤如下：通过遥感云平台获取小麦生长季内的Sentinel‑1和Sentinel‑2卫星影像；生成时空连续的Sentinel‑1和Sentinel‑2时间序列；构建冬季作物指数WCI；提取冬季作物像素；进行冬小麦和冬油菜区分；结合当年的Sentinel‑1/2影像构建冬小麦分类模型；基于分类模型，获得当年冬小麦分类产品；迁移训练模型至目标年度，通过测试不同时间窗口时相特征对分类精度的影响，明确冬小麦最早可识别时期。该方法可以对冬小麦进行及时、准确提取，在冬小麦种植面积监测、产量预测、粮食安全评估等方面具有极大的应用潜力。
专利主权项内容
1.一种基于训练样本自动化提取的大尺度冬小麦早期识别方法，其特征在于，包括以下步骤：步骤1：获取中国冬小麦主产区域冬小麦生长季内的Sentinel-1和Sentinel-2卫星影像，在遥感云平台上分别对影像进行预处理，生成时空连续的Sentinel-1和Sentinel-2月度时间序列；步骤2：基于Sentinel-2时间序列和冬季作物生长发育特征构建冬季作物指数WCI，提取冬季作物像素；步骤3：基于Sentinel-1和Sentinel-2时间序列中不同冬季作物光谱指数和后向散射差异，区分冬季作物中的冬小麦和冬油菜；步骤4：将冬油菜和非冬季作物像素融合，定义为非冬小麦像素，然后逐格网对冬小麦和非冬小麦像素进行分层抽样，每个格网中分别随机抽取多个像素作为候选训练样本；最后基于空间邻域分析，去除候选样本中代表性不足的样本，剩余部分被确定为最终训练样本；步骤5：将步骤4得到的训练样本与单独的Sentinel-1、Sentinel-2以及Sentinel-1和Sentinel-2融合时序特征输入到随机森林RF分类器中，构建RF分类模型，进行历史时期的冬小麦分类，从而验证自动提取训练样本方法的可靠性以及训练样本的质量，明确光学和雷达特征对冬小麦分类的贡献；结合自动化生成的训练数据以及最优特征和RF分类器，生成研究区历史时期10米空间分辨率冬小麦分类产品；步骤6：将步骤5中最优特征组合下的RF分类模型迁移到目标年份，进行目标年份的冬小麦早期识别：首先生成目标年份10米空间分辨率冬小麦分类产品，然后结合目标年份不同时期影像特征进行冬小麦分类，评估冬小麦在不同时期的分类精度，最终确定冬小麦最早可识别时期。