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‑RRed)/(RNIR+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:a a
式中, 为第a年目标农作物NDVI值的变化率,公式(N ta2‑N ta1)/Δta2‑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;
a a
Nta2为生长旺盛期内NDVI值的最高值点,Nta1为生长旺盛期内NDVI值的最低值点,Δa ata2‑a1是生长旺盛期间Nta2到Nta1对应时间长度;
a a
Nta20为收割期的时间内NDVI值的最高值点,N ta10为收割期的时间内NDVI值的最低值a a点,Δta20‑a10是农作物收割时间Nta20到Nta10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:b b
式中,Nta2为第b年生长旺盛期内NDVI值的最高值点,Nta1为第b年生长旺盛期内NDVI值b b的最低值点,N ta20为第b年收割期内NDVI值的最高值点,Nta10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>k(k>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=σ/μ,
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。
2.根据权利要求1所述的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,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,包括,主要农作物种类中包括两种以上的农作物时,首先计算第一种农作物的农田退耕的分布;计算第二种农作物在b年的耕地分布时,如果第一种农作物的农田退耕分布情况与第二种农作物在b年的农田退耕分布情况有重合的像素,则认为这部分重合的像素不属于第一种农作物的农田退耕分布,而是由于不同农作物之间类型的变化造成的错误判断,删除这部分重合像素。
3.根据权利要求1所述的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,调取陆地卫星遥感影像预先拍摄的与用户输入的地点区域相对应的多年退耕地分布图像,在下载多年内开始种植的时间对应的Landsat遥感影像、多年内生长旺盛期的时间对应的Landsat遥感影像和多年内收割期的时间对应的Landsat遥感影像时,对所有Landsat遥感影像进行裁剪、几何校正、辐射定标和大气校正。
4.根据权利要求1所述的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,获取长时间序列遥感影像的归一化植被指数曲线,包括,遥感影像获取1MODIS NDVI多年影像,得到年内时间序列NDVI数据集,NDVI数据集分解后得到作物关键物候期的Landsat影像;将收集的年内时间序列NDVI数据集按时间顺序排序,各个农作物种类分别统计在各个时期的NDVI值,将这些NDVI值连接成线,得到各个农作物种类对应的长时间序列遥感影像的归一化植被指数曲线。
5.根据权利要求1所述的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,对获取农田退耕分布范围结果进行评价分析,包括:收集发生退耕事件的地点区域的多个地球高分辨率影像,将球高分辨率影像分为用于结果验证的样本集和用于仿真分析的样本集;
将仿真分析的样本集输入到云计算平台中,云计算平台自动计算得到 阈值、阈值、阈值k和变异系数CV阈值,提取农田退耕的分布情况;
获取用户输入的时间间隔内总的退耕地分布范围,将与用户输入的时间间隔相同的用于结果验证的样本集输入云计算平台中,得到该样本对应的退耕地分布范围;
将该样本对应的退耕地分布范围与用户输入的时间间隔内总的退耕地分布范围进行比较,若相似度高于设定的相似度阈值,则表示该云计算平台满足需求,否则重新构建云计算中心平台。
6.根据权利要求5所述的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,相似度阈值为75%‑80%。