(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211253356.7 (22)申请日 2022.10.13 (66)本国优先权数据 202211242032.3 202 2.10.11 CN (71)申请人 中科合肥智慧农业协同创新研究院 地址 230031 安徽省合肥市长 丰县双凤开 发区金江路32 号合肥智慧农业协同创 新研究院 (72)发明人 燕婷　史杨　胡宜敏　许桃胜　 王雪　张永恒　王儒敬　王梦溪　 (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　张祥骞 (51)Int.Cl. G06V 20/13(2022.01)G06V 20/10(2022.01) G06V 10/764(2022.01) (54)发明名称 基于多时相卫星遥感数据的安徽冬小麦种 植面积提取方法 (57)摘要 本发明涉及一种基于多时相卫星遥感数据 的安徽冬小麦种植面积提取方法， 包括： 获取目 标区域的包括可见光及近红波段的Sentinel ‑2A 影像数据， 得到完整的研究区遥感影像后对其进 行预处理； 得到多时相的植被指数NDVI； 得到最 大值合成NDVI数据； 采用决策树对研究区的冬小 麦进行识别得到初步分类结果图； 得到研究区冬 小麦种植区域图像； 根据冬小麦物 候特征和光谱 特征选取样 本点， 对冬小麦分类后的结果进行精 度验证， 生成精度分析报告。 本发明根据冬小麦 的物候特征， 筛选出冬小麦识别的关键时相， 采 用多景影像数据结合植被指数NDVI进行冬小麦 识别； 本发明对原始数据进行了裁剪、 镶嵌、 校正 等处理， 提高影像数据的精度， 进一步提高了对 冬小麦识别的精度。 权利要求书2页 说明书9页 附图2页 CN 115512237 A 2022.12.23 CN 115512237 A 1.一种基于多时相卫星遥感数据的安徽冬小麦种植面积提取方法， 其特征在于： 该方 法包括下列顺序的步骤： (1)获取目标区域的包括可见光及近红波段的Sentinel ‑2A影像数据， 得到完整的研究 区遥感影 像后对其进行 预处理； (2)根据NDVI计算公式对预处理后的影像研究区遥感进行计算， 得到多时相的植被指 数NDVI； (3)考虑冬小麦提取所需的关键生育期数据的特点， 将能代表生育期特征的几个邻近 时期的数据进行最大值 合成操作， 得到最大值 合成NDVI数据； (4)根据小麦的生长特点和物候特征， 采用决策树对研究区的冬小麦进行识别得到初 步分类结果图； (5)对初步分类结果图用研究区耕地矢量文件进行掩膜， 得到研究区冬小麦种植区域 图像； (6)根据冬小麦物候特征和光谱特征选取样本点， 对冬小麦分类后的结果进行精度验 证， 生成精度分析报告。 2.根据权利要求1所述的基于多时相卫星遥感数据的安徽冬小麦种植面积提取方法， 其特征在于： 在步骤(1)中， 所述对完整的研究区遥感影像进行预处理是指： 获取研究区不 同时期的遥感影像， 进 行云量筛选， 得到第一数据， 对第一数据进 行辐射定标、 大气校正、 几 何校正、 重采样得到第二数据， 根据研究区将获得的第二数据进行裁剪、 镶嵌， 得到研究区 时序影像数据。 3.根据权利要求1所述的基于多时相卫星遥感数据的安徽冬小麦种植面积提取方法， 其特征在于： 在步骤(2)中， 所述多时相的植被指数NDVI的计算公式为： NDVI＝(B8‑B4)/(B8+B4) 式中， B8表示Senti nel‑2近红外波段， B4表示Senti nel‑2红波段。 4.根据权利要求1所述的基于多时相卫星遥感数据的安徽冬小麦种植面积提取方法， 其特征在于： 在步骤(3)中， 所述冬小麦提取所需的关键生育期包括播种期、 苗期、 返青期、 拔节期和前茬生物量 最大时期； 通过光谱计算实现两期数据最大合成， 其公式为： B4ⅹ(B4 ge B8)+B8ⅹ(B8 gt B4) 式中， B8表示Sentinel ‑2近红外波段， B4表示Sentinel ‑2红波段， ge表示大于等于， gt 表示大于； 数据多于 两期时， 在A rcGis软件中通过循环来获得最大值。 5.根据权利要求1所述的基于多时相卫星遥感数据的安徽冬小麦种植面积提取方法， 其特征在于： 所述 步骤(4)具体包括以下步骤： (4a)找出决策树各个节点表达式： Node1＝(NDVI9gt NDVI11)and(NDVI11gt NDVI10)and(NDVI9gt 0.48) Node2＝(NDVI4‑2gt 0.2)and(NDVI2gt 0.29) 式中： NDVI2为最大合成2月中旬NDVI； NDVI4为最大合成4月中旬NDVI； NDVI9为最大合成 9月中旬NDVI； NDVI10为最大合成10月中旬NDVI； NDVI11为最大合成11月中旬NDVI； gt表示大 于； (4b)采用ENVI软件执 行决策树：权　利　要　求　书 1/2 页 2 CN 115512237 A 2分别定义Class1和Class2两个非冬小麦的颜色为White， 定义Class3初步冬小麦颜色 为Green。 6.根据权利要求1所述的基于多时相卫星遥感数据的安徽冬小麦种植面积提取方法， 其特征在于： 所述步骤(5)具体是指： 对研究区初步分类结果图， 利用已有的研究区耕地矢 量文件， 在ArcGis软件中利用掩膜工具把耕地部分掩膜出来， 得到研究区冬小麦种植区域 图像。 7.根据权利要求1所述的基于多时相卫星遥感数据的安徽冬小麦种植面积提取方法， 其特征在于： 所述步骤(6)具体是指： 利用选取的小麦样本点和 研究区小麦种植区域图像， 得到分类正确的样本点和分类错误的样本点， 画出混淆矩阵， 计算得出总体分类精度和 kappa系数两个指标， 从而 得到分类精度的高低， 总体 分类精度和kappa系数越 大， 表示分类 的精度越高， 其中， 总体分类精度的计算公式如下： 式中： Pc为总体分类精度， n为混淆矩阵的总行列数； Pkk为混淆矩阵的对角线元素； P为 总样本个数； kappa系数的计算公式为： 式中： K为kappa系 数， N为总像元个数； r为混淆矩阵的总行列数； Xii为混淆矩阵的对角 线元素； Xi+为混淆矩阵各 行之和； X+i为混淆矩阵各列之和。权　利　要　求　书 2/2 页 3 CN 115512237 A 3