一种油棕种植区域的识别方法及显示方法

本申请涉及油棕植被监测，特别是涉及一种油棕种植区域的识别方法及显示方法。

背景技术：

1、随着全球对热带油料作物需求的日益增长，油棕作为重要的经济作物，其种植面积的准确监测与管理变得尤为重要。东南亚地区是全球主要油棕种植区和棕榈油生产区，棕榈油产量占全球总量的85％以上，因此也是油棕种植面积监测和管理的重点地区。

2、传统的油棕种植区域识别方法往往依赖于现场调查与人工统计，这不仅耗时费力，而且容易受到人为误差和自然环境条件的影响。近年来，遥感技术的发展为油棕种植区域的识别提供了新的解决方案。现有的一些研究主要通过微波遥感影像或多光谱影像识别油棕植被。

3、然而，对于以东南亚为代表的主要油棕种植区，这些地区岛屿众多，油棕分布区域离散，且常年多云多雨，微波遥感影像虽然能够反映地表的纹理特征，但受噪声影响较大，受到东南亚地区地表湿度、植被覆盖度等多种因素的影响，而导致识别不准确；而多光谱影像虽然光谱信息丰富，但在某些条件下例如云雾遮挡或者多雨天气，也可能导致信息失真和缺失，导致识别的精度不足。对于现有技术存在的局限，亟需一种能够准确识别油棕种植区域的技术。

技术实现思路

1、基于此，本申请的目的在于，提供一种油棕种植区域的识别方法，结合微波遥感影像与多光谱影像，实现了对油棕种植区域的大范围、高精度识别。

2、本申请实施例提供的油棕种植区域的识别方法，包括以下步骤：

3、获取目标区域的时序合成微波遥感影像以及时序合成多光谱影像；

4、确定所述目标区域的若干个样本位置，所述样本位置包括油棕种植位置以及非油棕种植位置；

5、获取各个所述样本位置在所述时序合成微波遥感影像的第一类特征信息以及各个所述样本位置在所述时序合成多光谱影像的第二类特征信息；其中，所述第一类特征信息包括纹理特征信息；所述第二类特征信息包括指定光学波段的反射率；所述指定光学波段根据油棕植被的特征光学波段确定；

6、根据各个所述样本位置以及各个所述样本位置对应的第一类和第二类特征信息，对预设的油棕种植区检测模型进行训练，得到已训练的油棕种植区检测模型；

7、获取所述目标区域中若干个目标位置在所述时序合成微波遥感影像的第一类特征信息以及所述目标位置在所述时序合成多光谱影像的第二类特征信息；将各个所述目标位置的第一类和第二类特征信息输入至所述油棕种植区检测模型，确定出所述目标区域中油棕种植区域的位置。

8、本申请实施例还提供了一种油棕种植区域的显示方法，包括以下步骤：

9、获取目标区域在四个季度时间分别对应的时序合成微波遥感影像和时序合成多光谱影像；

10、采用本申请实施例任一项所述的油棕种植区的识别方法，得到所述目标区域在各个季度时间的油棕种植区域的位置；

11、将所述目标区域在各个季度时间的油棕种植区域的位置进行合并，得到所述目标区域的全年的油棕种植区域分布图；

12、显示所述全年的油棕种植区域分布图。

13、本申请实施例的油棕种植区域的识别方法，针对现有油棕种植区域识别方法中存在的不足，特别是针对东南亚地区复杂多变的气候条件和油棕分布特点，提出了一种新型的油棕种植区域识别技术。首先，获取目标区域多时相微波与多光谱卫星遥感影像经过时序合成得到的微波遥感影像以及多光谱影像，降低了云污染与噪声对影像数据质量的影响，并确定目标区域的若干油棕种植位置和非油棕种植位置作为样本位置；根据各个样本位置从两种时序合成影像中分别提取相应的特征信息；从而基于样本位置以及特征信息，对预设的油棕种植区检测模型进行训练，得到高效、精确的油棕种植区检测模型，该模型能够实现对目标区域中油棕种植区域位置的快速、准确识别。综上，本申请实施例的油棕种植区域的识别方法克服了单一数据源识别的局限性，结合时序合成微波遥感影像与时序合成多光谱影像的关键特征信息训练识别模型，能够提高对油棕种植区域识别的准确性，训练得到的油棕种植区识别模型部署于云计算平台进行大尺度稠密时序遥感数据应用，可实现油棕种植区大范围、高精度快速提取与制图，为油棕种植区经营管理、健康监测、产量预估提供了关键技术支持。

14、为了更好的理解和实施，下面结合附图详细说明本申请。

技术特征：

1.一种油棕种植区域的识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的油棕种植区域的识别方法，其特征在于，所述获取各个所述样本位置在所述时序合成微波遥感影像的第一类特征信息的步骤，包括：

3.根据权利要求2所述的油棕种植区域的识别方法，其特征在于，所述根据每个样本位置对应的所述若干类型的纹理特征的特征参数，得到每个样本位置的纹理特征信息的步骤，包括：

4.根据权利要求1所述的油棕种植区域的识别方法，其特征在于，所述第一类特征信息还包括vh极化波段参数和vv极化波段参数；所述第二类特征信息还包括归一化植被指数和归一化水体指数。

5.根据权利要求1所述的油棕种植区域的识别方法，其特征在于，所述确定所述目标区域的若干个样本位置的步骤，包括：

6.根据权利要求1所述的油棕种植区域的识别方法，其特征在于，所述获取目标区域的时序合成微波遥感影像的步骤，包括：

7.根据权利要求1所述的油棕种植区域的识别方法，其特征在于，所述获取目标区域的时序合成多光谱影像的步骤，包括：

8.根据权利要求1所述的油棕种植区域的识别方法，其特征在于，所述获取所述目标区域中若干个目标位置在所述时序合成微波遥感影像的第一类特征信息以及所述目标位置在时序合成多光谱影像的第二类特征信息的步骤，包括：

9.根据权利要求1所述的油棕种植区域的识别方法，其特征在于，所述预设的油棕种植区检测模型为随机森林模型；所述根据各个所述样本位置以及各个所述样本位置对应的第一类和第二类特征信息，对预设的油棕种植区检测模型进行训练，得到已训练的油棕种植区检测模型的步骤包括：

10.一种油棕种植区域的显示方法，其特征在于，包括以下步骤：

技术总结
本申请涉及一种联合时序光学与微波卫星遥感观测数据的油棕种植区域高精度识别和大范围快速提取方法，所述识别方法首先获取目标区域多时相微波与多光谱卫星遥感影像，确定目标区域的若干油棕和非油棕种植位置构建样本；分别对光学与微波遥感数据进行时序合成，以降低云污染与噪声对原始数据质量的影响，根据样本位置从合成影像中提取相应的特征信息；基于特征信息对预设模型进行训练，获得高效、精确的油棕种植区检测模型。将数据合成方案与训练得到的油棕种植区识别模型部署于云计算平台进行大尺度稠密时序遥感数据应用，可实现油棕种植区大范围、高精度快速提取与制图，为油棕种植区经营管理、健康监测、产量预估提供了关键技术支持。

技术研发人员：曹云锋,廖凇
受保护的技术使用者：北京林业大学
技术研发日：
技术公布日：2024/9/23