一种水田泡田进度高时空分辨率监测方法

技术领域

本发明涉及一种水田泡田的监测方法。

背景技术

水稻是我国最主要的三大粮食作物之一，在农业中具有非常重要的地位。合理进行水稻种植管理，可以提高水稻的质量和产量。在水稻插秧前，会对稻田进行灌水，用以浸泡耕作层土壤，以便于耕耙和插秧。及时准确监测水田泡田进度，有利于合理安排水稻插秧等生产活动，对于水稻种植的精细管理具有重要意义。而且，水稻田泡田活动需要大量水资源，水资源日益稀缺，监测泡田活动，有利于节水管理。特别是对水资源较为缺乏的地区，可以合理有效的利用水资源。除此之外，水田灌溉的动态变化将导致稻田生态环境系统的变化。比如容易减少鸟类筑巢期间的可用栖息地面积，这将影响鸟类的繁殖和生存。而且稻田也是甲烷和N

目前，利用人工田间调查统计泡田进度的方法耗时耗力，利用遥感技术进行大面积的动态监测是可行的途径。并且，将遥感技术应用于监测水田泡田的生产过程，也进一步拓宽了遥感技术的应用领域。

水田灌溉过程监测，本质上是对水体不断增加的过程的识别。在光学遥感方面，用于水体识别的主要方法有单波段阈值法、谱间关系法、多光谱混合分析法和指数阈值法，以及水体指数和植被指数比较法。除此之外，还有利用机器学习模型、深度学习模型进行水体识别的研究。其中，利用水体指数进行阈值分割是目前较为常用的水体提取方法。利用光学遥感的水体指数可以有效提取出水田中的水体，但是，光学遥感极易受到天气的影响，如云、雾、雪的存在，都会造成光学影像的缺失，不利于长时间序列的农业生产活动监测。

发明内容

本发明提供了一种水田泡田进度高时空分辨率监测方法，本发明的方法是协同GF-3和Sentinel-2数据的水田泡田进度高时空分辨率监测方法。

本发明水田泡田进度高时空分辨率监测方法按照以下步骤进行：

一、调查待监测的水田泡田的时间段，获取时间序列的GF-3影像和Sentinel-2影像；

二、对GF-3数据进行预处理；

三、Sentinel-2数据进行预处理，保留水体信息，对光学遥感影像进行去云、去雾、去雪处理；

四、分别选择Sentinel-2影像中已泡田的水田区域、未泡田的水田区域、厚云、薄云、雪区域的样本数据，进行直方图绘制；

五、根据直方图分布，获取常用水体指数的水体与非水体阈值，区分未泡田区域和已泡田区域，并且确定波段反射率阈值去除云、雾、雪；

六、光学遥感：评价常用水体指数水田泡田识别能力；

七、根据水田识别能力评价结果，采用MNDWI水体指数，利用静态阈值分割法数对Sentinel-2光学影像进行二分类，区分未泡田区域和已泡田区域；

八、雷达遥感：采用动态阈值分割方法和决策树分类方法对GF-3影像进行分类，识别未泡田和已泡田区域；

九、联合多期时间序列的步骤七的光学和步骤八的雷达影像，进行多期水田泡田进度监测；

十、在GEE平台上显示水田泡田进度的时空动态分布，并统计累计泡田面积和比例，即实现了水田泡田进度高时空分辨率的监测。

本发明水田泡田进度高时空分辨率监测方法，是基于GEE的GF-3和Sentinel-2的水田泡田进度高时空分辨率监测方法，所述的方法中利用MNDWI水体指数提取水田中的水体信息，同时，雷达影像不易受到云、雾、雪等天气状况的影响，且对水体信息也有较为明显的特征，本发明的方法能够及时准确监测大范围水田泡田的实时动态。

本发明的方法不仅对于水稻种植的生产活动提供了依据，而且对于环境保护和鸟类的保护也有一定帮助，同时本发明对于泡田进度的监测，能对泡田区域的水量进行调控，合理控制泡田水量，有利于缓解全球淡水资源紧张的问题。

附图说明

图1为实施例1中三江平原水田泡田进度遥感监测结果；

图2为实施例1中三江平原累计泡田面积和泡田比例时间变化。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

具体实施方式一：本实施方式水田泡田进度高时空分辨率监测方法按照以下步骤进行：

一、调查待监测的水田泡田的时间段，获取时间序列的GF-3影像和Sentinel-2影像；

二、对GF-3数据进行预处理；

三、Sentinel-2数据进行预处理，保留水体信息，对光学遥感影像进行去云、去雾、去雪处理；

四、分别选择Sentinel-2影像中已泡田的水田区域、未泡田的水田区域、厚云、薄云、雪区域的样本数据，进行直方图绘制；

五、根据直方图分布，获取常用水体指数的水体与非水体阈值，区分未泡田区域和已泡田区域，并且确定波段反射率阈值去除云、雾、雪；

六、光学遥感：评价常用水体指数水田泡田识别能力；

七、根据水田识别能力评价结果，采用MNDWI水体指数，利用静态阈值分割法数对Sentinel-2光学影像进行二分类，区分未泡田区域和已泡田区域；

八、雷达遥感：采用动态阈值分割方法和决策树分类方法对GF-3影像进行分类，识别未泡田和已泡田区域；

九、联合多期时间序列的步骤七的光学和步骤八的雷达影像，进行多期水田泡田进度监测；

十、在GEE平台上显示水田泡田进度的时空动态分布，并统计累计泡田面积和比例，即实现了水田泡田进度高时空分辨率的监测。

本实施方式步骤五中因为Google Earth Engine(GEE)平台中利用Sentinel-2QA60波段去云具有时滞性，所以利用波段阈值对Sentienl-2中云、雾、雪进行处理，确定阈值为Sentinel-2影像B2(Blue)波段反射率大于0.2为云、雾、雪。

具体实施方式二：本实施方式与具体实施方式一不同的是：步骤四中区分未泡田水田区域和已泡田水田区域的方法：采用MNDWI水体指数对水田泡田进度进行监测，当MNDWI的阈值大于-0.15为水田有水的区域，即已泡田水田。其他步骤及参数与具体实施方式一相同。

具体实施方式三：本实施方式与具体实施方式一不同的是：步骤八中区分未泡田区域和已泡田区域的方法：对于雷达影像中GF-3影像经过拼接、复数数据转换、多视、滤波和地理编码的预处理后，WSC扫描模式利用动态阈值分割法提取水田已泡田区域。其他步骤及参数与具体实施方式一相同。

本实施方式中利用动态阈值分割法提取水田已泡田区域即在研究区范围内入射角变化由0.4变到0.9(弧度)，所以按入射角范围进行分级(1级:0.4～0.5,2级：0.5～0.6，3级：0.6～0.7，4级：0.7～0.8，5级：0.8～0.9)；由HV极化方式的直方图分布可以得到1级到5级的阈值(1级：-21,2级：-22,3级：-22,4级：-23,5级：-23)，再对阈值和入射角等级进行关系拟合，其拟合关系为Y＝-0.5X-20.7，进而得到随角度变化的动态阈值。

实施例1利用本发明的方法三江平原地区水田泡田进度高时空分辨率的监测，具体方法按照以下步骤进行：

一、调查待监测的水田泡田的时间段，获取时间序列的GF-3影像和Sentinel-2影像；其中通过调查得到，三江平原水田泡田时间段为4月初到5月初，因此获取该时间段内的GF-3影像和Sentinel-2影像，所采用的GF-3影像，成像模式为FSII和WSC两种，其空间分辨率分别为10m和100m；

二、对GF-3数据进行预处理；本实施例利用PIE-SAR对于GF-3影像进行了拼接、复数数据转换、多视、滤波和地理编码处理，得到了后向散射系数产品；

三、对Sentinel-2数据进行预处理；本实施例需要进行水田泡田进度的实时监测，因此，为了弥补QA60波段去云时滞性的缺陷，采用了波段反射率阈值进行了基于像素的去云、去雾、去雪处理；

四、分别选择Sentinel-2影像中已泡田水田、未泡田水田、厚云、薄云(雾)、雪区域的样本数据，进行直方图绘制。

五、根据直方图分布，获取常用水体指数的水体与非水体阈值，区分未泡田区域和已泡田区域，并且确定波段反射率阈值去除云、雾、雪；

六、光学遥感方面，评价常用水体指数水田泡田识别能力，MNDWI对于水田已泡田区域的提取，具有较好的效果。利用水体指数阈值法进行已泡田区域识别，常用水体指数MNDWI优于表2NDWI。而水体指数阈值法效果优于植被指数差值法，即利用MNDWI与EVI做差，其识别水体效果弱于水体指数阈值识别效果；其中Sentinel-2各个波段介绍如表1所示，光谱指数介绍如表2所示，表2中GREEN：绿光波段反射率，NIR：近红外波段反射率，RED：红光波段反射率，BLUE：绿光波段反射率；

七、根据水田识别能力评价结果，采用MNDWI水体指数，利用静态阈值分割法数对Sentinel-2光学影像进行二分类，区分未泡田区域和已泡田区域；即采用MNDWI水体指数对水田泡田进度进行监测，当MNDWI的阈值大于-0.15为水田有水的区域(已泡田区域)，根据阈值在Google Earth Engine(GEE)上逐期进行阈值分割，得到每一时期水田已泡田区域；

八、雷达遥感方面，采用动态阈值分割方法和决策树分类方法对GF-3影像进行分类，识别未泡田和已泡田区域；具体对于雷达影像中GF-3影像经过拼接、复数数据转换、多视、滤波和地理编码的预处理后，WSC扫描模式利用动态阈值分割法提取水田已泡田区域；因为三江平原范围较大，入射角的范围大，因此对后向散射系数的影响程度也较大；示例区三江平原内入射角变化由0.4变到0.9(弧度)，所以按入射角范围进行分级；根据样本提取HV和HH极化方式的后向散射系数，分别对HV和HH极化方式的后向散射系数进行直方图分布统计，得到每一等级的阈值；由于由直方图分布可以看出，HH极化方式的有水和无水区域的后向散射系数存在明显的混淆，所以，选择HV极化方式的后向散射系数作为特征；由HV极化方式的直方图分布可以得到1级到5级的阈值，再对阈值和入射角等级进行关系拟合，进而得到随角度变化的动态阈值；根据动态阈值影像和WSC扫描模式影像进行逻辑运算，逐期进行阈值分割，得到每一时期水田已泡田区域；对于FSII扫描模式的GF-3影像利用HV和HH采用决策树分类方法监测水体泡田进度；

九、联合光学和雷达影像，进行多期水田泡田进度监测；联合GF-3和Sentinel-2水田泡田结果，构建水田泡田进度动态变化。

十、在GEE平台上显示水田泡田进度的时空动态分布，并统计累计泡田面积和比例，即结合GF-3和Sentinel-2的水田泡田结果，显示水田泡田进度的时空动态分布，并统计累计泡田面积和比例。

本实施例中三江平原水田泡田进度遥感监测结果如图1所示，三江平原累计泡田面积和泡田比例时间变化如图2所示，从图1和图2中可以明确看出，不同阶段，累计泡田和未泡田的情况以及累计的泡田面积。

表1Sentinel-2各个波段介绍

表2光谱指数介绍

/>