1.本发明涉及遥感农作物识别技术领域，具体涉及一种基于时序雷达数据与水稻多特征耦合的水田种植情况监测方法及装置。

背景技术：

2.耕地是粮食安全保障必不可少的资源，但随着人口的增加和人民生活水平的提高，耕地面积及数量逐年减少，因此急需落实最严格的耕地保护制度，牢牢守住18亿亩耕地红线。水田面积约占全国总耕地面积的四分之一，为遏制耕地“非农化”、防止耕地“非粮化”，各地推进了垦造水田建设工作，通过垦造水田助力破解水田占补平衡困局。开展水田水稻种植情况动态监测评价，确保水田每年至少种植一造水稻是十分必要的。及时、快速、准确地获取水田的水稻信息，可以了解水田范围内的水稻种植情况、评估水田利用强度和估算水稻种植总面积，为政府管护和制定农业政策提供参考依据，同时也是我国粮食安全战略发展的需求。3.现有常用的水稻种植情况监测方法是基于中高分辨率光学遥感数据,主要包含两大类方法：(1)基于单时相遥感影像水稻识别方法，选择水稻关键生长期的单期影像，利用影像的光谱信息对水稻进行识别；(2)基于多时相遥感数据水稻识别方法，选择生长期间内的多期影像，生成时序曲线，分析水稻在不同时期的光谱特征，来识别水稻种植情况。4.现有常用的水稻种植情况监测方法主要存在以下的几点缺陷：5.(1)基于光学影像进行水稻识别，有丰富的光谱信息，但光学影像的获取易受云雾等天气影响，而且高空间分辨率和高时间分辨率无法同时兼得；(2)基于单时相遥感影像对水稻进行识别时，获取的水稻信息不足，还会存在“同物异谱”和“同谱异物”情况；(3)基于多时相遥感数据对水稻进行识别，可利用作物不同生长期呈现出显著的光谱差异进行作物识别，但其对影像质量要求高，多云和存在噪声都会影响其识别精度。

技术实现要素：

6.针对现有技术的不足，本发明的目的旨在提供一种基于时序雷达数据与水稻多特征耦合的水田种植情况监测技术方法，解决水田管护成本高、效率低、耗时大等实际问题和水稻识别信息不足、精度低等监测问题。7.为实现上述目的，本发明采用如下技术方案：8.第一方面，本发明提供一种水田种植情况监测方法，包括：9.数据准备步骤：10.获取时序雷达数据和水稻样本；11.对所获取到的时序雷达数据进行预处理，得到预处理后的时序雷达数据，12.提取水稻样本区域在预处理后的时序雷达数据上的标准时间序列曲线，得到水稻样本时序曲线；13.水稻关键信息提取步骤：14.基于水稻样本数据来确定水和水稻移栽特征、水稻抽穗信号的vh值范围及移栽期与抽穗期日期差，将这三个指标作为水稻识别的物候特征；15.时间序列统计特征采用的是方差；16.相似性度量计算步骤：17.基于预处理后的时序雷达数据，计算影像上每个像元的时序曲线与水稻样本时序曲线之间的欧式距离测度、光谱相似性测度，进而计算水稻的光谱测量值；18.耦合稻多特征识别水稻步骤：19.利用水稻样本数据确定水稻物候特征、时间序列统计特征识别的最佳阈值，采用决策树方法，将水稻的光谱测量值、物候特征、时间序列统计特征进行耦合，来识别水田内水稻种植情况20.进一步地，利用水稻移栽期信息来剔除没有水的区域；利用抽穗期信息剔除水域；利用移栽期与抽穗期日期差剔除生长在水中的草地；21.进一步地，所述时序雷达数据为年内的时间序列sentinel-1a影像数据。22.进一步地，所述水稻样本通过如下方式获取：23.采用外业调查的方式对水田进行实地拍照，记录拍照点位置及拍照方位角，获取水稻样本。24.进一步地，所述欧式距离测度计算方式为：[0025][0026]将上述公式归一化为0-1，如下式：[0027]ed＝(edorig-m)/(m-m)[0028]式中：m和m分别为edorig的最小值和最大值，p和t分别定义为水稻的样本数据集向量和监测数据集向量，n是样本数据的维数，即采用的影像期数。[0029]进一步地，所述光谱相似性测度计算方式为：[0030][0031]式中：μ、σ分别是两个向量(t和p)的平均值和标准偏差，t、p、n同上。[0032]进一步地，所述光谱测量值计算方式为[0033]光谱测量值是欧式距离度量和光谱相关性测度的综合度量[0034][0035]设置阈值1，将光谱测量值小于1的识别为种植水稻区域，大于1的识别为未种植水稻区域。[0036]进一步地，水稻物候特征、时间序列统计特征识别的最佳阈值分别是：[0037]水稻移栽期vh值是小于等于-17；水稻抽穗期vh值在-19至-12之间；移栽期与抽穗期日期差的范围为45天到90天；⑤方差大于1；[0038]同时满足以上阈值条件则是水稻种植区域。[0039]第二方面，本发明提供一种水田种植情况监测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一所述方法的步骤。[0040]第三方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上任一所述方法的步骤。[0041]本发明的有益效果在于：[0042]雷达数据成像不受云雾影响，可以快速获取大区域、全覆盖的有效影像数据,具有分辨率高、全天时全天候工作、有效识别伪装和穿透掩盖物等特点。研究水稻不同的特征信息，能够更为准确地识别水稻。与现有技术相比较，本发明基于时序雷达数据，可以不受云雾等天气影响，可利用作物不同生长期呈现出显著的差异，获取水稻生长期间丰富信息，便于提取出水稻独有的关键信息，减少了“同物异谱”和“同谱异物”的情况；本发明从水稻的关键物候和统计信息提取、多特征耦合阈值的设定等多个方面入手，丰富了水稻识别信息，提高了水稻种植识别的精度，具有效率高、耗时小、成本低等后期管护优势。[0043]通过时序雷达数据与水稻多特征耦合的技术方法，对水田种植情况进行监测，确保提升耕地保护动态监测体系建设。根据水田种植监测情况数据的应用服务，能够遏制耕地“非农化”、防止耕地“非粮化”。水田作为“三农”的一部分投入逐步加大，在粮食直补、良种补贴、综合补贴等惠民政策的引导下趋于稳定，政府可根据监测情况进行政策制定和管护行动，确保水田不发生抛荒丢荒现象，保障粮食生产安全种植，对国家粮食安全和社会稳定具有重大意义。附图说明[0044]图1为本发明实施例1提供的基于时序雷达数据与水稻多特征耦合的水田种植情况监测方法具体实施路线图；[0045]图2为本发明实施例2提供的基于时序雷达数据与水稻多特征耦合的水田种植情况监测装置的组成示意图。具体实施方式[0046]下面，结合附图以及具体实施方式，对本发明做进一步描述：[0047]参阅图1所示，本实施例提供的基于时序雷达数据与水稻多特征耦合的水田种植情况监测方法具体包括如下步骤：[0048](1)数据准备步骤：[0049]1)从欧空局官网获取年内的时间序列sentinel-1a影像，监测使用的sentinel-1a是l1级地距影像宽幅干涉数据，极化方式为vh，幅宽250千米，距离分辨率5米，方位分辨率20米，预处理之后影像空间分辨率为10米；采用外业调查的方式对水田进行实地拍照，记录拍照点位置及拍照方位角，获取水稻样本数据。[0050]2)利用欧洲航天局开发的snap软件对雷达数据进行预处理，数据预处理主要包括6个方面：热噪声消除、轨道校正、辐射定标、精改的lee滤波、距离-多普勒地形校正以及数据线性刻度转化为对数刻度(db)。[0051]3)采用python编写算法自动提取水稻样本区域在sentinel-1a时序影像上的标准时间序列曲线，时间序列曲线上的节点为影像日期，值为样本块的平均后向散射系数，得到水稻样本时序曲线。[0052](2)水稻关键信息提取步骤：[0053]1)了解水稻生长周期，水稻与其他作物的不同之处在于，它需要在水土混合环境中移栽，由于水稻生长需要灌水，水面带来的镜面散射的优势使后向散射系数降低。水田插秧之后，由于雷达信号与水和水稻相互作用，双重散射(表面散射和体散射)成为主导，随着水稻的生长，这增加了水田表面粗糙度，导致后向散射系数上升，在抽穗期达到最大，因此，水和水稻移栽特征、水稻抽穗信号是水稻的关键物候特征。根据水稻的关键物候特征，通过水稻样本数据确定水和水稻移栽特征、水稻抽穗信号的vh值范围及移栽期与抽穗期日期差，将这三个指标作为水稻识别的物候信息。水稻移栽期对应的是水稻生长曲线最小值，vh值一般是小于等于-17；水稻抽穗期对应的是水稻生长曲线最大值，vh值在-19至-12之间；移栽期与抽穗期日期差的范围为45天到90天。利用水稻移栽期信息来剔除没有水的区域；利用抽穗期信息剔除水域；利用移栽期与抽穗期日期差剔除生长在水中的草地。[0054]2)时间序列统计特征采用的是方差，方差可以衡量一组数字与其平均值的差距有多大，可以作为异常值剔除的指标，水稻生长季节的vh值变化很快，预计水稻的vh的方差值比其他作物类型的值要高，把方差小于1的区域剔除，以区分水稻和变化较小的地物。[0055](3)相似性度量计算步骤[0056]基于预处理后的年内时间序列雷达卫星影像，计算影像上每个像元的时序曲线与水稻样本时序曲线之间的欧式距离测度、光谱相似性测度，进而计算光谱测量值，最后得到光谱测量值结果图，光谱测量值大于零，值越小，代表相似性越大。[0057]欧式距离度量用于测量数据样本的分离或接近程度。欧几里德距离定义为：[0058][0059]将上述公式归一化为0-1，如下式：[0060]ed＝(edorig-m)/(m-m)[0061]式中：m和m分别为edorig的最小值和最大值，p和t分别定义为水稻的样本数据集向量和监测数据集向量，n是样本数据的维数，即采用的影像期数。[0062]光谱相关性测度，稻和其他土地覆盖类型的时间序列曲线的相关性，可以作为相似性测度。[0063][0064]式中：μ、σ分别是两个向量(t和p)的平均值和标准偏差，t、p、n同上。[0065]光谱测量值是欧式距离度量和光谱相关性测度的综合度量[0066][0067]根据设计方案验证，设置阈值1，将光谱测量值小于1的识别为种植水稻区域，大于1的识别为未种植水稻区域。[0068](4)耦合多特征水稻识别步骤[0069]1)利用水稻样本数据确定各特征识别的最佳阈值后，采用决策树方法进行水稻多特征耦合，将各个特征取并集，即得满足①光谱测量值小于1；②水稻移栽期vh值是小于等于-17；③水稻抽穗期vh值在-19至-12之间；④移栽期与抽穗期日期差的范围为45天到90天；⑤方差大于1。利用这些条件来识别种植水稻区域与未种植水稻区域。[0070]2)利用实地调查数据对监测结果进行精度评价,得到省级尺度上水稻种植识别准确率为86.16％。[0071]综上，本实施例所提供的基于时序雷达数据与水稻多特征耦合的水田种植情况监测方法与现有技术相比具有如下技术优势：[0072]1、通过时序雷达遥感影像与水稻多特征耦合方法对水田种植情况进行监测，实现水田高效管护，减少传统的外业巡查、判读、拍照等工作，减少人工成本、时间和资金的花费，精简财政对水田监测的资金投入；[0073]2、应用的多时相sentinel-1a雷达数据，其卫星重访周期短，数据获取不受云雾等天气影响，可免费、快速获取大区域、全覆盖的有效影像数据，节省了大量影像购买成本；[0074]3、加大自然资源耕地保护管理，通过对水田种植情况的监测，可以拓展到水稻监测种植情况，根据各地的生态环境和地理条件制定科学合理的种植方案，降低工作成本，创造较大的经济效益。[0075]实施例2：[0076]参阅图2所示，本实施例提供的水田种植情况监测装置包括处理器21、存储器22以及存储在该存储器22中并可在所述处理器21上运行的计算机程序23，例如水田种植情况监测程序。该处理器21执行所述计算机程序23时实现上述实施例1步骤，例如图1所示的步骤。[0077]示例性的，所述计算机程序23可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器22中，并由所述处理器21执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序23在所述水田种植情况监测装置中的执行过程。[0078]所述水田种植情况监测装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述水田种植情况监测装置可包括，但不仅限于，处理器21、存储器22。本领域技术人员可以理解，图2仅仅是水田种植情况监测装置的示例，并不构成水田种植情况监测装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述水田种植情况监测装置还可以包括输入输出设备、网络接入设备、总线等。[0079]所称处理器21可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(application specificintegratedcircuit，asic)、现成可编程门阵列(fieldprogrammablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。[0080]所述存储器22可以是所述水田种植情况监测装置的内部存储元，例如水田种植情况监测装置的硬盘或内存。所述存储器22也可以是所述水田种植情况监测装置的外部存储设备，例如所述水田种植情况监测装置上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字(securedigital，sd)卡，闪存卡(flashcard)等。进一步地，所述存储器22还可以既包括所述水田种植情况监测装置的内部存储单元也包括外部存储设备。所述存储器22用于存储所述计算机程序以及所述水田种植情况监测装置所需的其他程序和数据。所述存储器22还可以用于暂时地存储已经输出或者将要输出的数据。[0081]实施例3：[0082]本实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现实施例1所述方法的步骤。[0083]所示计算机可读介质可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理再以电子方式获得所述程序，然后将其存储在计算机存储器中。[0084]上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。[0085]对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。