(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 202210979804.5 (22)申请日 2022.08.16 (71)申请人 水利部交通 运输部国家能源局南京 水利科学研究院 地址 210029 江苏省南京市 鼓楼区虎 踞关 34号 (72)发明人 和玉璞　纪仁婧　付静　时元智　 麦紫君　袁媛　陈俊　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 专利代理师 王艳 (51)Int.Cl. G06V 20/13(2022.01) G06V 20/10(2022.01) G06V 10/26(2022.01)G06V 10/80(2022.01) (54)发明名称 一种基于植被水分指数与蒸散发结合的稻 田实际灌溉 面积识别方法 (57)摘要 本发明公开了一种基于植被水分指数与蒸 散发结合的稻田实际灌溉面积识别方法， 该方法 根据对遥感数据的预处理得到灌溉前后植被水 分指数差值进行潜在灌溉面积的提取， 再利用遥 感数据及气象数据、 灌区属性数据及管理数据预 处理得到灌溉前后蒸散发差值进行潜在灌溉面 积的提取， 基于上述两种灌溉面积的提取进行判 别得出实际灌溉面积。 其利用水分敏感波段构建 植被水分指数与遥感蒸散发模型相结合的稻田 灌溉面积识别方法， 有效提取稻田实际灌溉面 积， 并保证较高的提取精度。 克服现有技术仅适 用于旱作物实际灌溉面积识别， 在稻田实际灌溉 面积识别中精度较低的问题。 本发 明提出的方法 可实现稻田实际灌溉面积的有效识别， 具有重要 的应用价 值。 权利要求书2页 说明书7页 附图1页 CN 115376016 A 2022.11.22 CN 115376016 A 1.一种基于植被水分指数与蒸散发结合的稻 田实际灌溉面积识别方法， 其特征在于， 包括以下步骤： (1)研究区基础资料收集： 收集稻田研究区的遥感数据、 气象数据、 灌区属性数据及管 理数据； (2)基于植被水分指数的潜在灌溉面积提取： 对收集的遥感数据进行预处理， 预处理包 括辐射定标、 大气校正， 分别采用ENVI中的Ra diometric Calibration、 FLAASH工 具实现， 获 得真实地表反射率数据， 计算植被水分指数MSI和植被水分指数差值 △MSI； 灌溉后植被水 分指数MSI较灌溉前降低， 采用OTSU自适应阈值算法计算植被水分指数差值 △MSI的分割阈 值， 找到最大类间方差所对应的分割阈值， 植被水分指数差值 △MSI小于该分割阈值即为潜 在灌溉区域； (3)基于遥感蒸散发的潜在灌溉面积提取： 对收集的遥感数据进行预处理， 预处理主要 为辐射定标， 定标为辐射亮度， 采用ENVI中的Radiometric  Calibration工具实现， 计算归 一化植被指数NDVI、 植被覆盖度Fv、 叶面积指数LAI、 地表反照率a、 地表比辐射率ε， 地表温 度Ts、 地表蒸散发ET及蒸散发差值 △ET； 灌溉后地表蒸散发ET较灌溉前升高， 采用OTSU自适 应阈值算法计算蒸散发差值 △ET的分割阈值， 找到最大类间方差所对应的分割阈值， 蒸散 发差值△ET大于该分割阈值即为潜在灌溉区域； (4)基于植被水分指数和遥感蒸散发的灌溉面积结果判别： 根据步骤(2)和步骤(3)开 展基于植被水分指数和蒸散发数据的灌溉面积识别结果判别与融合， 如果二者的判别结果 均为灌溉， 则此区域标记为灌溉， 如果两者的判别结果存在分 歧， 将结合研究区水稻不同生 长期常年灌溉水量计算的日蒸散发量进行判别， 如果在监测时段内存在分 歧的区域反演蒸 散发值大于常年计算蒸散发值， 则标记为灌溉， 反 之， 则判定为非灌溉； (5)实际灌溉面积的统计与制图： 对步骤(4)计算的灌溉面积判别结果进行面积统计计 算， 结合区域基础地理信息数据实现区域的实际灌溉 面积的制图输出。 2.根据权利要求1所述基于植被水分指数与蒸散发结合的稻田灌溉面积识别方法， 其 特征在于， 步骤(1)中， 遥感数据指稻田研究区灌溉前后的遥感影像， 气象数据指Landsat8 卫星经过稻田研究区时参考高度处的地面湿度、 风速、 温度、 气压， 日均温度、 日照时数， 灌 区属性数据指稻田研究区水稻种植范围矢量数据、 研究区地面高程数据， 管理数据指稻田 研究区内边界清楚、 形状规则、 灌排设施独立的田块， 且配备量水设施记录其不同生长期常 年灌溉水量。 3.根据权利要求1所述基于植被水分指数与蒸散发结合的稻田灌溉面积识别方法， 其 特征在于， 步骤(2)中， 计算 植被水分指数MSI采用下式计算： 其中， SWIR为短波红外的反射 率， NIR为近红外波段的反射 率。 4.根据权利要求1所述基于植被水分指数与蒸散发结合的稻田灌溉面积识别方法， 其 特征在于， 步骤(2)中， 植被水分指数差值 △MSI采用下式计算： △MSI＝MSIt2‑MSIt1 其中， MSIt2为监测时段末的MSI 值， MSIt1为监测时段初的MSI 值。 5.根据权利要求1所述基于植被水分指数与蒸散发结合的稻田灌溉面积识别方法， 其权　利　要　求　书 1/2 页 2 CN 115376016 A 2特征在于， 步骤(2)中， 分割阈值采用下式计算： g＝ω1×( μ‑μ1)2+ω2×( μ‑μ2)2 ω1为目标区域像素数目除以图像总像素数目， ω2为背景区域像素数目除以图像总像 素数目， μ为整个图像属性值均值， μ1为目标区域属性值均值， μ2为背景区域属性值均值， g为 目标区域和背景之间的方差 。 6.根据权利要求1所述基于植被水分指数与蒸散发结合的稻田灌溉面积识别方法， 其 特征在于， 步骤(3)中， 植被覆盖度Fv计算采用采用像元二分模型计算， 计算公式如下： 其中， NDVI为归一化植被指数， NDVIv为植被茂密区像元NDVI值； NDVIs为完全裸土像元 NDVI值。 7.根据权利要求1所述基于植被水分指数与蒸散发结合的稻田灌溉面积识别方法， 其 特征在于， 步骤(3)中， 地表反照率a按照下式计算： α ＝0.356α2+0.130α4+0.373α5+0.085α6+0.072α7‑0.0018 其中， α2、 α4、 α5、 α6、 α7分别为第2、 4、 5、 6、 7波段的反射 率。 8.根据权利要求1所述基于植被水分指数与蒸散发结合的稻田灌溉面积识别方法， 其 特征在于， 步骤(3)中， 地表温度Ts的反演采用辐射传输方程法， 具体公式如下： 其中， Lλ为热红外传感器接收到的热红外辐射亮度值， L ↑为大气向上辐射亮度， L ↓为大 气向下到达地面后 反射的辐射亮度， Ts为地表真实温度(K)； B(Ts)为黑体热辐射亮度； τ为 大气在热红外波段的透过率， K1和K2的取值取决于传感器， K1＝774.89W/(m2·μm·sr)， K2＝ 1321.08K。 9.根据权利要求1所述基于植被水分指数与蒸散发结合的稻田灌溉面积识别方法， 其 特征在于， 步骤(3)中， 采用基于能量平衡原理的单源模型SEBS计算地表蒸散发ET， 利用 ILWIS软件中的SEBS模块， 将反演得到的归一化植被指数、 植被覆盖度、 叶面积指数、 地表反 照率、 地表比辐射率、 地表温度以及高程数据、 卫星 过境时刻参考高度处的地面湿度、 风速、 温度、 气压， 日均温度、 日照时数输入 模型， 得到地表蒸散发ET。 10.根据权利要求1所述基于植被水分指数与蒸散发结合的稻田灌溉面积识别方法， 其 特征在于， 步骤(3)中， 蒸散发差值 △ET的计算按照下式： △ET＝ETt2‑ETt1 其中， ETt2为监测时段末的ET值， ETt1为监测时段初的ET值。权　利　要　求　书 2/2 页 3 CN 115376016 A 3