一种农作物长势预测方法及系统技术方案

本发明专利技术提供一种农作物长势预测方法及系统，包括：获取当前年份对应的归一化植被指数和每一历史年份对应的归一化植被指数；对当前年份和每一历史年份对应的归一化植被指数进行拟合重构，获取当前NDVI拟合曲线和每一历史NDVI拟合曲线；利用DTW算法对当前NDVI拟合曲线和每一历史NDVI拟合曲线进行规整处理，获取当前NDVI长势曲线和每一历史NDVI长势曲线；计算当前NDVI长势曲线与每一历史NDVI长势曲线的最短距离，将距离最小的历史NDVI长势曲线对应的年份作为最佳NDVI长势匹配年份，对当前年份目标农作物的长势进行预测。根据得出的最佳匹配年份对目标农作物进行后期的长势预测，进而指导作物管理。

【技术实现步骤摘要】
一种农作物长势预测方法及系统
本专利技术涉及农业
，尤其涉及一种农作物长势预测方法及系统。
技术介绍
大田作物生产过程中长势的动态变化与最终的产量和品质有密切关联关系，所以对作物的长势进行动态监测具有重要的价值和意义。遥感观测具有覆盖面积广、效率高等优势，克服了地面采样观测带来的耗时、成本高、破坏性等诸多问题。但目前利用遥感进行作物长势监测主要采用离散定期观测，例如选择在冬小麦拔节期、灌浆期等节点进行遥感植被指数(例如NDVI和EVI等)的估算，并与历史上同期遥感植被指数进行对比来确定长势的优劣程度。这种方法的优势是数据和计算量都很少，最大的不足有三个方面：(1)只采用有限的生育期进行对比分析，却忽略了不同年际间气象及物候的差异。当年际间气温、降水等发生明显变异时，会对播期及后续物候产生显著影响，因而当进行历史同期对比时会产生较大的误差，由于物候期没有完全规整，就会出现当参考历史年份物候期偏离时长势被高估或低估。(2)遥感监测具有大面积瞬时覆盖监测能力，例如MODIS数据幅宽可以达到1000公里，我国的高分数据GF-1幅宽可以达到800公里。在进行省域或者全国尺度遥感作物长势监测时，面临着不同区域存在纬度及物候差异，也同样存在播期早晚不同，一般纬度低的区域播期早，纬度高的播期晚，这主要与积温关系密切。这种由于播期造成的长势物候差异也会对后期遥感监测评估产生较大误差。(3)遥感是瞬时的观测，只代表卫星过境时刻作物的生长状态，虽然可以进行多个生育期的监测，但由于都是多个生育期独立的对比分析，缺少不同生育期的关联分析，往往造成不同生育期长势判断互相矛盾，难以全面评价作物长势的动态趋势。
技术实现思路
针对上述问题，本专利技术实施例提供一种农作物长势预测方法及系统。第一方面，本专利技术实施例提供一种农作物长势预测方法，该方法包括：根据当前年份目标农作物的每一当前长势遥感数据，获取所述当前年份每一当前长势遥感数据对应的归一化植被指数，根据若干历史年份所述目标农作物的每一历史长势遥感数据，获取每一历史年份每一历史长势遥感数据对应的归一化植被指数；对所述当前年份每一当前长势遥感数据对应的归一化植被指数进行拟合重构，获取当前NDVI拟合曲线，对每一历史年份每一历史长势遥感数据对应的归一化植被指数进行拟合重构，获取每一历史NDVI拟合曲线；利用DTW算法对所述当前NDVI拟合曲线和每一历史NDVI拟合曲线进行规整处理，获取当前NDVI长势曲线和每一历史NDVI长势曲线；计算所述当前NDVI长势曲线与每一历史NDVI长势曲线的最短距离，将距离最小的历史NDVI长势曲线对应的年份作为最佳NDVI长势匹配年份；根据所述最佳NDVI长势匹配年份所述目标农作物的生长状况，对所述当前年份所述目标农作物的长势进行预测。优选地，所述计算所述当前NDVI长势曲线与每一历史NDVI长势曲线的最短距离，具体包括：步骤一：利用如下公式计算序列距离矩阵DM*N；D(i,j)＝|Ri-Tj|，i＝1,2,…,M,j＝1,2,…,N，其中，D(i,j)表示欧式距离，R表示所述当前NDVI长势曲线，T表示任一历史NDVI长势曲线；步骤二：根据如下公式计算：其中，g(i,j)表示R中的i分量和T中的j分量之间的距离，d(i,j)表示矩阵D中第i行第j列元素的值。优选地，所述根据当前年份目标农作物的每一当前长势遥感数据，获取所述当前年份每一当前长势遥感数据对应的归一化植被指数，之前还包括：在所述当前年份预设时间段内，定期获取所述目标农作物的当前长势遥感数据。优选地，所述根据当前年份目标农作物的每一当前长势遥感数据，获取所述当前年份每一当前长势遥感数据对应的归一化植被指数，具体计算公式如下：其中，NDVI表示所述归一化植被指数，ρNIR表示近红外波段的反射率，ρRED表示红光波段的反射率。优选地，所述对所述当前年份每一当前长势遥感数据对应的归一化植被指数进行拟合重构，获取当前NDVI拟合曲线，具体包括：采用SG滤波算法对所述当前年份每一当前长势遥感数据对应的归一化植被指数进行拟合重构，获取当前NDVI拟合曲线。第二方面，本专利技术实施例提供一种农作物长势预测方法，该方法包括：根据当前年份目标农作物的每一当前长势遥感数据，获取所述当前年份每一当前长势遥感数据对应的增强植被指数，根据若干历史年份所述目标农作物的每一历史长势遥感数据，获取每一历史年份每一历史长势遥感数据对应的增强植被指数；对所述当前年份每一当前长势遥感数据对应的增强植被指数进行拟合重构，获取当前EVI拟合曲线，对每一历史年份每一历史长势遥感数据对应的增强植被指数进行拟合重构，获取每一历史EVI拟合曲线；利用DTW算法对所述当前EVI拟合曲线和每一历史EVI拟合曲线进行规整处理，获取当前EVI长势曲线和每一历史EVI长势曲线；计算所述当前EVI长势曲线与每一历史EVI长势曲线的最短距离，将距离最小的历史EVI长势曲线对应的年份作为最佳EVI长势匹配年份；根据所述最佳EVI长势匹配年份所述目标农作物的生长状况，对所述当前年份所述目标农作物的长势进行预测。优选地，所述根据当前年份目标农作物的每一当前长势遥感数据，获取所述当前年份每一当前长势遥感数据对应的增强植被指数，具体包括：其中，EVI表示所述增强植被指数，ρNIR表示近红外波段的反射率，ρRED表示红光波段的反射率，ρBLUE表示蓝光波段的反射率。第二方面，本专利技术实施例提供一种农作物长势预测系统，该系统包括：遥感模块，用于根据当前年份目标农作物的每一当前长势遥感数据，获取所述当前年份每一当前长势遥感数据对应的归一化植被指数，根据若干历史年份所述目标农作物的每一历史长势遥感数据，获取每一历史年份每一历史长势遥感数据对应的归一化植被指数；拟合模块，用于对所述当前年份每一当前长势遥感数据对应的归一化植被指数进行拟合重构，获取当前NDVI拟合曲线，对每一历史年份每一历史长势遥感数据对应的归一化植被指数进行拟合重构，获取每一历史NDVI拟合曲线；规整模块，用于利用DTW算法对所述当前NDVI拟合曲线和每一历史NDVI拟合曲线进行规整处理，获取当前NDVI长势曲线和每一历史NDVI长势曲线；最短距离模块，用于计算所述当前NDVI长势曲线与每一历史NDVI长势曲线的最短距离，将距离最小的历史NDVI长势曲线对应的年份作为最佳NDVI长势匹配年份；预测模块，用于根据所述最佳NDVI长势匹配年份所述目标农作物的生长状况，对所述当前年份所述目标农作物的长势进行预测。第四方面，本专利技术实施例提供一种电子设备，该电子设备包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的农作物长势预测方法。第五方面，本专利技术实施例本文档来自技高网...

【技术保护点】
1.一种农作物长势预测方法，其特征在于，包括：/n根据当前年份目标农作物的每一当前长势遥感数据，获取所述当前年份每一当前长势遥感数据对应的归一化植被指数，根据若干历史年份所述目标农作物的每一历史长势遥感数据，获取每一历史年份每一历史长势遥感数据对应的归一化植被指数；/n对所述当前年份每一当前长势遥感数据对应的归一化植被指数进行拟合重构，获取当前NDVI拟合曲线，对每一历史年份每一历史长势遥感数据对应的归一化植被指数进行拟合重构，获取每一历史NDVI拟合曲线；/n利用DTW算法对所述当前NDVI拟合曲线和每一历史NDVI拟合曲线进行规整处理，获取当前NDVI长势曲线和每一历史NDVI长势曲线；/n计算所述当前NDVI长势曲线与每一历史NDVI长势曲线的最短距离，将距离最小的历史NDVI长势曲线对应的年份作为最佳NDVI长势匹配年份；/n根据所述最佳NDVI长势匹配年份所述目标农作物的生长状况，对所述当前年份所述目标农作物的长势进行预测。/n

【技术特征摘要】
1.一种农作物长势预测方法，其特征在于，包括：
根据当前年份目标农作物的每一当前长势遥感数据，获取所述当前年份每一当前长势遥感数据对应的归一化植被指数，根据若干历史年份所述目标农作物的每一历史长势遥感数据，获取每一历史年份每一历史长势遥感数据对应的归一化植被指数；
对所述当前年份每一当前长势遥感数据对应的归一化植被指数进行拟合重构，获取当前NDVI拟合曲线，对每一历史年份每一历史长势遥感数据对应的归一化植被指数进行拟合重构，获取每一历史NDVI拟合曲线；
利用DTW算法对所述当前NDVI拟合曲线和每一历史NDVI拟合曲线进行规整处理，获取当前NDVI长势曲线和每一历史NDVI长势曲线；
计算所述当前NDVI长势曲线与每一历史NDVI长势曲线的最短距离，将距离最小的历史NDVI长势曲线对应的年份作为最佳NDVI长势匹配年份；
根据所述最佳NDVI长势匹配年份所述目标农作物的生长状况，对所述当前年份所述目标农作物的长势进行预测。


2.根据权利要求1所述的农作物长势预测方法，其特征在于，所述计算所述当前NDVI长势曲线与每一历史NDVI长势曲线的最短距离，具体包括：
步骤一：利用如下公式计算序列距离矩阵DM*N；
D(i,j)＝|Ri-Tj|，i＝1,2,…,M,j＝1,2,…,N，
其中，D(i,j)表示欧式距离，R表示所述当前NDVI长势曲线，T表示任一历史NDVI长势曲线；
步骤二：根据如下公式计算：



其中，g(i,j)表示R中的i分量和T中的j分量之间的距离，d(i,j)表示矩阵D中第i行第j列元素的值。


3.根据权利要求1所述的农作物长势预测方法，其特征在于，所述根据当前年份目标农作物的每一当前长势遥感数据，获取所述当前年份每一当前长势遥感数据对应的归一化植被指数，之前还包括：
在所述当前年份预设时间段内，定期获取所述目标农作物的当前长势遥感数据。


4.根据权利要求1所述的农作物长势预测方法，其特征在于，所述根据当前年份目标农作物的每一当前长势遥感数据，获取所述当前年份每一当前长势遥感数据对应的归一化植被指数，具体计算公式如下：



其中，NDVI表示所述归一化植被指数，ρNIR表示近红外波段的反射率，ρRED表示红光波段的反射率。


5.根据权利要求1所述的农作物长势预测方法，其特征在于，所述对所述当前年份每一当前长势遥感数据对应的归一化植被指数进行拟合重构，获取当前NDVI拟合曲线，具体包括：
采用SG滤波算法对所述当前年份每一当前长势遥感数据对应的归一化植被指数进行拟合重构，获取当前NDVI拟合曲线。


6.一种农作物长势预测方法，其特征在于，包括：
根据当前年份目标农...

【专利技术属性】
技术研发人员：杨贵军，李振海，赵发，李贺丽，龙慧灵，段丹丹，徐波，李斌，李瑾，冯献，
申请(专利权)人：北京农业信息技术研究中心，
类型：发明
国别省市：北京;11