时间序列LAI曲线积分面积区域水稻成熟期预测方法技术

本发明专利技术属于水稻成熟期预测技术领域，公开了一种时间序列LAI曲线积分面积区域水稻成熟期预测方法，对研究区作物类型分类，获得水稻的种植区域图；获得水稻生育期内Sentinel‑2 LAI产品，重构LAI时间序列；获取LAI达到峰值时的水稻抽穗期；提取Sentinel‑2 LAI时间序列，计算水稻成熟阈值；构建模拟LAI时间序列轨迹的CSDM曲线；再以模拟LAI时间序列轨迹的CSDM曲线为基础模拟LAI曲线；组成全生育期LAI积分曲线；前15天进行成熟期预报，在预报区间内逐日以全生育期LAI积分曲线计算积分面积比值R

Prediction method of rice maturity period based on integral area of time series Lai curve

【技术实现步骤摘要】
时间序列LAI曲线积分面积区域水稻成熟期预测方法
本专利技术属于水稻成熟期预测
，尤其涉及一种时间序列LAI曲线积分面积区域水稻成熟期预测方法。
技术介绍
目前，最接近的现有技术：农业遥感系指利用遥感技术进行农业资源调查，土地利用现状分析，农业病虫害监测，农作物估产等农业应用的综合技术，可通过获取农作物影像数据，包括其农作物生长情况、预报预测农作物病虫害。将遥感技术与农学各学科及其技术结合起来，为农业发展服务的一门综合性很强的技术。主要包括利用遥感技术进行土地资源的调查，土地利用现状的调查与分析，农作物长势的监测与分析，病虫害的预测，以及农作物的估产等。是当前遥感应用的最大用户之一。利用遥感技术监测农作物种植面积、农作物长势信息，快速监测和评估农业干旱和病虫害等灾害信息，估算全球范围、全国和区域范围的农作物产量，为粮食供应数量分析与预测预警提供信息。遥感卫星能够快速准确地获取地面信息，结合地理信息系统(GIS)和全球定位系统(GPS)等其他现代高新技术，可以实现农情信息收集和分析的定时、定量、定位，客观性强，不受人为干扰，方便农事决策，使发展精准农业成为可能。农作物遥感基本原理：遥感影像的红波段和近红外波段的反射率及其组合与作物的叶面积指数、太阳光合有效辐射、生物量具有较好的相关性。通过卫星传感器记录的地球表面信息，辨别作物类型，建立不同条件下的产量预报模型，集成农学知识和遥感观测数据，实现作物产量的遥感监测预报。可从遥感集市下载获取影像数据，通过各大终端产品定期获取专题信息产品监测与服务报告，同时又避免手工方法收集数据费时费力且具有某种破坏性的缺陷。综上所述，现有技术存在的问题是：现有技术中并无利用遥感数据进行水稻成熟期预测的相关方法，现有水稻成熟期预测主要通过人工实现，预测不准确。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种时间序列LAI曲线积分面积区域水稻成熟期预测方法。本专利技术是这样实现的，一种时间序列LAI曲线积分面积区域水稻成熟期预测方法，所述时间序列LAI曲线积分面积区域水稻成熟期预测方法包括以下步骤：第一步，采用Sentinel-2数据结合野外调查对研究区作物类型分类，获得20米格网单元水稻的种植区域图；第二步，获得水稻生育期内Sentinel-2LAI产品，重构LAI时间序列；第三步，获取LAI达到峰值时的水稻抽穗期；第四步，针对近三年水稻生育期，提取Sentinel-2LAI时间序列，计算水稻成熟阈值；第五步，水稻出苗期到抽穗期采用实际的Sentinel-2LAI曲线，构建模拟LAI时间序列轨迹的CSDM曲线；再以模拟LAI时间序列轨迹的CSDM曲线为基础模拟LAI曲线；组成全生育期LAI积分曲线；第六步，前15天进行成熟期预报，在预报区间内逐日以全生育期LAI积分曲线计算积分面积比值Rpre；第七步，逐20米格网单元重复第六步，生成区域水稻成熟期预测空间分布图，指导水稻的及时采收。进一步，第一步中，所述采用Sentinel-2数据结合野外调查对研究区作物类型分类包括：(1)收集Sentinel-2数据和通过野外调查得到研究区的地面数据；(2)通过数据合成法获得一定时间长度的合成时间序列；(3)提取研究区每种作物对应的分类特征；(4)基于步骤(3)中获得的每种作物对应的特征，进行研究区作物分类。进一步，步骤(1)中，所述地面数据包括作物地理位置和类型。进一步，第二步中，所述LAI时间序列重构方法包括：采用滤波算法重构LAI时间序列；滤波公式为：其中，Yj+1表示原始LAI曲线上的一块窗口内的值，m为窗口的半径，N为卷积数目，窗口的宽度为2m+1，表示滤波后窗口中心的LAI值，Ci表示第i个LAI值的滤波系数。进一步，第四步中，所述水稻成熟阈值计算方法包括：计算抽穗期至成熟期的积分面积占出苗到成熟的积分总面积的百分比均值Rave作为水稻成熟阈值。进一步，所述第五步具体包括：1)抽穗期到成熟期采用冠层结构动力学模型CSDM曲线；2)结合气象观测数据和气象集合预报数据作为CSDM的输入，构建模拟LAI时间序列轨迹的CSDM曲线；3)以模拟LAI时间序列轨迹的CSDM曲线为基础模拟LAI曲线；组成全生育期LAI积分曲线。进一步，第六步中，所述成熟期预报包括：在预报区间内逐日以全生育期LAI积分曲线计算积分面积比值Rpre，当Rpre≥Rave时，对应的日期即为水稻成熟期。本专利技术的另一目的在于提供一种实施所述时间序列LAI曲线积分面积区域水稻成熟期预测方法的基于时间序列LAI曲线积分面积区域水稻成熟期预测系统，所述基于时间序列LAI曲线积分面积区域水稻成熟期预测系统包括：数据获取模块，用于获取Sentinel-2数据，并结合野外调查获取研究区的地面数据；分类模块，用于对研究区作物类型分类；种植区域图生成模块，用于基于作物类型分类结果生成20米格网单元水稻的种植区域图；时间序列重构模块，用于获得水稻生育期内Sentinel-2LAI产品，重构LAI时间序列；水稻抽穗期确定模块，用于获取LAI达到峰值时的水稻抽穗期；时间序列提取模块，用于基于近三年水稻生育期，提取Sentinel-2LAI时间序列；水稻成熟期阈值模块，用于基于提取的时间序列计算水稻成熟阈值；CSDM曲线生成模块，用于水稻出苗期到抽穗期采用实际的Sentinel-2LAI曲线，构建模拟LAI时间序列轨迹的CSDM曲线；LAI积分曲线生成模块，用于基于生成的CSDM曲线，以模拟LAI时间序列轨迹的CSDM曲线为基础模拟LAI曲线；组成全生育期LAI积分曲线；成熟期预报模块，用于通过在预报区间内逐日以全生育期LAI积分曲线计算积分面积比值Rpre，并判断Rpre与水稻成熟阈值的大小，判定水稻是否成熟，并进行成熟期预报；预测空间分布图生成模块，用于生成区域水稻成熟期预测空间分布图；建议生成模块，用于基于生成的水稻成熟期预测空间分布图指导水稻的及时采收。本专利技术的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述时间序列LAI曲线积分面积区域水稻成熟期预测方法。本专利技术的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述时间序列LAI曲线积分面积区域水稻成熟期预测方法。综上所述，本专利技术的优点及积极效果为：本专利技术能够有效克服现有水稻成熟期预测不准确、误差大的技术缺陷，准确有效的进行水稻成熟期的预测，为指导区域作物农机的调度以及防止突发情况做准备。本专利技术构建了一种时间序列LAI曲线积分面积区域水稻成熟期预测方法，生成具有预测性能的模拟LAI曲线，最终基于积分面积建立成熟期预测模型，并对作物成熟本文档来自技高网...

【技术保护点】
1.一种时间序列LAI曲线积分面积区域水稻成熟期预测方法，其特征在于，所述时间序列LAI曲线积分面积区域水稻成熟期预测方法包括以下步骤：/n第一步，采用Sentinel-2数据结合野外调查对研究区作物类型分类，获得20米格网单元水稻的种植区域图；/n第二步，获得水稻生育期内Sentinel-2LAI产品，重构LAI时间序列；/n第三步，获取LAI达到峰值时的水稻抽穗期；/n第四步，针对近三年水稻生育期，提取Sentinel-2LAI时间序列，计算水稻成熟阈值；/n第五步，水稻出苗期到抽穗期采用实际的Sentinel-2LAI曲线，构建模拟LAI时间序列轨迹的CSDM曲线；再以模拟LAI时间序列轨迹的CSDM曲线为基础模拟LAI曲线；组成全生育期LAI积分曲线；/n第六步，前15天进行成熟期预报，在预报区间内逐日以全生育期LAI积分曲线计算积分面积比值R

【技术特征摘要】
1.一种时间序列LAI曲线积分面积区域水稻成熟期预测方法，其特征在于，所述时间序列LAI曲线积分面积区域水稻成熟期预测方法包括以下步骤：
第一步，采用Sentinel-2数据结合野外调查对研究区作物类型分类，获得20米格网单元水稻的种植区域图；
第二步，获得水稻生育期内Sentinel-2LAI产品，重构LAI时间序列；
第三步，获取LAI达到峰值时的水稻抽穗期；
第四步，针对近三年水稻生育期，提取Sentinel-2LAI时间序列，计算水稻成熟阈值；
第五步，水稻出苗期到抽穗期采用实际的Sentinel-2LAI曲线，构建模拟LAI时间序列轨迹的CSDM曲线；再以模拟LAI时间序列轨迹的CSDM曲线为基础模拟LAI曲线；组成全生育期LAI积分曲线；
第六步，前15天进行成熟期预报，在预报区间内逐日以全生育期LAI积分曲线计算积分面积比值Rpre；
第七步，逐20米格网单元重复第六步，生成区域水稻成熟期预测空间分布图，指导水稻的及时采收。


2.如权利要求1所述的时间序列LAI曲线积分面积区域水稻成熟期预测方法，其特征在于，第一步中，所述采用Sentinel-2数据结合野外调查对研究区作物类型分类包括：
(1)收集Sentinel-2数据和通过野外调查得到研究区的地面数据；
(2)通过数据合成法获得一定时间长度的合成时间序列；
(3)提取研究区每种作物对应的分类特征；
(4)基于步骤(3)中获得的每种作物对应的特征，进行研究区作物分类。


3.如权利要求2所述的时间序列LAI曲线积分面积区域水稻成熟期预测方法，其特征在于，步骤(1)中，所述地面数据包括作物地理位置和类型。


4.如权利要求1所述的时间序列LAI曲线积分面积区域水稻成熟期预测方法，其特征在于，第二步中，所述LAI时间序列重构方法包括：
采用滤波算法重构LAI时间序列；
滤波公式为：



其中，Yj+1表示原始LAI曲线上的一块窗口内的值，m为窗口的半径，N为卷积数目，窗口的宽度为2m+1，表示滤波后窗口中心的LAI值，Ci表示第i个LAI值的滤波系数。


5.如权利要求1所述的时间序列LAI曲线积分面积区域水稻成熟期预测方法，其特征在于，第四步中，所述水稻成熟阈值计算方法包括：
计算抽穗期至成熟期的积分面积占出苗到成熟的积分总面积的百分比均值Rave作为水稻成熟阈值。


6.如权利要求1所述的时间序列LAI曲线积分面积区域水稻成熟期预测方法，其特征在于，所述第五步具体包括：
1)...

【专利技术属性】
技术研发人员：宋丽娟，辛蕊，付斌，陆忠军，黄楠，刘洋，毕洪文，郑妍妍，刘艳霞，李岩，叶万军，刘媛媛，姜辉，董擎辉，张宇，
申请(专利权)人：黑龙江省农业科学院农业遥感与信息研究所，
类型：发明
国别省市：黑龙江;23