一种基于光谱信息及气象数据的小麦条锈病监测方法技术

本发明专利技术提供一种基于光谱信息及气象数据的小麦条锈病监测方法，包括：获取待监测区域的时相遥感影像；从时相遥感影像中获得小麦种植区域的影像；获取小麦种植区域在第一预设时间的第一植被光谱指数和第二预设时间的第二植被光谱指数，对小麦种植区域的第一植被光谱指数和第二植被光谱指数进行归一化计算，得到小麦种植区域归一化植被光谱指数变化值；获取小麦种植区域在预设时间段内的气象信息数据；将小麦种植区域的归一化植被光谱指数变化值和气象信息数据输入到构建的小麦条锈病遥感监测模型中，获得小麦种植区域的小麦病情指数，从而判断出小麦种植区域的小麦条锈病监测结果。本发明专利技术可以大范围判断各个小麦区域中小麦条锈病的染病情况。

【技术实现步骤摘要】
一种基于光谱信息及气象数据的小麦条锈病监测方法
本专利技术涉及小麦的监测
，具体涉及一种基于光谱信息及气象数据的小麦条锈病监测方法。
技术介绍
在小麦生长过程中病害的种类很多，其中爆发性强、危害性大病害之一为小麦条锈病，是我国小麦最重要的病害之一和主要防治对象。而适宜的病害流行环境条件是发病的诱因，导致大面积流行成灾，危害小麦的生长及产量。目前对于小麦条锈病的监测技术仍十分匮乏，无法很好地获取各个小麦区域中小麦条锈病的染病情况。
技术实现思路
本专利技术的目的在于克服现有技术中的缺点与不足，提供一种基于光谱信息及气象数据的小麦条锈病监测方法。本专利技术的一个实施例提供一种基于光谱信息及气象数据的小麦条锈病监测方法，包括：获取待监测区域的时相遥感影像；从时相遥感影像中获得小麦种植区域的影像；分别获取所述小麦种植区域在第一预设时间的第一植被光谱指数和第二预设时间的第二植被光谱指数，对所述小麦种植区域的所述第一植被光谱指数和第二植被光谱指数进行归一化差值计算，得到所述小麦种植区域归一化植被光谱指数变化值；获取所述小麦种植区域在预设时间段内的气象信息数据；将所述小麦种植区域的归一化植被光谱指数变化值和气象信息数据输入到构建的小麦条锈病遥感监测模型中，获得所述小麦种植区域的小麦病情指数；根据所述小麦种植区域的小麦病情指数，获得小麦种植区域的小麦条锈病监测结果。相对于现有技术，本专利技术的基于光谱信息及气象数据的小麦条锈病监测方法通过收集的数据构建小麦条锈病遥感监测模型，然后获取小麦种植区域的植被光谱指数变化值和气象信息数据并输入到所述小麦条锈病遥感监测模型中，从而计算出小麦病情指数的数值，根据所述小麦病情指数的数值判断所述小麦种植区域的小麦是否感染了小麦条锈病。本专利技术的基于光谱信息及气象数据的小麦条锈病监测方法可以大范围地判断各个小麦区域中小麦条锈病的染病情况，用户可以根据所述染病情况作出应对措施，以防止所述小麦条锈病蔓延。进一步，所述小麦条锈病遥感监测模型的构建步骤，包括：获取所述待监测区域的小麦样本；所述小麦样本中的小麦状态包括健康状态和感染了小麦条锈病的染病状态；分别获取所述小麦样本在预设的第一采样时间的第一植被光谱指数和获取所述小麦样本预设的第二采样时间的第二植被光谱指数；对所述小麦样本的第一植被光谱指数和第二植被光谱指数进行归一化差值计算，得到所述小麦样本的归一化植被光谱指数变化值；获取所述小麦样本在预设时间段内的生长环境的气象信息数据；以所述小麦样本的归一化植被光谱指数变化值和的气象信息数据作为输入，以对应的所述小麦样本的小麦病情指数作为输出，通过极端梯度提升算法构建出所述小麦条锈病监测模型；其中，所述小麦样本的小麦病情指数用于表征所述小麦样本的小麦状态。进一步，所述以所述小麦样本的归一化植被光谱指数变化值和的气象信息数据作为输入，以对应的所述小麦样本的小麦病情指数作为输出，通过极端梯度提升算法构建出所述小麦条锈病监测模型，具体包括以下步骤：利用偏最小二乘变量重要性准则，计算所述小麦样本的归一化植被光谱指数变化值相对小麦样本的小麦病情指数的第一偏最小二乘变量投影值，将所述第一偏最小二乘变量投影值大于第一预设值的植被光谱指数变化值作为小麦样本第一重要特征；利用偏最小二乘变量重要性准则，计算所述气象信息数据相对小麦样本的小麦病情指数的第二偏最小二乘变量投影值，将所述第二偏最小二乘变量投影值大于第二预设值的气象信息数据作为小麦样本第二重要特征；以所述小麦样本的第一重要特征和第二重要特征作为输入，以对应的所述小麦样本的小麦病情指数作为输出，通过极端梯度提升算法构建所述小麦条锈病监测模型；所述将所述小麦种植区域的归一化植被光谱指数变化值和气象信息数据输入到构建的小麦条锈病遥感监测模型中，获得所述小麦种植区域小麦病情指数，具体包括以下步骤：利用偏最小二乘变量重要性准则，计算所述小麦种植区域的归一化植被光谱指数变化值相对小麦种植区域的小麦病情指数的第一偏最小二乘变量投影值，将所述第一偏最小二乘变量投影值大于第一预设值的植被光谱指数变化值作为小麦种植区域第一重要特征；利用偏最小二乘变量重要性准则，计算所述气象信息数据相对小麦种植区域的小麦病情指数的第二偏最小二乘变量投影值，将所述第二偏最小二乘变量投影值大于第二预设值的气象信息数据作为小麦种植区域第二重要特征；将所述小麦种植区域第一重要特征和小麦种植区域第二重要特征输入小麦条锈病遥感监测模型中，输出所述小麦种植区域的小麦病情指数。构建所述小麦条锈病监测模型时，选出与小麦病情的关联性高的输入参数，减少输入参数的数量并提高所述小麦条锈病监测模型的准确性。进一步，所述小麦种植区域归一化植被光谱指数变化值为：其中，nVIchange表示所述小麦种植区域归一化植被光谱指数变化值，是两个时相中植被指数特征的变化值，所述两个时相为第一预设时间和第二预设时间；VIbefore表示所述小麦种植区域的第一植被光谱指数，VIafter表示所述小麦种植区域的第二植被光谱指数。进一步，在所述从时相遥感影像中获得小麦种植区域的影像之前，还对所述时相遥感影像进行辐射校正和大气校正。进一步，第一预设时间和第一采样时间的差值在预设的第一监测时间差范围内，所述第二预设时间和第二采样时间的差值在预设的第二监测时间差范围内。降低时间差异，提高监测结果的准确性进一步，所述从时相遥感影像中选取小麦种植区域的影像，具体包括以下步骤：根据所述时相遥感影像的光谱数据，计算所述待监测区域的归一化植被指数；筛选出所述待监测区域中归一化植被指数大于预设的第一阈值的区域作为第一选择区域；建立所述第一选择区域的数字高程模型，将所述数字高程模型中地面高程小于预设的第二阈值的区域作为第二选择区域；获取所述时相遥感影像的近红外光谱指数，将所述第二选择区域中近红外光谱指数小于预设的第三阈值的区域作为所述小麦种植区域，从所述时相遥感影像中选取所述小麦种植区域的影像。准确地从所述时相遥感影像中获取所述小麦种植区域。进一步，所述获取在预设时间段内所述小麦种植区域的气象信息数据，具体包括以下步骤：获取所述小麦种植区域内的各气象站点在所述预设时间段内的每日地表气象数据；利用反距离加权法对所述每日地表气象数据进行空间插值，得到连续的所述每日地表气象信息数据。本专利技术的一个实施例还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述内容所述方法的步骤。本专利技术的一个实施例还提供一种计算机设备，其特征在于：包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述内容所述方法的步骤。为了能更清晰的理解本专利技术，以下将结合附图说明阐述本专利技术的具体实施方式。附图说明图1为本本文档来自技高网...

【技术保护点】
1.一种基于光谱信息及气象数据的小麦条锈病监测方法，其特征在于，包括：/n获取待监测区域的时相遥感影像；/n从时相遥感影像中获得小麦种植区域的影像；/n分别获取所述小麦种植区域在第一预设时间的第一植被光谱指数和第二预设时间的第二植被光谱指数，对所述小麦种植区域的所述第一植被光谱指数和第二植被光谱指数进行归一化差值计算，得到所述小麦种植区域的归一化植被光谱指数变化值；/n获取所述小麦种植区域在预设时间段内的气象信息数据；/n将所述小麦种植区域的归一化植被光谱指数变化值和气象信息数据输入到构建的小麦条锈病遥感监测模型中，获得所述小麦种植区域的小麦病情指数；/n根据所述小麦种植区域的小麦病情指数，获得小麦种植区域的小麦条锈病监测结果。/n

【技术特征摘要】
1.一种基于光谱信息及气象数据的小麦条锈病监测方法，其特征在于，包括：
获取待监测区域的时相遥感影像；
从时相遥感影像中获得小麦种植区域的影像；
分别获取所述小麦种植区域在第一预设时间的第一植被光谱指数和第二预设时间的第二植被光谱指数，对所述小麦种植区域的所述第一植被光谱指数和第二植被光谱指数进行归一化差值计算，得到所述小麦种植区域的归一化植被光谱指数变化值；
获取所述小麦种植区域在预设时间段内的气象信息数据；
将所述小麦种植区域的归一化植被光谱指数变化值和气象信息数据输入到构建的小麦条锈病遥感监测模型中，获得所述小麦种植区域的小麦病情指数；
根据所述小麦种植区域的小麦病情指数，获得小麦种植区域的小麦条锈病监测结果。


2.根据权利要求1所述的基于光谱信息及气象数据的小麦条锈病监测方法，其特征在于，所述小麦条锈病遥感监测模型的构建步骤，包括：
获取所述待监测区域的小麦样本；所述小麦样本中的小麦状态包括健康状态和感染了小麦条锈病的染病状态；
分别获取所述小麦样本在预设的第一采样时间的第一植被光谱指数和获取所述小麦样本预设的第二采样时间的第二植被光谱指数；
对所述小麦样本的第一植被光谱指数和第二植被光谱指数进行归一化差值计算，得到所述小麦样本的归一化植被光谱指数变化值；
获取所述小麦样本在预设时间段内的生长环境的气象信息数据；
以所述小麦样本的归一化植被光谱指数变化值和的气象信息数据作为输入，以对应的所述小麦样本的小麦病情指数作为输出，通过极端梯度提升算法构建出所述小麦条锈病监测模型；其中，所述小麦样本的小麦病情指数用于表征所述小麦样本的小麦状态。


3.根据权利要求2所述的基于光谱信息及气象数据的小麦条锈病监测方法，其特征在于，所述以所述小麦样本的归一化植被光谱指数变化值和的气象信息数据作为输入，以对应的所述小麦样本的小麦病情指数作为输出，通过极端梯度提升算法构建出所述小麦条锈病监测模型，具体包括以下步骤：
利用偏最小二乘变量重要性准则，计算所述小麦样本的归一化植被光谱指数变化值相对小麦样本的小麦病情指数的第一偏最小二乘变量投影值，将所述第一偏最小二乘变量投影值大于第一预设值的植被光谱指数变化值作为小麦样本第一重要特征；
利用偏最小二乘变量重要性准则，计算所述气象信息数据相对小麦样本的小麦病情指数的第二偏最小二乘变量投影值，将所述第二偏最小二乘变量投影值大于第二预设值的气象信息数据作为小麦样本第二重要特征；
以所述小麦样本的第一重要特征和第二重要特征作为输入，以对应的所述小麦样本的小麦病情指数作为输出，通过极端梯度提升算法构建所述小麦条锈病监测模型；
所述将所述小麦种植区域的归一化植被光谱指数变化值和气象信息数据输入到构建的小麦条锈病遥感监测模型中，获得所述小麦种植区域小麦病情指数，具体包括以下步骤：
利用偏最小二乘变量重要性准则，计算所述小麦种植区域的归一化植被光谱指数变化值相对小麦种植区域的小麦病情指数的第一偏最小二乘变量投影值，将所述第一偏最小...

【专利技术属性】
技术研发人员：郑琼，黄文江，姜浩，王力，李丹，陈水森，
申请(专利权)人：广州地理研究所，
类型：发明
国别省市：广东;44