一种小麦种植区域分割与产量预测方法技术

本发明专利技术公开了一种小麦种植区域分割与产量预测方法，利用了现有开放的多光谱遥感数据以及卫星监测气象环境数据，实现了对冬小麦种植区域的精准分割以及科学的估产方法，从而避免了大规模的实地测绘以及气象监测带来的时间、人力、财力上的成本。同时，本发明专利技术模型具有较好的迁移性，不仅仅能够应用于冬小麦的种植区域的分割以及产量的预测，还能够有效的应用于其他农作物，为实现农业现代化、业务化提供了可能。

【技术实现步骤摘要】
一种小麦种植区域分割与产量预测方法
本专利技术属于图像处理及遥感
，具体涉及一种小麦种植区域分割与产量预测方法。
技术介绍
小麦的生长受到太阳辐射、大气、水文、土壤等多种外部环境因素的影响。通过综合应用遥感领域的专业知识以及数学上的优化算法，得到关于小麦生长外部环境因素的定量表示以及小麦通过多光谱表现出来的生物生长特征并由此实现种植区域的分割与估产模型的构建。由于需要采集统计的生长环境数据较多，人工使用仪器实地监测必然会耗费大量的人力物力，通过反演的方法将遥感数据转换为作物生长的相关指标指数可以获得可靠稳定的监测数据。目前以MODIS为代表的遥感卫星传感器所产生的气象监测数据被广泛使用，从MODIS上可以获取关于植被叶绿素的吸收、大气中的气溶胶等数据，不过这些指标数据是对地表所有植被监测的，并不仅仅是对冬小麦。因此，如何准确的从多光谱遥感图像中分割出目标作物的种植区域是当前亟需解决的问题。目前农业估产相关的论文以及专利在种植区域的分割方面还是主要依赖与多光谱图像中的光谱数据来进行简单的公式计算，这种方法在数据量较少且具有较多的相关本文档来自技高网...

【技术保护点】
1.一种小麦种植区域分割与产量预测方法，包括如下步骤：/n(1)获取目标区域过去多年历史采集的多光谱遥感图像以及图像中小麦种植区域的气象环境信息并进行数据清洗工作；/n(2)对所述多光谱遥感图像进行辐射定标和大气校正的图像预处理工作，并将图像转换成RGB格式；/n(3)将经过步骤(2)处理过后的多光谱遥感图像划分成多个图像块，并对图像块中属于小麦种植区域的像素进行标记；/n(4)建立卷积神经网络，将图像块逐一输入至该神经网络对其进行训练，以得到用于区分图像中小麦种植区域的分割模型；/n(5)根据多光谱遥感图像中小麦种植区域的光谱信息，计算出小麦种植区域的作物生长特征；/n(6)建立小麦种植区域...

【技术特征摘要】
1.一种小麦种植区域分割与产量预测方法，包括如下步骤：
(1)获取目标区域过去多年历史采集的多光谱遥感图像以及图像中小麦种植区域的气象环境信息并进行数据清洗工作；
(2)对所述多光谱遥感图像进行辐射定标和大气校正的图像预处理工作，并将图像转换成RGB格式；
(3)将经过步骤(2)处理过后的多光谱遥感图像划分成多个图像块，并对图像块中属于小麦种植区域的像素进行标记；
(4)建立卷积神经网络，将图像块逐一输入至该神经网络对其进行训练，以得到用于区分图像中小麦种植区域的分割模型；
(5)根据多光谱遥感图像中小麦种植区域的光谱信息，计算出小麦种植区域的作物生长特征；
(6)建立小麦种植区域产量与气象环境信息及作物生长特征指标的多项式关系，利用历史数据对该多项式进行拟合，以得到用于测算小麦种植区域产量的预测模型；
(7)对于当前待预测的目标区域，获取其多光谱遥感图像，通过图像预处理并划分成多个图像块后，将各图像块输入至上述分割模型中从而得到图像中的小麦种植区域，进而采集小麦种植区域当前的气象环境信息并计算出小麦种植区域当前的作物生长特征，最后将当前的气象环境信息和作物生长特征输入至上述预测模型中便可计算得到小麦种植区域的产量。


2.根据权利要求1所述的小麦种植区域分割与产量预测方法，其特征在于：所述步骤(1)中的气象环境信息包括太阳辐射能量、地表反射率、月平均地表温度、月地表温度极值、月平均气温、月气温极值、月平均降水量、土壤潮湿度、月平均大气压强、月平均大气蒸发量、月平均蒸汽压强。


3.根据权利要求1所述的小麦种植区域分割与产量预测方法，其特征在于：所述步骤(...

【专利技术属性】
技术研发人员：邓水光，李畅，陈中平，王如杰，
申请(专利权)人：浙江大学中原研究院，浙江大学，
类型：发明
国别省市：河南;41