一种基于植被指数差异性的作物生长分析方法及系统技术方案

本发明专利技术涉及一种基于植被指数差异性的作物生长分析方法及系统，属于农业监测技术领域，所述方法包括以下步骤：S1，计算参考地块与待分析地块的植被指数之间的差异性；S2，基于所述差异性，确定所述植被指数对应的作物生长差异等级；S3，基于所述差异等级，对待分析地块的作物生长进行分析。该方法对作物生长情况的分析精度和稳定性较高，可操作性强，可移植程度高。度高。度高。

【技术实现步骤摘要】
一种基于植被指数差异性的作物生长分析方法及系统


[0001]本专利技术属于农业监测
，尤其涉及一种基于植被指数差异性的作物生长分析方法及系统。

技术介绍

[0002]为降低作物异常生长对农业生产的危害，各地在种植一线建立了多个植保站来监测作物生长异常发生的地点、范围和严重程度。但这种基于人工调查鉴别的方法费时费力且主观化严重。随着物联网技术的发展，各种农情监测设备可以通过网络传输实现作物生长异常的集中监测，但这些设备在监测方面往往具有滞后性，且在较大尺度内形成空间全域布设监测短期内仍是不可能实现的，难以满足实际生产需求。遥感技术作为一种宏观性强、时效快、经济成本低且数据综合力强的新技术，在作物生长异常监测方面具有广阔应用潜力。
[0003]利用遥感技术监测作物生长异常的物理基础主要是当作物受到胁迫时，往往会发生不同的应激症状或植株损伤，引发作物植株光谱反射的变化，从而被遥感传感器捕捉。为证明这一理论，研究人员开展了大量的地面研究。Wang等人利用ASDFieldspec3地物光谱仪发现水稻褐斑病和水稻纹枯病发病早期会引起990nm附近的红边波段发生异常，但由于人类视觉的限制，这一异常难以被人工察觉；Yang和Cheng的研究发现水稻受褐飞虱侵扰时，737～925nm范围内的近红外波段反射率会发生改变；Liu等人通过对水稻稻穗的光谱分析发现水稻颖枯病会引发850nm附近波段的反射率发生变化；刘占宇等人研究发现水稻细菌性褐斑病同样可以通过光谱异常现象监测出来；黄建荣等人的研究发现水稻受稻纵卷叶螟危害后，水稻叶片的光谱会发生明显变化，且受到的危害程度不同，波段也不同；Yang等人研究发现水稻褐飞虱和卷叶螟危害后有相似的光谱异常发生。以上研究表明，作物受不同胁迫时，其光谱反射率会在一定波段范围内发生变化，但这些波段可能会有一些重叠。因此，利用遥感技术监测作物光谱反射异常从而监测作物生长异常是可行的，但要监测具体某一种胁迫造成的异常还需要进一步探索。
[0004]虽然利用遥感技术观测作物生长异常的可行性已经在多次地面试验中被证实，但是鲜有在区域尺度利用对地观测技术监测作物生长异常的研究。目前，对待分析地块的作物生长情况的分析精度较低，稳定性不高。

技术实现思路

[0005]本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种基于植被指数差异性的作物生长分析方法及系统，通过计算参考地块与待分析地块的植被指数之间的差异性，确定植被指数对应的作物生长差异等级，进而基于差异等级，对待分析地块的作物生长进行分析。该方法对作物生长情况的分析精度和稳定性较高，可操作性强，可移植程度高。
[0006]根据本专利技术的一个方面，本专利技术提供了一种基于植被指数差异性的作物生长分析方法，所述方法包括以下步骤：
[0007]S1:计算参考地块与待分析地块的植被指数之间的差异性；
[0008]S2:基于所述差异性，确定所述植被指数对应的作物生长差异等级；
[0009]S3:基于所述差异等级，对待分析地块的作物生长进行分析。
[0010]优选地，所述计算参考地块与待分析地块的植被指数之间的差异性，包括：
[0011]获取所述参考地块和所述待分析地块的遥感影像，基于所述遥感影像分别计算所述参考地块的植被指数和所述待分析地块的植被指数，根据所述参考地块的植被指数和所述待分析地块的植被指数确定植被指数的差异性。
[0012]优选地，所述根据所述参考地块的植被指数和所述待分析地块的植被指数确定植被指数的差异性，包括：基于
[0013]参考地块概率测度：
[0014]待分析地块概率测度：
[0015]参考地块自信息：K
i
(x)＝
‑
ln(p
i
)
[0016]待分析地块自信息：K
i
(y)＝
‑
ln(q
i
)
[0017]待分析地块相对于参考地块的相对熵为：
[0018]参考地块相对于待分析地块的相对熵为：
[0019]获得植被差异性指数VID：VID(x,y)＝D(x||y)+D(y||x)
[0020]其中，是植被指数集合Z；Z中一个元素λ
i
代表一种植被指数，I是Z中元素个数；参考地块植被指数向量x＝(x1,
…
,x
L
)
T
；待分析地块植被指数向量y＝(y1,
…
,y
L
)
T
；L表示植被指数向量x、y的分量的个数；p＝(p1,p2,
…
,p
I
)
T
为基于x得到的期望概率向量；q＝(q1,q2,
…
,q
I
)
T
为基于y得到的期望概率向量。
[0021]优选地，所述基于所述差异性，确定所述植被指数对应的作物生长差异等级，包括：
[0022]根据所述植被差异性指数VID的值域，确定所述植被指数对应的作物生长差异等级，所述植被指数包括归一化差值指数NDI、绿叶指数GLI、归一化差值植被指数NDVI、绿波段归一化植被指数GNDVI、土壤调节植被指数SAVI、土壤调节优化植被指数OSAVI、修正简单比值指数MSR。
[0023]根据本专利技术的另一方面，本专利技术还提供了一种基于植被指数差异性的作物生长分析系统，所述系统包括：
[0024]计算模块，用于计算参考地块与待分析地块的植被指数之间的差异性；
[0025]确定模块，用于基于所述差异性，确定所述植被指数对应的作物生长差异等级；
[0026]分析模块，用于基于所述差异等级，对待分析地块的作物生长进行分析。
[0027]优选地，所述计算参考地块与待分析地块的植被指数之间的差异性，包括：
[0028]获取所述参考地块和所述待分析地块的遥感影像，基于所述遥感影像分别计算所述参考地块的植被指数和所述待分析地块的植被指数，根据所述参考地块的植被指数和所述待分析地块的植被指数确定植被指数的差异性。
[0029]优选地，所述根据所述参考地块的植被指数和所述待分析地块的植被指数确定植被指数的差异性，包括：基于
[0030]参考地块概率测度：
[0031]待分析地块概率测度：
[0032]参考地块自信息：K
i
(x)＝
‑
ln(p
i
)
[0033]待分析地块自信息：K
i
(y)＝
‑
ln(q
i
)
[0034]待分析地块相对于参考地块的相对熵为：
[0035]参考地块相对于待分析地块的相对熵为：
[0036]获得植被差异性指数VID：VID(x,y)＝D(x||y)+D(y||x)
[0037]其中，是植被指数集合Z；Z中一个元素λ...

【技术保护点】

【技术特征摘要】
1.一种基于植被指数差异性的作物生长分析方法，其特征在于，所述方法包括以下步骤：S1:计算参考地块与待分析地块的植被指数之间的差异性；S2:基于所述差异性，确定所述植被指数对应的作物生长差异等级；S3:基于所述差异等级，对待分析地块的作物生长进行分析。2.根据权利要求1所述的方法，其特征在于，所述计算参考地块与待分析地块的植被指数之间的差异性，包括：获取所述参考地块和所述待分析地块的遥感影像，基于所述遥感影像分别计算所述参考地块的植被指数和所述待分析地块的植被指数，根据所述参考地块的植被指数和所述待分析地块的植被指数确定植被指数的差异性。3.根据权利要求2所述的方法，其特征在于，所述根据所述参考地块的植被指数和所述待分析地块的植被指数确定植被指数的差异性，包括：基于参考地块概率测度：待分析地块概率测度：参考地块自信息：K
i
(x)＝
‑
ln(p
i
)待分析地块自信息：K
i
(y)＝
‑
ln(q
i
)待分析地块相对于参考地块的相对熵为：参考地块相对于待分析地块的相对熵为：获得植被差异性指数VID：VID(x,y)＝D(x||y)+D(y||x)其中，是植被指数集合Z；Z中一个元素λ
i
代表一种植被指数，I是Z中元素个数；参考地块植被指数向量x＝(x1,
…
,x
L
)
T
；待分析地块植被指数向量y＝(y1,
…
,y
L
)
T
；L表示植被指数向量x、y的分量的个数；p＝(p1,p2,
…
,p
I
)
T
为基于x得到的期望概率向量；q＝(q1,q2,
…
,q
I
)
T
为基于y得到的期望概率向量。4.根据权利要求3所述的方法，其特征在于，所述基于所述差异性，确定所述植被指数对应的作物生长差异等级，包括：根据所述植被差异性指数VID的值域，确定所述植被指数对应的作物生长差异等级，所述植被指数包括归一化差值指数NDI、绿叶指数GLI、归一化差值植被指数NDVI、绿波段归一化植被指数GNDVI、土壤调节植被指数SAVI、土壤调节优化植被指数OSAVI、修正简单比值指数MSR。5.一种基于植被指数差异性的作物生长分析系统，其特征在于，所述系统包括：计算模块，用于计算参考地块与待分析地块的植被指数之间的差异性；确定模块，用于基于所述差异性，确定所述植被指数对应的作物生长差异等级；分析模块，...

【专利技术属性】
技术研发人员：李福根，
申请(专利权)人：中化现代农业有限公司，
类型：发明
国别省市：