一种基于遥感影像数据的水稻估产方法、装置及设备制造方法及图纸

本发明专利技术提供一种基于遥感影像数据的水稻估产方法、装置及设备，所述方法包括：获取目标水稻区域当中各预设样本点的实测水稻产量；获取涵盖目标水稻区域的遥感影像数据，并基于遥感影像数据每个位置点的原始波段计算出遥感影像数据每个位置点对应的植被指数和纹理特征；从遥感影像数据当中提取每个预设样本点对应的建模因子，建模因子包括植被指数、纹理特征和各原始波段；根据每个预设样本点的建模因子及实测水稻产量，训练水稻估产模型；采用水稻估产模型进行待估产区域的水稻估产。本发明专利技术采用哨兵2号高清遥感影像数据、并搭配高精度的水稻估产建模方法，能够大幅提高水稻估产准确性和可靠性，不仅在平原地区适用、对于丘陵地区也依然适用。地区也依然适用。地区也依然适用。

【技术实现步骤摘要】
一种基于遥感影像数据的水稻估产方法、装置及设备


[0001]本专利技术涉及水稻估产
，特别涉及一种基于遥感影像数据的水稻估产方法、装置及设备。

技术介绍

[0002]从古至今，如何为我国粮食安全及农产品贸易提供及时准确的作物长势、灾害损失定量评估、产量预估等信息，一直是农业领域专家重点研究的方向，在农作物生长过程中都希望尽可能精确估计作物产量。
[0003]现有的水稻遥感估产方面的研究当中，一般采用的是Landsat和MODIS等卫星遥感数据进行估产，或利用无人机平台（UAV）上的数字传感器进行产量估算，但是这两种方法存在一定的局限性。Landsat(30m)和MODIS(250
‑
500m)卫星遥感影像因分辨率不高且加上目前水稻遥感估产算法本身的精度缺陷，虽然能够满足大尺度范围内（如平原地区）的水稻估产工作，但对于存在较多细碎且不规则田块的丘陵地区，其空间异质性程度较高，估产应用难度和精度受到了极大的考验；无人机遥感技术可灵活搭配不同的传感器进行光谱信息收集，可选择不同的光谱波段范围，空间分辨率最高可达厘米级，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遥感影像数据的水稻估产方法，其特征在于，所述方法包括：获取目标水稻区域当中各预设样本点的实测水稻产量，各所述预设样本点分布在所述目标水稻区域的各个位置，并记录有每个所述预设样本点的位置信息；获取涵盖所述目标水稻区域的遥感影像数据，并基于所述遥感影像数据每个位置点的原始波段计算出所述遥感影像数据每个位置点对应的植被指数和纹理特征；根据所述预设样本点的位置信息，从所述遥感影像数据当中提取每个所述预设样本点对应的建模因子，所述建模因子包括植被指数、纹理特征和各原始波段；根据每个所述预设样本点的所述建模因子及所述实测水稻产量，训练水稻估产模型；采用所述水稻估产模型对获取的涵盖待估产区域的遥感影像数据进行所述待估产区域的水稻估产。2.根据权利要求1所述的基于遥感影像数据的水稻估产方法，其特征在于，根据每个所述预设样本点的所述建模因子及所述实测水稻产量，训练水稻估产模型的步骤包括：将所述预设样本点的所述建模因子与所述实测水稻产量进行相关性分析，以从各所述建模因子当中筛选出与所述实测水稻产量相关的最终建模因子；根据所述最终建模因子及对应的所述实测水稻产量对预设卷积神经网络进行训练，训练得到所述水稻估产模型。3.根据权利要求2所述的基于遥感影像数据的水稻估产方法，其特征在于，根据所述最终建模因子及对应的所述实测水稻产量对预设卷积神经网络进行训练，训练得到所述水稻估产模型的步骤包括：将所述最终建模因子和对应的所述实测水稻产量进行组合，得到不同组合的训练样本；根据不同组合的训练样本分别对预设卷积神经网络进行训练，以训练得到每种组合的训练样本对应的卷积神经网络预测模型；计算出每种所述卷积神经网络预测模型的决定系数、均方根误差及预测精度；基于所述决定系数、所述均方根误差及所述预测精度，从所有所述卷积神经网络预测模型筛选出最优的所述水稻估产模型。4.根据权利要求3所述的基于遥感影像数据的水稻估产方法，其特征在于，所述预测精度的计算公式为：P=1
‑
E，其中，；式中，P为所述预测精度，E代表相对误差，EP表示预测产量，AP表示实际产量。5....

【专利技术属性】
技术研发人员：叶英聪，曾学亮，郭熙，钟亮，刘玉清，
申请(专利权)人：江西农业大学，
类型：发明
国别省市：