一种基于增强物候特征的越冬作物早期分类方法和系统技术方案

本申请涉及应用电子设备进行数据识别的方法或装置，提供了一种基于增强物候特征的越冬作物早期分类方法和系统，该方法包括：基于预先获取的时序遥感影像，确定目标越冬作物的生长早期多个物候期分别对应的多个类别的时序分类特征影像；对多个类别的时序分类特征影像进行特征筛选，确定每个物候期的分类特征变量集合；基于每个物候期的分类特征变量集合，确定每个物候期的增强型物候特征指数集合；根据增强型物候特征指数对预先构建的第一作物分类模型进行训练，以基于训练后的第一作物分类模型对目标越冬作物进行分类。如此，通过基于物候特征对作物分类特征进行增强，提高越冬作物早期的识别精度。作物早期的识别精度。作物早期的识别精度。

【技术实现步骤摘要】
一种基于增强物候特征的越冬作物早期分类方法和系统


[0001]本申请涉及应用电子设备进行数据识别的方法或装置
，特别涉及一种基于增强物候特征的越冬作物早期分类方法和系统。

技术介绍

[0002]越冬作物(比如冬小麦)在生长早期，由于作物的叶片尚未长成，无法对地表形成完全覆盖，种植区域中仍有部分土壤裸露，导致植被信息和土壤信息混合，植被特征较弱，给越冬作物早期识别带来了一系列挑战。
[0003]因此，需要提供一种针对上述现有技术不足的改进技术方案。

技术实现思路

[0004]本申请的目的在于提供一种基于增强物候特征的越冬作物早期分类方法和系统，以解决或缓解上述现有技术中存在的问题。
[0005]为了实现上述目的，本申请提供如下技术方案：
[0006]本申请实施例提供一种基于增强物候特征的越冬作物早期分类方法，包括：
[0007]基于预先获取的时序遥感影像，确定目标越冬作物的生长早期多个物候期分别对应的多个类别的时序分类特征影像；其中，所述目标越冬作物的生长早期多个物候期至少包括第一物候期和第二物候期，所述第一物候期表征所述目标越冬作物的播种期，所述第二物候期表征所述目标越冬作物的越冬前期或所述目标越冬作物的返青期；所述多个类别的时序分类特征影像至少包括物候变化特征影像；
[0008]对所述多个类别的时序分类特征影像进行特征筛选，确定每个所述物候期的分类特征变量集合；
[0009]基于每个所述物候期的分类特征变量集合，确定每个所述物候期的增强型物候特征指数集合；
[0010]根据所述增强型物候特征指数集合对预先构建的第一作物分类模型进行训练，以基于训练后的所述第一作物分类模型对所述目标越冬作物进行分类，得到所述目标越冬作物的分类结果。
[0011]优选地，所述对所述多个类别的时序分类特征影像进行特征筛选，确定每个所述物候期的分类特征变量集合，包括：
[0012]基于随机森林法，计算每个所述物候期的所述多个类别的时序分类特征影像中每一分类特征的重要性评分，并基于所述每一分类特征的重要性评分确定第一分类特征变量集合；
[0013]基于相关分析的分析方法，对所述第一分类特征变量集合进行相关性筛选，确定每个所述物候期的分类特征变量集合。
[0014]优选地，所述基于随机森林法，计算每个所述物候期的所述多个类别的时序分类特征影像中每一分类特征的重要性评分，并基于所述每一分类特征的重要性评分确定第一
分类特征变量集合，包括：
[0015]步骤S111、基于随机森林法的袋外误差，确定每个所述物候期的所述多个类别的时序分类特征影像中每一分类特征的重要性评分；
[0016]步骤S112、对所述重要性评分进行降序排序，并去掉排序靠后的M个所述重要性评分对应的分类特征，得到新的分类特征变量子集；其中，M为大于1的整数；
[0017]步骤S113、根据所述新的分类特征变量子集，确定所述目标越冬作物的分类精度；
[0018]步骤S114、迭代执行步骤S111～步骤S113，直至所述目标越冬作物的分类精度收敛，以所述目标越冬作物的分类精度收敛时对应的分类特征变量子集作为所述第一分类特征变量集合。
[0019]优选地，所述基于每个所述物候期的分类特征变量集合，确定每个所述物候期的增强型物候特征指数集合，包括：
[0020]对每个所述物候期的分类特征变量集合中的每一分类特征变量对应的时序分类特征影像进行合成处理，得到每个所述物候期的增强型物候特征指数集合；其中，所述分类特征变量集合中的分类特征变量与所述增强型物候特征指数集合中的所述增强型物候特征指一一对应。
[0021]优选地，所述物候变化特征包括作物物候差值指数；所述作物物候差值指数按如下公式计算得到：
[0022]WPDI＝Max{NDPI
Pho_2
}
‑
Min{NDPI
Pho_1
}
[0023]式中，WPDI表示所述作物物候差值指数；NDPI
Pho_1
表示所述第一物候期的归一化物候指数的时序数据，NDPI
Pho_2
表示所述第二物候期的归一化物候指数的时序数据。
[0024]优选地，所述物候变化特征包括作物物候比值指数；所述作物物候比值指数按如下公式计算得到：
[0025][0026]式中，WPRI表示所述作物物候比值指数；NDPI
Pho_1
表示所述第一物候期的归一化物候指数的时序数据，NDPI
Pho_2
表示所述第二物候期的归一化物候指数的时序数据。
[0027]优选地，所述物候变化特征还包括所述越冬前期时间窗口内的归一化物候指数最大值对应的年积日；
[0028]按照公式：
[0029]DOY
max
＝argmax{NDPI
pho
|pho
_3
≤pho≤pho
_4
}
[0030]确定所述越冬前期时间窗口内的归一化物候指数最大值对应的年积日；
[0031]式中，DOY
max
表示所述越冬前期时间窗口内的归一化物候指数最大值对应的年积日；NDPI
pho
表示归一化物候指数；pho_3表示所述目标越冬作物的播种期；pho_4表示所述目标越冬作物的越冬前期。
[0032]优选地，在根据所述增强型物候特征指数集合对预先构建的第一作物分类模型进行训练之前，所述方法还包括：
[0033]通过网格搜索算法，对所述预先构建的第一作物分类模型的超参数进行调优。
[0034]优选地，所述方法还包括：
[0035]基于预先构建的第二作物分类模型，对相同时期所述目标越冬作物之外的其他越
冬作物进行分类，得到其他越冬作物分类结果；
[0036]对所述目标越冬作物的分类结果与所述其他越冬作物分类结果进行叠加，确定所述目标越冬作物的分类结果与所述其他越冬作物分类结果的重叠区域；
[0037]将所述重叠区域从所述目标越冬作物的分类结果中剔除。
[0038]本申请实施例提供一种基于增强物候特征的越冬作物早期分类系统，包括：
[0039]第一计算单元，配置为基于预先获取的时序遥感影像，确定目标越冬作物的生长早期多个物候期分别对应的多个类别的时序分类特征影像；其中，所述目标越冬作物的生长早期多个物候期至少包括第一物候期和第二物候期，所述第一物候期表征所述目标越冬作物的播种期，所述第二物候期表征所述目标越冬作物的越冬前期或所述目标越冬作物的返青期；所述时序分类特征影像至少包括物候变化特征影像；
[0040]特征筛选单元，配置为对所述多个类别的时序分类特征影像进行特征筛选，确定每个所述物候期的分类特征变量集合；
[0041]第二计算单元，配置为基于每个所述物候期的分类特征变量集合，确定每个所述物候期本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于增强物候特征的越冬作物早期分类方法，其特征在于，包括：基于预先获取的时序遥感影像，确定目标越冬作物的生长早期多个物候期分别对应的多个类别的时序分类特征影像；其中，所述目标越冬作物的生长早期多个物候期至少包括第一物候期和第二物候期，所述第一物候期表征所述目标越冬作物的播种期，所述第二物候期表征所述目标越冬作物的越冬前期或所述目标越冬作物的返青期；所述多个类别的时序分类特征影像至少包括物候变化特征影像；对所述多个类别的时序分类特征影像进行特征筛选，确定每个所述物候期的分类特征变量集合；基于每个所述物候期的分类特征变量集合，确定每个所述物候期的增强型物候特征指数集合；根据所述增强型物候特征指数集合对预先构建的第一作物分类模型进行训练，以基于训练后的所述第一作物分类模型对所述目标越冬作物进行分类，得到所述目标越冬作物的分类结果。2.根据权利要求1所述的基于增强物候特征的越冬作物早期分类方法，其特征在于，所述对所述多个类别的时序分类特征影像进行特征筛选，确定每个所述物候期的分类特征变量集合，包括：基于随机森林法，计算每个所述物候期的所述多个类别的时序分类特征影像中每一分类特征的重要性评分，并基于所述每一分类特征的重要性评分确定第一分类特征变量集合；基于相关分析的分析方法，对所述第一分类特征变量集合进行相关性筛选，确定每个所述物候期的分类特征变量集合。3.根据权利要求2所述的基于增强物候特征的越冬作物早期分类方法，其特征在于，所述基于随机森林法，计算每个所述物候期的所述多个类别的时序分类特征影像中每一分类特征的重要性评分，并基于所述每一分类特征的重要性评分确定第一分类特征变量集合，包括：步骤S111、基于随机森林法的袋外误差，确定每个所述物候期的所述多个类别的时序分类特征影像中每一分类特征的重要性评分；步骤S112、对所述重要性评分进行降序排序，并去掉排序靠后的M个所述重要性评分对应的分类特征，得到新的分类特征变量子集；其中，M为大于1的整数；步骤S113、根据所述新的分类特征变量子集，确定所述目标越冬作物的分类精度；步骤S114、迭代执行步骤S111～步骤S113，直至所述目标越冬作物的分类精度收敛，以所述目标越冬作物的分类精度收敛时对应的分类特征变量子集作为所述第一分类特征变量集合。4.根据权利要求1所述的基于增强物候特征的越冬作物早期分类方法，其特征在于，所述基于每个所述物候期的分类特征变量集合，确定每个所述物候期的增强型物候特征指数集合，包括：对每个所述物候期的分类特征变量集合中的每一分类特征变量对应的时序分类特征影像进行合成处理，得到每个所述物候期的增强型物候特征指数集合；其中，所述分类特征变量集合中的分类特征变量与所述增强型物候特征指数集合中的所述增强型物候特征指
一一对应。5.根据权利要求1所述的基于增强物候特征的越冬作物早期分类方法，其特征在于，所述物候变化特征包括作物物候差值指数；所述作物物候差值指数按如下公式计算得到：WPDI＝Max{NDPI
Pho_2
}
‑
Min{NDPI
Pho_1
}式中，WPDI表示所述作物物候差值指数；NDP...

【专利技术属性】
技术研发人员：张锦水，刘修宇，韩巍，韩旭，申克建，胡华浪，石智峰，
申请(专利权)人：农业农村部大数据发展中心，
类型：发明
国别省市：