一种融合物联网和卫星数据生成时空连续农作物参数的方法和系统技术方案

本发明专利技术提出一种融合物联网和卫星数据生成时空连续农作物参数的方法，包括：S1.从物联网平台获取农作物关键参数X及其所在的农田边界；S2.根据农田边界获取覆盖整块农田、多时相农作物参数的卫星遥感影像Y；S3.建立卫星的每个像元的农作物参数数值和物联网的农作物关键参数X间的关系模型；S4.对每个卫星像元，进行S3的操作；S5.重复步骤S1

【技术实现步骤摘要】
一种融合物联网和卫星数据生成时空连续农作物参数的方法和系统


[0001]本专利技术涉及农作物参数融合
，更具体地，涉及一种融合物联网和卫星数据生成时空连续农作物参数的方法和系统。

技术介绍

[0002]在农业生产中，常用农作物参数来描述农作物的生长状态和长势，例如多种植被指数、叶面积指数、叶绿素等。随着农作物的生长，这些参数会呈现出季节性的变化，掌握整个农田的农作物参数季节性连续变化趋势和特征对于农作物长势监测、精准管理和产量估算等有重要的意义。在目前的精准农业研究中，农作物参数的提取通常是基于从地面、无人机或卫星遥感平台采集的数据。不同的平台有各自的优势和劣势。地面数据采集分为人工采集和基于物联网平台的采集两种。人工采集耗时费力，难以获取时间连续的数据，搭载在物联网平台上的多种传感器则可以连续采集数据，但是物联网平台通常安装在农田的某个点位，观测范围有限，难以获取整个农田的农作物长势数据。无人机遥感平台可以搭载多种传感器，在整个生长季多次飞行，并覆盖整个农田，但是无人机遥感平台获取的数据处理流程仍未非常成熟，且每日连续飞行的成本较高。相比较而言，近些年快速发展的卫星遥感平台为获取农田观测数据提供了很大的便利，如欧盟的哨兵系列卫星具有10米的空间分辨率和5天的时间分辨率。但光学卫星数据会严重受到云的影响，即有云的时候没有数据，在我国南方多云的地区常常会出现生长关键时期数据缺失的问题。因此，综合不同数据的优劣势，将不同平台的数据进行融合是获取整个农田、时间连续数据的关键。
[0003]目前的融合研究主要存在以下两个问题：1)主要集中卫星平台之间，如不同卫星传感器获取的数据之间进行融合，跨平台间的融合算法十分缺乏。2)不同传感器获取的反射率数据通常具有不同的波段、光谱响应函数等，直接对反射率数据进行融合，首先需要消除这些差异造成的影响，这会增加融合算法的复杂性和不确定性。对定义统一的农作物参数进行融合则可以直接略去由波段、光谱响应函数等造成的影响，目前直接对参数进行融合的算法也比较缺乏。

技术实现思路

[0004]针对
技术介绍
中的问题，本专利技术提出一种融合算法，将安装在农田某一点的物联网平台获取的每日连续农作物参数与卫星遥感平台获取的覆盖整个农田、但时间不连续的农作物参数进行融合，生成每日连续、覆盖整个农田的农作物参数产品。
[0005]本专利技术提出一种融合物联网和卫星数据生成时空连续农作物参数的方法，包括：
[0006]S1.从物联网平台获取农作物关键参数X及其所在的农田边界；
[0007]S2.根据农田边界获取覆盖整块农田、多时相农作物参数的卫星遥感影像Y；
[0008]S3.建立卫星的每个像元的农作物参数数值和物联网的农作物关键参数X间的关系模型；
[0009]S4.对每个卫星像元，进行S3的操作；
[0010]S5.重复步骤S1
‑
S4生成每天的覆盖整块农田的农作物参数空间分布遥感影像。
[0011]本专利技术还提出一种融合物联网和卫星数据生成时空连续农作物参数的系统，包括：处理器，所述处理器能够执行计算机程序，以完成如权利要求1
‑
7任一项所述的方法。
[0012]本专利技术的有益效果包括：
[0013]1)相较于多数研究直接使用反射率数据进行融合，本专利技术以已生成的农作物参数产品为输入进行融合；
[0014]2)跨遥感平台数据融合，即融合地面物联网获取的单点每日连续农作物参数和卫星遥感平台获取的整个农田、时间不连续农作物参数；
[0015]3)不仅限于预测，还能回溯。
附图说明
[0016]为了更容易理解本专利技术，将通过参照附图中示出的具体实施方式更详细地描述本专利技术。这些附图只描绘了本专利技术的典型实施方式，不应认为对本专利技术保护范围的限制。
[0017]图1为本专利技术的方法的一个实施方式的流程图。
[0018]图2为农作物参数和隐过程之间的关系图。
[0019]图3为一个像元的时间序列曲线的图。
具体实施方式
[0020]下面参照附图描述本专利技术的实施方式，以便于本领域的技术人员可以更好的理解本专利技术并能予以实施，但所列举的实施例不作为本专利技术的限定，在不冲突的情况下，下述的实施例及实施例中的技术特征可以相互组合，其中相同的部件用相同的附图标记表示。
[0021]本专利技术的方法如图1所示，包括步骤S1
‑
S4。
[0022]S1.从物联网平台获取农作物关键参数X及其所在的农田边界。
[0023]从物联网平台提取农作物关键参数X及其所在的农田边界(例如经纬度)。若一块农田内安装了多台物联网，则获取每一台物联网的经纬度，提取每一台物联网估算的随季节变化的关键参数X，例如叶面积指数、归一化植被指数、光和有效辐射吸收系数等
[0024]S2，根据农田边界获取覆盖整块农田、多时相农作物参数的卫星遥感影像Y。
[0025]根据每一台物联网的经纬度，从卫星遥感影像Y中找到相应的像元P
IOT
，并提取该像元对应的遥感影像数值Y
t
(P
IOT
)，其中t代表遥感卫星影像的时间。
[0026]S3.建立卫星的每个像元的农作物参数数值和物联网的农作物关键参数X间的关系模型。
[0027]本专利技术的方法基于状态空间模型中的动态线性模型。状态空间模型是将时间序列的数据视为一组成分的组合，如趋势、周期或者回归。它使用状态方程和量测方程来描述动态系统的状态，其中状态方程描述动态系统的状态从前一时刻到当前时刻的变化规律，量测方程描述观测值和系统状态之间的变化关系。当其中的状态误差和观测值都是正态分布的，则生成了线性动态模型。通过系统输入输出观测数据，通过“预测”与“更新”两个过程对系统的状态进行最优估计。
[0028]在本专利技术中，设定农田内每个物联网都能代表一定的区域范围，在该区域内，所有
农作物的生长趋势(上升、下降等)都和物联网观测范围内的农作物相同，但在具体的数值上存在不同的波动。例如，物联网测量的是叶面积指数，则周围农作物的叶面积指数随季节的变化和物联网测量的叶面积指数相同，即所有卫星像元对应的叶面积指数的季节变化趋势也相同。
[0029]因此，本专利技术中，设定卫星的每个像元的农作物参数数值和物联网的数值间存在以下关系：
[0030]Y
t
＝θ
1,t
+θ
2,t
×
X
t
+ε
t
,ε
t
～N(0,σ
t2
)
[0031]其中，Y
t
代表卫星像元在日期t的农作物参数，X
t
代表物联网在日期t的农作物参数，θ
t
代表隐过程，σ
t
代表观测噪声。
[0032]使用动态线性模型，将所述关系模型表达为测量方程和状态方程。
...

【技术保护点】

【技术特征摘要】
1.一种融合物联网和卫星数据生成时空连续农作物参数的方法，其特征在于，包括：S1.从物联网平台获取农作物关键参数X及其所在的农田边界；S2.根据农田边界获取覆盖整块农田、多时相农作物参数的卫星遥感影像Y；S3.建立卫星的每个像元的农作物参数数值和物联网的农作物关键参数X间的关系模型；S4.对每个卫星像元，进行S3的操作；S5.重复步骤S1
‑
S4生成每天的覆盖整块农田的农作物参数空间分布遥感影像。2.根据权利要求1所述的方法，其特征在于，所述关系模型为线性模型：Y
t
＝θ
1，t
+θ
2，t
×
X
t
+ε
t
，ε
t
～N(0，σ
t2
)其中，Y
t
代表卫星像元在日期t的农作物参数，X
t
代表物联网在日期t的农作物参数，θ
t
代表隐过程。3.根据权利要求2所述的方法，其特征在于，所述关系模型表达为测量方程和状态方程，测量方程为：Y
t
＝h
t
(θ
t
，v
t
，x
t
)，v
t
～N(0，V
t
)状态方程为：θ
t
＝g
t
(θ
t
‑1，w
t
)，w<...

【专利技术属性】
技术研发人员：李文娟，吴文斌，余强毅，宋茜，
申请(专利权)人：中国农业科学院农业资源与农业区划研究所，
类型：发明
国别省市：