【技术实现步骤摘要】
基于多点位融合的小麦产量估测方法
[0001]本专利技术涉及的是小麦产量估测
,具体涉及一种基于多点位融合的小麦产量估测方法。
技术介绍
[0002]作物产量的准确估算对于作物管理和粮食安全非常重要。随着遥感技术不断发展,遥感数据源越来越丰富,使得大范围实时监测农作物长势成为可能,大量改进型光谱特征参数、植被指数反演农学参数为精准农业提供技术支持,光谱遥感凭借波段连续性强、光谱信息量大的优势,为实时快速大面积监测作物长势提供有效信息[[1]马驿.基于多源遥感数据的油菜长势监测[D].华中农业大学,2016.]。
[0003]到目前为止尽管已经开发了许多基于单一遥感数据源的方法,但仍需要进一步开发具有更高空间和时间分辨率的多源数据[[1]Li Y,Ren Y Z,Gao W L,et al.ANALYSIS OF INFLUENCING FACTORS ON WINTER WHEAT YIELD ESTIMATIONS BASED ON A MULTISOURCE REMOTE SENSING DATA FUSI ...
【技术保护点】
【技术特征摘要】
1.基于多点位融合的小麦产量估测方法,其特征在于,包括以下步骤:(1)、小麦估产最佳时项选取小麦产量形成的时期在蜡熟末期以后选择,该时期以后也是产量估测的最佳时期;(2)、采样点位设置及主要数据采集方式试验区内随机设置多个地面采样点,其中点位总数的90%用于建模,点位总数的10%用于验证;采样面积为1m
×
1m,地面采样点对应无人机GPS定位,用于后期提取数据;利用Pix4DMapper对无人机数据进行辐射校正、图像拼接,得到波段正射反射率图;利用Arcgis10.2或ENVI软件进行植被指数计算,提取观测点对应的植被指数数值;在达到作物收获时期对事先设置的样方收割测产,得到产量数据;(3)、气象驱动数据预处理气象驱动数据的预处理主要包括小麦生长季期间数据的提取,生长季各个气象要素区域平均值的统计,以及数据格式的转化;为了及时追踪作物生长过程又不使数据冗余,使用逐日的气象要素数据并将其转化为深度学习网络适用的数据格式,作为深度神经网络模型的输入;气象数据下载后在电脑上使用GDAL工具包处理;为了减小噪声,将气象数据制作成6天间隔时间序列,作物掩膜也同步应用于上面;去除无效值并进行空间插值,同时每个变量归一化到0
‑
1;(4)、相关性分析验证各植被指数是否与小麦产量具有相关性:对田间试验采集的数据,根据实测产量,按照1:1分开,选择中其90%用于样本模型构建,分别从整个生育期、种植密度、施氮量、各生育期几个方面进行颜色指数与产量的相...
【专利技术属性】
技术研发人员:郭雷风,秦佳乐,王文生,申玉林,
申请(专利权)人:中国农业科学院农业信息研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。