基于高分遥感影像的农作物长势监测方法、设备及介质技术

本申请涉及一种基于高分遥感影像的农作物长势监测方法、设备及介质，涉及农业遥感监测技术领域，其方法包括：预测待监测区域内每种待监测农作物对应的多个监测时间段；获取当前时间段内待监测区域的高分遥感影像数据；确定包含所述当前时间段的监测时间段对应的待监测农作物的目标农作物；根据所述高分遥感影像数据对所述目标农作物的长势进行分析，得到目标农作物的长势信息；获取与当前时间段对应目标农作物的比对数据信息；所述比对数据信息包括历史长势信息和预设指标信息；将所述目标农作物的长势信息与比对数据信息进行分析，得到所述目标农作物的监测结果。本申请具有节省遥感影像监测资源的效果。遥感影像监测资源的效果。遥感影像监测资源的效果。

【技术实现步骤摘要】
基于高分遥感影像的农作物长势监测方法、设备及介质


[0001]本申请涉及农业遥感监测
，尤其是涉及一种基于高分遥感影像的农作物长势监测方法、设备及介质。

技术介绍

[0002]农作物长势是指作物生长的状况与趋势，或者说农作物生产的态势，而对农作物长势的监测通常是指对作物的苗情、生长状况及其变化的宏观监测，通过监测农作物的长势可以及时了解每种作物在各个生育期的生长状况、病虫害或农作物营养状况，并对每种作物的产量进行预测，从而指导人们采取对应的管理措施。
[0003]目前，对农作物长势监测采用NDVI、EVI等遥感影像全年监测某一个区域的农作物长势，根据获得的遥感影像数据，利用年度遥感指数的变化，将当前时期的遥感数据与历史年份同期的数据进行对比分析，分析区域中每种农作物的长势情况，从而实现对农作物长势的管理。
[0004]但是，由于农作物在每年不同情况下整体的生长阶段可能不同，每一种类型农作物的每个生长状态监测时间也不同，这样每个时期均对所有类型的农作物进行分析，浪费了遥感监测资源。

技术实现思路

[0005]为了节省遥感影像监测资源，本申请提供一种基于高分遥感影像的农作物长势监测方法、设备及介质。
[0006]第一方面，本申请提供一种基于高分遥感影像的农作物长势监测方法，采用如下的技术方案：一种基于高分遥感影像的农作物长势监测方法，包括：预测待监测区域内每种待监测农作物对应的多个监测时间段；获取当前时间段内待监测区域的高分遥感影像数据；确定包含所述当前时间段的监测时间段对应的待监测农作物的目标农作物；根据所述高分遥感影像数据对所述目标农作物的长势进行分析，得到目标农作物的长势信息；获取与当前时间段对应目标农作物的比对数据信息；所述比对数据信息包括历史长势信息和预设指标信息；将所述目标农作物的长势信息与所述比对数据信息进行分析，得到所述目标农作物的监测结果。
[0007]通过采用上述技术方案,通过预测待监测区域中每种待监测农作物的监测时间段，不同监测时间段分别监测不同类型的农作物，按照监测时间段对待监测区域进行高分遥感影像拍摄，并且按照监测时间段对应的待监测农作物类型对高分遥感影像进行分析，在某一监测时间段内，仅仅只对监测时间段对应的待监测农作物进行分析，无需对其它类
型的农作物分析，大大节省了待监测农作物的遥感监测资源。
[0008]可选的，所述预测待监测区域内每种待监测农作物对应的多个监测时间段包括：获取待监测区域历史年份多个时间段的历史温度信息以及每种待监测农作物对应的各个历史生长周期范围；以所述历史温度信息以及所述每种待监测农作物的各个历史生长周期范围为训练样本，采用预置机器学习算法进行训练，生成每种待监测农作物对应的生长周期预测模型；将当前年份划分为多个时间段；获取当前年份至少一个所述时间段的第一温度信息；将所述第一温度信息输入至所述生长周期预测模型，得到每种待监测农作物对应的生长周期范围；获取当前时间段的当前温度信息；根据所述当前温度信息、所述每种待监测农作物对应各个生长周期范围和所述历史温度信息分析下一时间段内的待监测农作物的开始种植时间；基于所述下一时间段内的待监测农作物的所述开始种植时间和生长周期范围调整每种未监测农作物对应的多个监测时间段。
[0009]通过采用上述技术方案，采用历史年份多个时间段的历史温度信息以及每种待监测农作物对应的各个历史生长周期范围每种农作物的生长周期预测模型，并且根据当前年份的至少一个时间段的温度预测全年中待监测区域中的每种农作物的监测时间段，再根据当前的温度信息实时调整全年中待监测区域的每种待监测农作物的监测时间段，提高了预测待监测区域内每种待监测农作物对应的多个监测时间段的准确性。
[0010]可选的，所述当前温度信息包括平均温度和温度变化趋势，所述根据所述当前温度信息、所述每种待监测农作物对应各个生长周期范围和所述历史温度信息分析下一时间段内的待监测农作物的开始种植时间包括：根据所述每种待监测农作物对应的各个生长周期范围判断下一时间段是否存在待监测农作物；若存在，则判断当前时间段的平均温度与历史年份中相同时间段的平均温度是否相同；若所述平均温度相同，则分析所述当前时间段的温度变化趋势与历史年份中相同时间段的温度变化趋势是否相同；若所述温度变化趋势相同，则确定下一时间段的待监测农作物的开始种植时间与历史年份的历史开始种植时间相同；若所述温度变化趋势不相同，则以历史年份相同时间段为节点，根据所述当前时间段长度查找与当前时间段的平均温度和温度变化趋势相同的目标时间段；基于所述目标时间段与历史开始种植时间计算下一时间段的待监测农作物的开始种植时间；若所述平均温度和所述温度变化趋势均不相同，则获取当前时间段和上一时间段的温度异常因素信息；基于所述温度异常因素信息确定下一时间段的待监测农作物的开始种植时间；
若不存在，则检测下一时间段的温度信息，并将下一时间段作为当前时间段，执行所述根据所述每种待监测农作物对应的各个生长周期范围判断下一时间段是否存在待监测农作物的步骤。
[0011]通过采用上述技术方案，通过将当前时间段的平均温度和温度变化趋势两种因素共同分析下一个时间段内每种农作物的开始种植时间，根据下一时间段内每种农作物的开始种植时间和预测的全年农作物的生长周期范围实时调整当前未监测农作物的监测时间，使得对于不同待监测农作物进行遥感影像监测的时间更加准确。
[0012]可选的，所述温度异常因素信息包括异常类型和异常结束时间，所述异常类型包括旱灾、水灾以及气候变暖；所述基于所述温度异常因素确定下一时间段的待监测农作物的开始种植时间包括：预先根据不同类型异常因素和不同类型异常因素的任意组合赋予不同的灾害恢复时间；根据所述温度异常因素确定所述当前时间段对应的灾害恢复时间；将所述异常结束时间和所述灾害恢复时间相加，计算得到灾害影响时间；查找与当前时间段的温度信息相似的历史温度信息，估计下一时间段的待监测农作物的第一开始种植时间；基于下一时间段的待监测农作物对应的各个所述生长周期范围和所述第一开始种植时间确定下一时间段的待监测农作物的第二开始种植时间；判断所述灾害影响时间是否位于所述第二开始种植时间之后；若是，则基于所述第二开始种植时间和所述灾害影响时间确定下一时间段内待监测农作物的开始种植时间；若否，则将所述第二开始种植时间作为下一时间段内待监测农作物的开始种植时间。
[0013]通过采用上述技术方案，考虑到温度可能受到旱灾、水灾以及气候变暖等温度异常因素的影响，所以设置不同温度异常因素对应的灾害恢复时间，通过灾害恢复时间确定温度异常因素对待监测农作物的灾害影响时间，再根据灾害影响时间推断待监测农作物的开始种植时间，根据当前时间段中待监测农作物的开始种植时间实时调整未监测农作物的监测时间段，提高了预测待监测区域中每种农作物的待监测时间段的准确性。
[0014]可选的，所述目标农作物的长势信息包括叶面积指数，所述根据所述高分遥感影像数据对所述目标农作物的长势进行分析，得到目标农作物的长势信息包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高分遥感影像的农作物长势监测方法，其特征在于，包括：预测待监测区域内每种待监测农作物对应的多个监测时间段；获取当前时间段内待监测区域的高分遥感影像数据；确定包含所述当前时间段的监测时间段对应的待监测农作物的目标农作物；根据所述高分遥感影像数据对所述目标农作物的长势进行分析，得到目标农作物的长势信息；获取与当前时间段对应目标农作物的比对数据信息；所述比对数据信息包括历史长势信息和预设指标信息；将所述目标农作物的长势信息与所述比对数据信息进行分析，得到所述目标农作物的监测结果。2.根据权利要求1所述的方法，其特征在于，所述预测待监测区域内每种待监测农作物对应的多个监测时间段包括：获取待监测区域历史年份多个时间段的历史温度信息以及每种待监测农作物对应的各个历史生长周期范围；以所述历史温度信息以及所述每种待监测农作物的各个历史生长周期范围为训练样本，采用预置机器学习算法进行训练，生成每种待监测农作物对应的生长周期预测模型；将当前年份划分为多个时间段；获取当前年份至少一个所述时间段的第一温度信息；将所述第一温度信息输入至所述生长周期预测模型，得到每种待监测农作物对应的生长周期范围；获取当前时间段的当前温度信息；根据所述当前温度信息、所述每种待监测农作物对应各个生长周期范围和所述历史温度信息分析下一时间段内的待监测农作物的开始种植时间；基于所述下一时间段内的待监测农作物的所述开始种植时间和生长周期范围调整每种未监测农作物对应的多个监测时间段。3.根据权利要求2所述的方法，其特征在于，所述当前温度信息包括平均温度和温度变化趋势，所述根据所述当前温度信息、所述每种待监测农作物对应各个生长周期范围和所述历史温度信息分析下一时间段内的待监测农作物的开始种植时间包括：根据所述每种待监测农作物对应的各个生长周期范围判断下一时间段是否存在待监测农作物；若存在，则判断当前时间段的平均温度与历史年份中相同时间段的平均温度是否相同；若所述平均温度相同，则分析所述当前时间段的温度变化趋势与历史年份中相同时间段的温度变化趋势是否相同；若所述温度变化趋势相同，则确定下一时间段的待监测农作物的开始种植时间与历史年份的历史开始种植时间相同；若所述温度变化趋势不相同，则以历史年份相同时间段为节点，根据所述当前时间段长度查找与当前时间段的平均温度和温度变化趋势相同的目标时间段；基于所述目标时间段与历史开始种植时间计算下一时间段的待监测农作物的开始种
植时间；若所述平均温度和所述温度变化趋势均不相同，则获取当前时间段和上一时间段的温度异常因素信息；基于所述温度异常因素信息确定下一时间段的待监测农作物的开始种植时间；若不存在，则检测下一时间段的温度信息，并将下一时间段作为当前时间段，执行所述根据所述每种待监测农作物对应的各个生长周期范围判断下一时间段是否存在待监测农作物的步骤。4.根据权利要求3所述的方法，所述温度异常因素信息包括异常类型和异常结束时间，所述异常类型包括旱灾、水灾以及气候变暖；所述基于所述温度异常因素确定下一时间段的待监测农作物的开始种植时间包括：预先根据不同类型异常因素和不同类型异常因素的任意组合赋予不同的灾害恢复时间；根据所述温度异常因素确定所述当前时间段对应的灾害恢复时间；将所述异常结束时间和所述灾害恢复时间相加，计算得到灾害影响时间；查找与当前时间段的...

【专利技术属性】
技术研发人员：胡皓然，陆鸿雁，马雪峰，王学东，
申请(专利权)人：航天万源云数据河北有限公司，
类型：发明
国别省市：