小麦长势等级评定方法技术

本申请公开了一种小麦长势等级评定方法

【技术实现步骤摘要】
小麦长势等级评定方法、装置、设备及介质


[0001]本专利技术涉及遥感图像处理和农业监测
，特别涉及小麦长势等级评定方法
、
装置
、
设备及介质
。

技术介绍

[0002]农场作物长势信息的快速准确获取是实现农业信息化和智能化的前提和基础，也是肥水药高效管理和精准施用的依据
。
利用遥感影像对农场作物的长势进行精准评级，可帮助农场管理者及时了解作物的生长状况
、
健康状态和环境条件，这种精准监测能够帮助管理者更直观的了解农场作物的长势分布情况，了解作物相较于当季和历史同期的生长状态，为制定灌溉
、
施肥
、
施药等农事操作提供决策依据，实现精准农业管理
。
[0003]目前，进行农作物长势评价最常用
、
也是最具操作性的方法是直接监测法，直接监测法是指使用遥感数据获取参数
(
如归一化植被指数
)
与作物进行长势进行相关分析，并找出相互之间的关系
。
这种方法需要一定的理论基础和相应的地面实测点建立长势评级模型，并且每次操作均需重复建模，操作复杂，难以在生产中实际应用
。
[0004]综上可见，如何降低小麦长势等级评定的复杂度并提高长势等级评定的准确度是本领域有待解决的问题
。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种小麦长势等级评定方法
、
装置<br/>、
设备及介质，降低小麦长势等级评定的复杂度并提高长势等级评定的准确度
。
其具体方案如下：
[0006]第一方面，本申请公开了一种小麦长势等级评定方法，包括：
[0007]利用目标提取模型对小麦研究区的反射率影像进行处理，以得到所述小麦研究区中的小麦分布结果，并利用所述小麦分布结果和所述小麦研究区的反射率影像确定当前所属季节的第一归一化植被指数以及与所述当前所属季节对应的各个历史同期的第二归一化植被指数；
[0008]对所述第二归一化植被指数的均值进行重构，以得到重构后植被指数均值，并基于所述重构后植被指数均值和所述第一归一化植被指数的均值确定所述当前所属季节的所述小麦研究区的小麦长势评价基准；
[0009]利用所述小麦长势评价基准对小麦监测区的初始自然间断点列表进行重构，以得到重构后间断点列表，并基于所述重构后间断点列表构建所述小麦监测区的长势得分矩阵；
[0010]获取所述小麦监测区的长势均匀性得分矩阵，并利用所述长势得分矩阵和所述长势均匀性得分矩阵确定所述小麦监测区的小麦长势等级
。
[0011]可选的，所述利用目标提取模型对小麦研究区的反射率影像进行处理，以得到所述小麦研究区中的小麦分布结果，包括：
[0012]利用目标提取模型对小麦研究区的反射率影像进行处理，以得到所述小麦研究区
中的初始小麦分布结果；
[0013]对所述小麦研究区中的初始小麦分布结果进行修正处理，以得到小麦研究区中的小麦分布结果；其中，所述修正处理包括碎斑去除
、
孔洞填充
。
[0014]可选的，所述利用目标提取模型对小麦研究区的反射率影像进行处理，以得到所述小麦研究区中的小麦分布结果之前，还包括：
[0015]确定小麦监测区，并对所述小麦监测区进行扩充，以得到小麦研究区；
[0016]基于所述小麦研究区的小麦播种时间和所述小麦收割时间分别采集所述小麦研究区的当前所属季节以及与所述当前所属季节对应的各个历史同期的遥感影像；
[0017]对所述遥感影像进行预处理，以得到所述小麦研究区的反射率影像；其中，所述预处理包括辐射定标
、
大气校正
、
几何校正
、
数据融合
、
剪裁以及拼接处理
。
[0018]可选的，所述利用目标提取模型对小麦研究区的反射率影像进行处理，以得到所述小麦研究区中的小麦分布结果之前，还包括：
[0019]从所述小麦研究区的反射率影像中提取返青期反射率影像，并利用所述小麦监测区的矢量边界和所述返青期反射率影像创建训练样本；
[0020]利用所述训练样本对初始提取模型进行训练，以得到目标提取模型；其中，所述初始提取模型为初始支持向量机
。
[0021]可选的，所述对所述第二归一化植被指数的均值进行重构，以得到重构后植被指数均值，包括：
[0022]基于预设置信水平对所述第二归一化植被指数进行植被指数均值计算，以得到所述第二归一化植被指数的均值；其中，所述第二归一化植被指数的均值的表现形式为年积日形式；
[0023]根据预设小麦正常长势曲线，并利用
Savitzky
‑
Golay
滤波拟合法对所述第二归一化植被指数的均值进行重构，以得到重构后植被指数均值
。
[0024]可选的，所述获取所述小麦监测区的长势均匀性得分矩阵，包括：
[0025]从所述小麦研究区的反射率影像中提取所述小麦监测区的反射率影像，并基于所述小麦监测区的反射率影像得到所述小麦监测区的归一化植被指数影像，然后计算所述小麦监测区的归一化植被指数影像的像元标准差；
[0026]获取所述像元标准差的标准差间断点列表，并利用所述标准差间断点列表对所述像元标准差进行评分，以得到所述小麦监测区的长势均匀性得分矩阵
。
[0027]可选的，所述利用所述长势得分矩阵和所述长势均匀性得分矩阵确定所述小麦监测区的小麦长势等级，包括：
[0028]确定所述长势得分矩阵的第一权重和所述长势均匀性得分矩阵的第二权重；
[0029]利用所述长势得分矩阵
、
所述长势均匀性得分矩阵
、
所述第一权重
、
所述第二权重确定所述小麦监测区的小麦长势；
[0030]对所述小麦监测区的小麦长势进行长势等级评定，以得到所述小麦监测区的小麦长势等级
。
[0031]第二方面，本申请公开了一种小麦长势等级评定装置，包括：
[0032]植被指数确定模块，用于利用目标提取模型对小麦研究区的反射率影像进行处理，以得到所述小麦研究区中的小麦分布结果，并利用所述小麦分布结果和所述小麦研究
区的反射率影像确定当前所属季节的第一归一化植被指数以及与所述当前所属季节对应的各个历史同期的第二归一化植被指数；
[0033]评价基准确定模块，用于对所述第二归一化植被指数的均值进行重构，以得到重构后植被指数均值，并基于所述重构后植被指数均值和所述第一归一化植被指数的均值确定所述当前所属季节的所述小麦研究区的小麦长势评价基准；
[0034]得分矩阵构建模块，用于利用所述小麦长势评价基准对小麦监测区的初始自然间断点列表进行重构，以得到重构后间断点列表，并基于所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种小麦长势等级评定方法，其特征在于，包括：利用目标提取模型对小麦研究区的反射率影像进行处理，以得到所述小麦研究区中的小麦分布结果，并利用所述小麦分布结果和所述小麦研究区的反射率影像确定当前所属季节的第一归一化植被指数以及与所述当前所属季节对应的各个历史同期的第二归一化植被指数；对所述第二归一化植被指数的均值进行重构，以得到重构后植被指数均值，并基于所述重构后植被指数均值和所述第一归一化植被指数的均值确定所述当前所属季节的所述小麦研究区的小麦长势评价基准；利用所述小麦长势评价基准对小麦监测区的初始自然间断点列表进行重构，以得到重构后间断点列表，并基于所述重构后间断点列表构建所述小麦监测区的长势得分矩阵；获取所述小麦监测区的长势均匀性得分矩阵，并利用所述长势得分矩阵和所述长势均匀性得分矩阵确定所述小麦监测区的小麦长势等级
。2.
根据权利要求1所述的小麦长势等级评定方法，其特征在于，所述利用目标提取模型对小麦研究区的反射率影像进行处理，以得到所述小麦研究区中的小麦分布结果，包括：利用目标提取模型对小麦研究区的反射率影像进行处理，以得到所述小麦研究区中的初始小麦分布结果；对所述小麦研究区中的初始小麦分布结果进行修正处理，以得到小麦研究区中的小麦分布结果；其中，所述修正处理包括碎斑去除
、
孔洞填充
。3.
根据权利要求1所述的小麦长势等级评定方法，其特征在于，所述利用目标提取模型对小麦研究区的反射率影像进行处理，以得到所述小麦研究区中的小麦分布结果之前，还包括：确定小麦监测区，并对所述小麦监测区进行扩充，以得到小麦研究区；基于所述小麦研究区的小麦播种时间和所述小麦收割时间分别采集所述小麦研究区的当前所属季节以及与所述当前所属季节对应的各个历史同期的遥感影像；对所述遥感影像进行预处理，以得到所述小麦研究区的反射率影像；其中，所述预处理包括辐射定标
、
大气校正
、
几何校正
、
数据融合
、
剪裁以及拼接处理
。4.
根据权利要求3所述的小麦长势等级评定方法，其特征在于，所述利用目标提取模型对小麦研究区的反射率影像进行处理，以得到所述小麦研究区中的小麦分布结果之前，还包括：从所述小麦研究区的反射率影像中提取返青期反射率影像，并利用所述小麦监测区的矢量边界和所述返青期反射率影像创建训练样本；利用所述训练样本对初始提取模型进行训练，以得到目标提取模型；其中，所述初始提取模型为初始支持向量机
。5.
根据权利要求1至4任一项所述的小麦长势等级评定方法，其特征在于，所述对所述第二归一化植被指数的均值进行重构，以得到重构后植被指数均值，包括：基于预设置信水平对所述第二归一化植被指数进行均值计算，以得到所述第二归一化植被指数的...

【专利技术属性】
技术研发人员：岳学智，张鹰，赵少帅，韩亚魁，李珵，李晓香，李铭，胡海威，常丽华，蒲腾飞，易小飞，胡同波，王浩杰，
申请(专利权)人：河南省现代农业大数据产业技术研究院有限公司，
类型：发明
国别省市：