【技术实现步骤摘要】
本专利技术属于遥感技术及数据识别技术（农业信息处理领域）领域，具体涉及一种融合时序知识图谱的农作物遥感影像智能样本库构建方法。
技术介绍
1、农业遥感监测作为现代农业管理的支柱之一，旨在通过获取和分析农田的遥感影像数据来实现对农作物生长状况的监测。传统的静态图像分类方法虽然在一定程度上满足了对农作物类型的初步判别，但对于农作物的生长动态、季节性变化等时序性特征的把握却显得相当有限。由此产生的监测结果可能无法全面反映真实的农田状态，制约了现代农业精细化管理的发展。面对农业管理的时序化需求，传统监测方法的局限性凸显出更为迫切的技术改进需求。
技术实现思路
1、本专利技术的目的在于克服上述现有技术存在的缺陷，提供融合时序知识图谱的农作物遥感影像智能样本库构建方法，通过引入时序关系，构建更为完整和动态的农作物生长历史，从而提高对农田时序信息的全面感知和准确理解。
2、为实现上述技术目的，本专利技术采用如下技术方案：
3、融合时序知识图谱的农作物遥感影像智能样本库构建方法，包括：
4、根据农作物的物候期，获取不同时间点的农作物高分辨率、中分辨率遥感影像数据、与影像数据匹配的地类图斑数据；
5、从地类图斑数据中提取耕地地块，基于中分辨率遥感影像数据将耕地地块划分为不同农作物类别，提取农作物地块，并对农作物地块赋予唯一标识码；对农作物地块对应的高分辨率、中分辨率遥感影像标注属性信息和地块基础信息，形成农作物时空遥感影像样本库；
6、以农
7、以农作物地块的唯一标识为基准，关联农作物时空遥感样影像本库与时序知识图谱，形成融合时序知识图谱的农作物遥感影像样本库。
8、作为一种优选的实施方式，从地类图斑数据中提取耕地地块后，对提取的耕地地块结合高分辨率遥感影像数据进行优化，包括剔除长度超出阈值的道路，剔除耕地地块边缘的单棵树木或行树，剔除耕地地块中的其它地类。
9、作为一种优选的实施方式，通过中分辨率遥感影像数据计算ndvi、evi和lwsi指数，采用决策树分类算法提取耕地地块内农作物种植结构。
10、作为一种优选的实施方式，计算ndvi、evi和lwsi指数后，基于s-g滤波重构ndvi、evi和lwsi指数时序数据。
11、作为一种优选的实施方式，利用中分辨率遥感影像数据进行农作物类别划分前，对利用影像数据计算的指数时序数据进行缺失信息的插补，包括：
12、当存在光谱信息缺失时，优先采用空间知识迁移的方式，根据地块之间属性特征和形状特征的综合匹配度，从周边地块中进行当前地块缺失信息的插补；
13、当空间知识迁移不满足时，采用历史知识迁移的方式，根据地块之间属性特征和形状特征的综合匹配度，从上一年同一位置或周边地块中进行当前地块缺失信息的插补。
14、作为一种优选的实施方式，所述将地块划分为不同农作物类别包括：
15、利用中分辨率遥感影像数据提取耕地地块内农作物种植结构，之后根据地块内农作物占比进行编码：
16、当某一耕地地块内只有一种农作物，且单一农作物占比达到b以上，则认为该耕地地块为该农作物，并继承当前耕地地块的唯一标识码；当单一农作物占比小于a，则删除该耕地地块样本；单一农作物占比在a-b之间，则根据地块纹理进行切分，并继承当前耕地地块的唯一标识码；
17、当某一耕地地块内有多种农作物时，只切分单一农作物占比在a以上的农作物种类，并在继承当前耕地地块的唯一标识码后，根据农作物种类进行下一级续编；
18、a、b为预设百分比阈值。
19、作为一种优选的实施方式，所述属性信息包括影像名称、空间坐标系、分辨率、获取时间；所述地块基础信息包括唯一标识码、空间坐标系、作物名称、周长、面积。
20、作为一种优选的实施方式，所述以农作物地块为核心，构建以时序三元组表达知识的时序知识图谱模型包括：
21、定义模型相关的实体类、关系类和时间类；
22、基于顾及时间的主谓宾语义关系，构建类之间的关系；
23、基于模型的类和关系设置模型的数据属性。
24、作为一种优选的实施方式，所述抽取时序知识图谱模型需要的实体、关系和属性包括：
25、利用gis工具抽取空间关系中的拓扑关系、方位关系和距离关系，基于所述地类图斑数据生成关系数据库；
26、利用遥感处理工具获取高分辨率遥感影像中纹理信息的特征统计量、中分辨率遥感影像中光谱信息的特征统计量，基于所述影像数据生成关系数据库；
27、采用r2rml方法从收集和处理得到的数据中抽取时序知识图谱模型需要的实体、关系和属性。
28、作为一种优选的实施方式，基于构建的时序知识图谱模型，选用neo4j图模型数据库用rdf三元组存储所述时序三元组
29、融合时序知识图谱的构建不仅是对传统方法的有力补充，更是农业遥感领域向更高水平迈进的关键一步。时序知识图谱的引入为遥感影像分类提供了新的视角，通过捕捉不同时间点的地物信息和时序关系，使得我们能够更全面、更准确地掌握农作物的生长动态。本申请构建的智能样本库兼顾时空信息，通过融合多源时序数据，为农业决策提供更为准确、全面的支持，从而推动农业向数字化、智能化迈进。该技术有望为农业遥感技术注入新的活力，为现代农业管理带来实质性的进步。
本文档来自技高网...【技术保护点】
1.融合时序知识图谱的农作物遥感影像智能样本库构建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，从地类图斑数据中提取耕地地块后，对提取的耕地地块结合高分辨率遥感影像数据进行优化，包括剔除长度超出阈值的道路，剔除耕地地块边缘的单棵树木或行树，剔除耕地地块中的其它地类。
3.根据权利要求1所述的方法，其特征在于，通过中分辨率遥感影像数据计算NDVI、EVI和LWSI指数，采用决策树分类算法提取耕地地块内农作物种植结构。
4.根据权利要求3所述的方法，其特征在于，计算NDVI、EVI和LWSI指数后，基于S-G滤波重构NDVI、EVI和LWSI指数时序数据。
5.根据权利要求1或3所述的方法，其特征在于，利用中分辨率遥感影像数据进行农作物类别划分前，对利用影像数据计算的指数时序数据进行缺失信息的插补，包括：
6.根据权利要求1所述的方法，其特征在于，所述将地块划分为不同农作物类别包括：
7.根据权利要求1所述的方法，其特征在于，所述属性信息包括影像名称、空间坐标系、分辨率、获取时间；所述地块基
8.根据权利要求1所述的方法，其特征在于，所述以农作物地块为核心，构建以时序三元组表达知识的时序知识图谱模型包括：
9.根据权利要求1所述的方法，其特征在于，所述抽取时序知识图谱模型需要的实体、关系和属性包括：
10.根据权利要求1所述的方法，其特征在于，基于构建的时序知识图谱模型，选用Neo4j图模型数据库用RDF三元组存储所述时序三元组。
...【技术特征摘要】
1.融合时序知识图谱的农作物遥感影像智能样本库构建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，从地类图斑数据中提取耕地地块后，对提取的耕地地块结合高分辨率遥感影像数据进行优化，包括剔除长度超出阈值的道路，剔除耕地地块边缘的单棵树木或行树，剔除耕地地块中的其它地类。
3.根据权利要求1所述的方法，其特征在于，通过中分辨率遥感影像数据计算ndvi、evi和lwsi指数，采用决策树分类算法提取耕地地块内农作物种植结构。
4.根据权利要求3所述的方法，其特征在于，计算ndvi、evi和lwsi指数后，基于s-g滤波重构ndvi、evi和lwsi指数时序数据。
5.根据权利要求1或3所述的方法，其特征在于，利用中分辨率遥感影像数据进行农作物类别划...
【专利技术属性】
技术研发人员：刘善磊，孙长奎，陶旸，王圣尧，邱洁，王家慧，
申请(专利权)人：江苏省基础地理信息中心，
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。