【技术实现步骤摘要】
本申请涉及农作物识别，特别是涉及一种大豆识别指数影像数据获取、大豆空间分布制图模型的训练、使用方法及相关产品。
技术介绍
1、准确的农作物空间分布对于监测和评估农田状况、精准农业管理、农业灾害应对、农业政策制定等十分重要。利用传统的农业调查方式来对作物进行分类制图通常费时费力，而遥感技术具有宏观、迅速获取数据的能力，已经成为作物制图的重要手段，大大节省人力、物力、财力和时间成本，有效弥补了传统调查方法的不足。近年来，高分辨率（时间、空间）遥感数据的在作物识别中的应用越来越广泛。
2、光谱特征因作物类型的不同而有所差异，为实现作物的精细分类提供了关键信息，因此成为识别作物类型的最基本特征，在作物识别中发挥着重要作用。基于遥感影像的多个波段进行数学运算得到的植被指数，可以达到增强植被光谱特征的效果，常常被用于进行作物类型识别和分布制图研究。也有部分研究者专注于开发针对特定作物类型识别的光谱指数，在减少遥感数据输入量，简化计算过程的同时，达到强化该类作物特定光谱特征的目的。
3、精准识别大豆种植区域对保障粮食安全具有重...
【技术保护点】
1.一种大豆识别指数影像数据获取方法，其特征在于，包括：
2.根据权利要求1所述的大豆识别指数影像数据获取方法，其特征在于，Blue、Red、RE2、NIR和SWIR1的具体波段分别为哨兵2的第2、4、6、8和11波段，即波段B2、B4、B6、B8和B11。
3.一种大豆空间分布制图模型的训练方法，其特征在于，包括：
4.根据权利要求3所述的大豆空间分布制图模型的训练方法，其特征在于，确定分割阈值时，初始的分割阈值为T1，其中，T1=(Tmin+Tmax)/2；式中，Tmin表示大豆识别指数影像数据中耕地像元的最小值，Tmax表示大...
【技术特征摘要】
1.一种大豆识别指数影像数据获取方法，其特征在于，包括：
2.根据权利要求1所述的大豆识别指数影像数据获取方法，其特征在于，blue、red、re2、nir和swir1的具体波段分别为哨兵2的第2、4、6、8和11波段，即波段b2、b4、b6、b8和b11。
3.一种大豆空间分布制图模型的训练方法，其特征在于，包括：
4.根据权利要求3所述的大豆空间分布制图模型的训练方法，其特征在于，确定分割阈值时，初始的分割阈值为t1，其中，t1=(tmin+tmax)/2；式中，tmin表示大豆识别指数影像数据中耕地像元的最小值，tmax表示大豆识别指数影像数据中耕地像元的最大值。
5.根据权利要求4所述的大豆空间分布制图模型的训练方法，其特征在于，根据所述大豆空间分布图，计算所述图像分割结果的f1分数，并返回“确定分割阈值，并利用所述分割阈值对所述大豆识别指数影像数据进行图像分割，得到图像分割结果”步骤进行迭代过程中，确定下一个迭代步骤的分割阈值的方法包括：
6.根据权利要求3所述的大豆空间分...
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。