一种基于高光谱遥感的甘蔗糖分预测方法技术

本发明专利技术公开了一种基于高光谱遥感的甘蔗糖分预测方法，包括以下步骤：步骤一，在管理中心平台上架设甘蔗糖分预测分析系统；步骤二，采集基础数据并传输给数据服务器中相应的信息库进行存储；步骤三，糖分预测建模模块读取数据服务器中相应的基础数据进行分析处理，然后建立相应的糖分预测模型并存储到预测模型库中；步骤四，糖分预测模型建立好后，甘蔗糖分预测分析系统开始对相应蔗区的糖分进行分析预测，输出砍运方案。该甘蔗糖分预测方法流程简单、使用方便、安全可靠。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，包括以下步骤：步骤一，在管理中心平台上架设甘蔗糖分预测分析系统；步骤二，采集基础数据并传输给数据服务器中相应的信息库进行存储；步骤三，糖分预测建模模块读取数据服务器中相应的基础数据进行分析处理，然后建立相应的糖分预测模型并存储到预测模型库中；步骤四，糖分预测模型建立好后，甘蔗糖分预测分析系统开始对相应蔗区的糖分进行分析预测，输出砍运方案。该甘蔗糖分预测方法流程简单、使用方便、安全可靠。【专利说明】
本专利技术涉及一种农作物成分的分析预测方法，具体涉及了。
技术介绍
高光谱遥感是在电磁波谱的可见光、近红外、中红外和热红外波段范围内，获取许多非常窄的光谱连续的影像数据的技术，可以收集到上百个非常窄的光谱波段信息。高光谱遥感是当前遥感技术的前沿领域，它利用很多很窄的电磁波波段从感兴趣的物体获得有关数据，包含了丰富的空间、辐射和光谱三重信息。该技术被广泛应用于地质调查、植被研究、灾害监测等领域。甘蔗糖分预测是在蔗糖榨季生产之前，对新榨季的甘蔗蔗糖分进行预测。在生产上，每年的榨季开始前，糖厂都要进行榨季生产的准备工作，包括安排砍运、生产、准备辅料等。上级主管部门也要下达蔗糖生产任务与各项经济技术指标。上述工作都要依据于农务部门对蔗区甘蔗糖分的预测。因此这是蔗糖生产中的一个关键环节，对甘蔗的优化收割和蔗糖生产有重要影响。已有的研究表明，气候因素(降雨量、日照程度、温度)、甘蔗品种与植期、土壤质量等因素对甘蔗糖分的影响较大。据此建立了多种糖分预测模型，如基于榨季的气象糖分预测模型，二次曲线模型、分段Logistic模型等。现有的模型多是针对某一个或两个影响因素进行研究，预测时有较大的局限性。且数据来源仅仅是某一区域的几个糖厂，甚至是某一个糖厂，基础数据没有普遍性。高光谱遥感的大面积数据采集，不受气候影响，不需人工干预，十分适用于农业数据的采集。而基于高光谱遥感的甘蔗糖分预测技术在国内还是空白，研究相关方法和技术具有重要的意义。
技术实现思路
本专利技术的目的在于针对现有技术应用领域的空白和功能不够全面的不足，提供了一种流程简单、使用方便、安全可靠的基于高光谱遥感的甘蔗糖分预测方法。为了实现上述目的，本专利技术采用了以下技术方案: ，包括以下步骤: 步骤一，在管理中心平台上架设甘蔗糖分预测分析系统，该系统包括数据服务器、卫星信息接收模块、光谱分析模块、糖分预测建模模块和糖分预测模块；在数据服务器中设有遥感信息库、甘蔗信息库、糖分历史库、预测模型库和气候信息库； 步骤二，采集基础数据并传输给数据服务器中相应的信息库进行存储，包括通过卫星信息接收模块从遥感卫星地面接收站获取的蔗区的海量历史高光谱遥感数据(存入遥感信息库)、从蔗区所在地的气象站获取的气候信息(存入气候信息库)、由蔗区农业部门提供的甘蔗基本信息(存入甘蔗信息库)和由蔗区的各个糖厂提供的历史糖分数据(存入糖分历史库)； 步骤三，糖分预测建模模块读取数据服务器中相应的基础数据进行分析处理，然后建立相应的糖分预测模型并存储到预测模型库中，糖分预测模型包括基础糖分分析子模型、气候糖分分析子模型、土壤糖分分析子模型和环境糖分分析子模型； 步骤四，糖分预测模型建立好后，甘蔗糖分预测分析系统开始对相应蔗区的糖分进行分析预测，输出砍运方案；具体为:当榨季开始前，需要对糖分进行预测时，首先采集实时数据，包括由卫星信息接收模块从遥感卫星地面接收站获取最新的高光谱遥感数据和从蔗区所在地的气象站获取最新的气候信息； (1)卫星信息接收模块将高光谱遥感数据传输给光谱分析模块进行分析处理，光谱分析模块计算出植被指数和土壤信息，包括归一化植被指数、叶面积指数、土壤的含水量、有机质含量和矿物质含量；然后传输给糖分预测模块； (2)糖分预测模块从甘蔗信息库中提取出要预测相应蔗区的甘蔗基础信息，通过品种和植期计算出生长期和具体生长阶段，由归一化植被指数计算出种植密度，然后将甘蔗品种、植期、生长周期、种植密度和宿根年份输入基础糖分分析子模型，经由模型的分析处理出基础糖分预测值； 糖分预测模块从最新的气候信息中提取出昼夜温差、降雨量和光照度数据并输入到气候糖分分析子模型中，经过分析处理后得到气候糖分预测值； 糖分预测模块将土壤的含水量、有机质含量和矿物质含量输入土壤糖分分析子模型，分析处理出土壤糖分预测值； 糖分预测模块通过归一化植被指数与叶面积指数计算出光合作用量和辐射量，并将光合作用量和辐射量输入环境糖分分析子模型中，经过分析处理后得到环境糖分预测值； (3)将(2)中的基础糖分预测值、气候糖分预测值、土壤糖分预测值和环境糖分预测值分别与各自对应的影响因子相乘，所得乘积进行求和，得到最终的糖分预测值； (4)根据糖分预测值，结合历史糖分数据和生长期数据进行反演，得到获得最大糖分的最佳砍运时间，生成具体砍运方案，作为糖厂安排本榨季砍运工作的参考依据。在上述预测方法中，各模型的分析处理过程如下:将模型所需的各项输入参数代入模型中的数学函数中，经过函数的四则运算、条件运算得出初步预测值，若该值与模型中预设的预测值范围出入太大，则通过误差修正对输入参数进行微调，再次送入模型进行处理，反复迭代直到结果值在合理的范围之内。作为本专利技术的进一步说明，以上所述的卫星信息接收模块采用无线WiF1、GPRS通信或有线通信方式从遥感卫星地面接收站获取高光谱遥感数据。作为本专利技术的进一步说明，以上所述的卫星信息接收模块接收到高光谱遥感数据后，原始数据一方面直接传输到遥感信息库中存档，一方面传输给光谱分析模块进行处理，提取特征数据(即通过选取有用的光谱信息分析计算出各种植被指数、土壤信息等)，存入遥感信息库。作为本专利技术的进一步说明，以上所述的光谱分析模块采用多种遥感图像分类监测方法对高光谱遥感数据进行处理，提取出特征数据，包括光谱信息、植被指数和土壤信息。作为本专利技术的进一步说明，以上所述光谱分析模块采用的遥感图像分类监测方法包括光谱空间分析法、特征空间分析法、混合像元分解法、分层分区图像分类法、多时相分析方法和多源数据结合法。本专利技术中光谱分析模块对高光谱遥感影像进行分类监测，采用光谱空间分析法、特征空间分析法、混合像元分解法、分层分区图像分类法、多时相分析方法和多源数据结合法等将影像中的特征数据提取出来。通过对原始波段进行各种代数运算能够得到各种光谱信息和植被指数，主要包括AVI (距平植被指数)、NDVI (归一化差值植被指数)、RVI (比值植被指数)、PVI (垂直植被指数)、DVI (差异植被指数)、GVI (绿度植被指数)、SAVI (土壤调节植被指数)、DVIEVI (差值环境植被指数)、VCI (条件植被指数)、TCI (条件温度指数)、NDTI (归一化温度指数)、VTCI (条件植被温度指数)和GVMI (全局植被湿度指数)等。分析出来的数据和结果存入遥感信息库中。作为本专利技术的进一步说明，以上所述遥感信息库存放的信息包括原始的高光谱遥感数据和经过分析处理后得出的光谱信息、植被指数与土壤信息；所述甘蔗信息库存放的甘蔗基本信息包括甘蔗品种、植期、宿根年份、生长周期、种植密度和长势指数；所述气候信息库存放的气候信息包括昼夜温差、降雨量和光照度。作为本发本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：林兴志，潘翔，
申请(专利权)人：林兴志，广西卡西亚科技有限公司，
类型：发明
国别省市：