一种倒伏作物监测方法、电子设备及可读存储介质技术

本发明专利技术提供一种倒伏作物监测方法，包括：获取预处理后的实地调查样本数据、光学遥感数据和全极化SAR卫星影像数据；建立倒伏样本集数据和未倒伏样本集数据；提取作业区农田地块的所有极化参数，并统计每一格网下作物的倒伏比例；建立不同极化参数下的概率密度分布信息，利用多元线性回归模型和后退法，筛选出优选极化参数；利用概率密度分布信息，构建参数权重评价指标，并确定优选极化参数的权重；采用高斯混合模型，根据所有优选极化参数和所有优选极化参数的权重，获得作业区倒伏作物的概率空间分布信息。本发明专利技术通过构建参数权重评价指标作为估计像素倒伏比例的权重，确定所有最优参数的权重，提高了对倒伏作物的监测结果的精度。精度。精度。

【技术实现步骤摘要】
一种倒伏作物监测方法、电子设备及可读存储介质


[0001]本专利技术涉及农业信息化
，尤其涉及一种倒伏作物监测方法、电子设备及可读存储介质。

技术介绍

[0002]在全球气候变化背景下，极端天气频发，由此引发农业灾害，造成作物产量和品质的下降。如由风灾引发的作物倒伏是一种常见的农业灾害类型。
[0003]近年来，卫星遥感技术和计算机技术的迅速发展，为大区域农作物灾害监测提供了支撑。目前，基于卫星遥感技术进行作物倒伏监测的研究工作较少，且主要集中于光学遥感数据的应用。研究者通过提取光谱反射率、植被指数和纹理等特征，结合机器学习算法，实现了不同作物的倒伏空间分布制图。然而，对于茎秆与叶片的反射率近似的作物品种，通过光学遥感数据则无法准确地区分。其次，受作物生长及农田环境的空间异质性影响，光学数据中普遍存在“同物异谱”的现象，造成倒伏和未倒伏类别间的混淆。由于光学卫星遥感数据的质量和可获取性高度依赖于作业区的天气状况，导致其难以应用于灾后大区域的倒伏作物实时监测。
[0004]合成孔径雷达(Synthetic Aperture Radar，SAR)技术几乎不受天气条件的限制，且具有较强的穿透能力，因此，能够为作物倒伏监测提供可靠的观测数据。由于农田环境中作物散射的高度随机，以及不同作物类型的复杂去极化机理，导致SAR影像中存在大量斑点噪声。传统的定性倒伏监测方法虽然可为地块提供明确的像元类别信息，但缺乏对于混合像元的判别规则，对于混合像元的识别精度差，导致监测结果精度差的情况。

技术实现思路
<br/>[0005]本专利技术提供一种倒伏作物监测方法、电子设备及可读存储介质，用以解决在对倒伏作物进行监测时，由于对混合像元的识别精度差，导致对倒伏作物的监测结果精度差的问题。
[0006]第一方面，一种倒伏作物监测方法，包括以下步骤：
[0007]获取预处理后的作物倒伏后作业区范围内的实地调查样本数据、光学遥感数据和全极化SAR卫星影像数据；
[0008]根据实地调查样本数据和光学遥感数据，建立倒伏样本集数据和未倒伏样本集数据；
[0009]利用全极化SAR卫星影像数据和本年的作物类型空间分布数据进行掩膜，提取作业区农田地块的所有极化参数，并统计每一格网下作物的倒伏比例；
[0010]根据每一格网下作物的倒伏比例，基于所述倒伏样本集数据和未倒伏样本集数据建立不同极化参数下倒伏作物和未倒伏作物各自的概率密度分布信息，利用多元线性回归模型和后退法，筛选出所有优选极化参数；
[0011]利用所有优选极化参数下倒伏作物和未倒伏作物各自的概率密度分布信息，构建
参数权重评价指标，并确定所有优选极化参数的权重；
[0012]采用高斯混合模型，根据所有优选极化参数和所有优选极化参数的权重，获得作业区倒伏作物的概率空间分布信息。
[0013]进一步，所述建立倒伏样本集数据和未倒伏样本集数据的步骤包括：
[0014]将采集到的光学遥感数据进行正射校正和控制点校正处理，并利用全色波段与多光谱波段进行融合处理，得到预处理后的光学遥感数据；
[0015]将采集到的实地调查样本数据整理为点矢量格式数据，得到预处理后的实地调查样本数据；
[0016]将预处理后的实地调查样本数据与所述预处理后的光学遥感数据叠加，建立样本扩充的解译标志库，利用解译标志库，建立所述建立倒伏样本集数据和未倒伏样本集数据。
[0017]进一步，所述提取作业区农田地块的所有极化参数的步骤包括：
[0018]将采集到的全极化SAR卫星影像数据进行幅度转换、多视处理、噪声滤波和地理编码的预处理，得到包括：极化后向散射系数，植被指数和极化矩阵散射分量的极化参数；
[0019]对所有极化参数进行组合，构建极化参数集合，利用本年作物分布类型数据进行掩膜，获取作业区农田地块的极化参数。
[0020]进一步，所述统计每一格网下作物的倒伏比例的步骤包括：将倒伏样本集数据和未倒伏样本集数据分别进行栅格化，叠加至将极化参数矢量化后的独立格网上，通过空间统计方法遍历每一独立格网，对每一独立格网所覆盖的倒伏样本集数据的栅格面积和未倒伏样本集数据的栅格面积进行统计，统计出每一独立格网下作物的倒伏比例；
[0021]其中，若单一独立格网所覆盖的倒伏样本集数据的栅格面积和未倒伏样本集数据的栅格面积相加小于独立格网的面积时，对该独立格网予以剔除。
[0022]进一步，所述根据每一格网下作物的倒伏比例，基于所述倒伏样本集数据和未倒伏样本集数据建立不同极化参数下倒伏和未倒伏作物各自的概率密度分布信息，利用多元线性回归模型和后退法，筛选出优选极化参数的步骤包括：
[0023]提取倒伏样本集数据和未倒伏样本集数据中所有极化参数的特征值，计算每一极化参数的特征值的均值和标准差，并对倒伏作物和未倒伏作物分别形成多个符合标准正态分布的模拟值，建立倒伏作物和未倒伏作物各自的概率密度分布信息；
[0024]利用K
‑
L散度和J
‑
M距离方法，基于所述模拟值计算不同极化参数下倒伏作物和未倒伏作物的K
‑
L散度值和J
‑
M距离值；
[0025]对所有K
‑
L散度值和J
‑
M距离值进行归一化处理，对同一极化参数计算所得到的K
‑
L散度值和J
‑
M距离值进行汇总，根据汇总后的结果对所有极化参数按照从小到大的顺序排序；
[0026]根据顺序排序后的所有极化参数，利用多元线性回归模型，建立极化参数与其对应的每一格网下作物的倒伏比例间的定量关系，依次剔除排名最后的极化参数，直至多元线性回归模型的性能不再下降，筛选出所有优选极化参数。
[0027]进一步，所述利用所有优选极化参数下倒伏和未倒伏作物各自的概率密度分布信息，构建参数权重评价指标，并确定所有优选极化参数的权重的步骤包括：
[0028]利用不同极化参数下倒伏作物和未倒伏作物各自的概率密度分布信息，依次提取出所有优选极化参数的倒伏作物和未倒伏作物各自的概率密度分布，形成概率密度分布
图，获得倒伏作物和未倒伏作物之间的包括相交点、高峰值、低峰值、宽度和半宽的特征值，基于所述特征值构建参数权重评价指标；
[0029]将所有优选极化参数依次输入参数权重评价指标，获得所有优选极化参数的权重。
[0030]进一步，所述采用高斯混合模型，根据所有优选极化参数和所有优选极化参数的权重，获得作业区倒伏作物的概率空间分布信息的步骤包括：
[0031]将所述所有优选极化参数编码为矩阵，利用高斯混合模型和期望最大化算法，获取所有像素位置上的倒伏概率，将每一极化参数中的每一像素上的倒伏概率与其权重相乘，获得所有优选极化参数的倒伏概率与其对应权重相乘结果；
[0032]将所述所有优选极化参数概率预测与权重相乘结果进行叠加，基于叠加后的结果，遍历完作业区内所有像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种倒伏作物监测方法，其特征在于，包括以下步骤：获取预处理后的作物倒伏后作业区范围内的实地调查样本数据、光学遥感数据和全极化SAR卫星影像数据；根据实地调查样本数据和光学遥感数据，建立倒伏样本集数据和未倒伏样本集数据；利用全极化SAR卫星影像数据和本年的作物类型空间分布数据进行掩膜，提取作业区农田地块的所有极化参数，并统计每一格网下作物的倒伏比例；根据每一格网下作物的倒伏比例，基于所述倒伏样本集数据和未倒伏样本集数据建立不同极化参数下倒伏作物和未倒伏作物各自的概率密度分布信息，利用多元线性回归模型和后退法，筛选出所有优选极化参数；利用所有优选极化参数下倒伏作物和未倒伏作物各自的概率密度分布信息，构建参数权重评价指标，并确定所有优选极化参数的权重；采用高斯混合模型，根据所有优选极化参数和所有优选极化参数的权重，获得作业区倒伏作物的概率空间分布信息。2.根据权利要求1所述的倒伏作物监测方法，其特征在于，所述建立倒伏样本集数据和未倒伏样本集数据的步骤包括：将采集到的光学遥感数据进行正射校正和控制点校正处理，并利用全色波段与多光谱波段进行融合处理，得到预处理后的光学遥感数据；将采集到的实地调查样本数据整理为点矢量格式数据，得到预处理后的实地调查样本数据；将预处理后的实地调查样本数据与所述预处理后的光学遥感数据叠加，建立样本扩充的解译标志库，利用解译标志库，建立所述建立倒伏样本集数据和未倒伏样本集数据。3.根据权利要求1或2所述的倒伏作物监测方法，其特征在于，所述提取作业区农田地块的所有极化参数的步骤包括：将采集到的全极化SAR卫星影像数据进行幅度转换、多视处理、噪声滤波和地理编码的预处理，得到包括：极化后向散射系数，植被指数和极化矩阵散射分量的极化参数；对所有极化参数进行组合，构建极化参数集合，利用本年作物分布类型数据进行掩膜，获取作业区农田地块的极化参数。4.根据权利要求3所述的倒伏作物监测方法，其特征在于，所述统计每一格网下作物的倒伏比例的步骤包括：将倒伏样本集数据和未倒伏样本集数据分别进行栅格化，叠加至将极化参数矢量化后的独立格网上，通过空间统计方法遍历每一独立格网，对每一独立格网所覆盖的倒伏样本集数据的栅格面积和未倒伏样本集数据的栅格面积进行统计，统计出每一独立格网下作物的倒伏比例；其中，若单一独立格网所覆盖的倒伏样本集数据的栅格面积和未倒伏样本集数据的栅格面积相加小于独立格网的面积时，对该独立格网予以剔除。5.根据权利要求1所述的倒伏作物监测方法，其特征在于，所述根据每一格网下作物的倒伏比例，基于所述倒伏样本集数据和未倒伏样本集数据建立不同极化参数下倒伏和未倒伏作物各自的概率密度分布信息，利用多元线性回归模型和后退法，筛选出优选极化参数的步骤包括：提取倒伏样本集数据和未倒伏样本集数据中所有极化参数的特征值，计算每一极化参
数的特征值的均值和标准差，并对倒伏作物和未倒伏作物分别形成多个符合...

【专利技术属性】
技术研发人员：黄健熙，官海翔，李雪草，苏伟，李俐，曾也鲁，黄海，牛全弟，刘晴宇，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：