【技术实现步骤摘要】
一种基于养分分区的土壤检测方法、系统、介质及设备
[0001]本专利技术属于图像处理领域,尤其涉及一种基于养分分区的土壤检测方法
、
系统
、
介质及设备
。
技术介绍
[0002]传统的农田管理是粗放型的,即把每一块田都作为均质区域,忽略土壤养分含量
、
地形地貌
、
土地利用方式等的不同,采用相同的投入和管理模块,这种管理方式属于粗放型的管理模式,
2005
年开始推广测土配方施肥技术,通过对区域土壤样品的测试分析,参考作物需肥规律和土壤供肥能力等基本参数,制定具有区域适应性的氮磷钾等元素的施肥方案
。
但长期大规模测土配方施肥,投入大,时效低
。
[0003]以土壤调查取样方式进行测土配方施肥由于数量大
、
成本高
、
分布典型性不够或缺乏精确的地理参考等因素,难以满足精准施肥
、
数字土壤制图的要求
。
[0004]以地理信息系统为主要技术方式,使用克里金插值技术以映射空间连续土壤信息,可以建立区域土壤养分分布的模型,但是前提是需要进行地面信息收集
。
[0005]以遥感监测为主要技术方式,使用
Kmeans
均值聚类或模糊
C
均值聚类算法,可以为农田分区进行差别化管理,但是
Kmeans
均值聚类或模糊
C
均值聚类算法需要自定义分区个数 >,
依据肘部法则计算不同分区数下的损失函数值,需不断地调试分区数的参数
,
计算时间偏长
,
难以大规模应用
。
技术实现思路
[0006]本专利技术所要解决的技术问题是提供一种基于养分分区的土壤检测方法
、
系统
、
介质及设备
。
[0007]本专利技术解决上述技术问题的技术方案如下:一种基于养分分区的土壤检测方法,包括:
[0008]步骤1,获取针对土壤所拍摄的遥感图像,并将遥感图像转化为与之对应的数组;
[0009]步骤2,计算所述数组的变异性,并基于所述变异性确定该数组的中心点个数
N
;
[0010]步骤3,基于所述中心点个数
N
确定该数组的栅格文件;
[0011]步骤4,将所述栅格文件进行转换得到矢量文件,并根据所述矢量文件确定土壤取样点的矢量范围,在所述矢量范围对应的实际土壤范围内进行土壤检测
。
[0012]本专利技术的有益效果是:依据数据源的变异性自动决定最优分区数量,且不依赖与地面数据的采集,分区能够保证不同分区之间实际土壤养分等理化性质数据以及生产潜力具有显著差异性;本专利技术能够按需调用卫星
、
无人机遥感长势
、
产量地图以及卫星遥感估产数据不同数据源进行农田管理分区;本专利技术设计了合理的土壤采样点数量及位置,可以以最少的样本保证采集的土壤信息具有代表性
。
[0013]在上述技术方案的基础上,本专利技术还可以做如下改进
。
[0014]进一步,遥感图像包括:
[0015]植被的卫星遥感长势图像
、
植被的卫星遥感估产图像
、
农机的产量图以及无人机长势图中的至少一种
。
[0016]进一步,基于所述变异性确定每个数组的中心点个数的过程为:
[0017]在预设中心点对应表中搜索与所述变异性对应的中心点个数,所述预设中心点对应表表征了变异性与中心点个数的对应关系
。
[0018]进一步,基于所述中心点个数确定该数组的栅格文件的过程为:
[0019]在该数组中随机选取
N
个中心,计算数组中每个样本数据与任意一个中心点的距离,将该样本数据分类至距离最小值对应的中心点的中心簇;直至完成该数组中所有样本数据的分类,得到该数组对应的
N
个中心簇,计算每个中心簇的第一中心点,判断每个第一中心点是否收敛,若是则根据
N
个中心簇生成栅格文件,若不是,则重新选取
N
个中心,直至每个第一中心点收敛
。
[0020]进一步,在所述矢量范围对应的实际土壤范围内进行土壤检测的过程为:
[0021]计算所述矢量范围在该矢量范围对应的遥感图像中的面积占比,并基于预设面积对应表,确定该矢量范围内的采样点个数,基于预设最小间隔确定每个采样点在所述矢量范围内的位置,将该位置映射在遥感图像中,确定每个采样点的实际位置,完成土壤检测
。
[0022]本专利技术解决上述技术问题的另一种技术方案如下:一种基于养分分区的土壤检测系统,包括:
[0023]获取模块用于:获取针对土壤所拍摄的遥感图像,并将遥感图像转化为与之对应的数组;
[0024]计算模块用于:计算所述数组的变异性,并基于所述变异性确定该数组的中心点个数
N
;
[0025]确定模块用于:基于所述中心点个数
N
确定该数组的栅格文件;
[0026]重复模块用于:将所述栅格文件进行转换得到矢量文件,并根据所述矢量文件确定土壤取样点的矢量范围,在所述矢量范围对应的实际土壤范围内进行土壤检测
。
[0027]本专利技术的有益效果是:依据数据源的变异性自动决定最优分区数量,且不依赖与地面数据的采集,分区能够保证不同分区之间实际土壤养分等理化性质数据以及生产潜力具有显著差异性;本专利技术能够按需调用卫星
、
无人机遥感长势
、
产量地图以及卫星遥感估产数据不同数据源进行农田管理分区;本专利技术设计了合理的土壤采样点数量及位置,可以以最少的样本保证采集的土壤信息具有代表性
。
[0028]进一步,遥感图像包括:
[0029]植被的卫星遥感长势图像
、
植被的卫星遥感估产图像
、
农机的产量图以及无人机长势图中的至少一种
。
[0030]进一步,基于所述变异性确定每个数组的中心点个数的过程为:
[0031]在预设中心点对应表中搜索与所述变异性对应的中心点个数,所述预设中心点对应表表征了变异性与中心点个数的对应关系
。
[0032]进一步,基于所述中心点个数确定该数组的栅格文件的过程为:
[0033]在该数组中随机选取
N
个中心,计算数组中每个样本数据与任意一个中心点的距离,将该样本数据分类至距离最小值对应的中心点的中心簇;直至完成该数组中所有样本数据的分类,得到该数组对应的
N
个中心簇,计算每个中心簇的第一中心点,判断每个第一
中心点是否收敛,若是则根据
N
个中心簇生成栅格文件,若不是,则重新选取
N
个中心本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种基于养分分区的土壤检测方法,其特征在于,包括:步骤1,获取针对土壤所拍摄的遥感图像,并将遥感图像转化为与之对应的数组;步骤2,计算所述数组的变异性,并基于所述变异性确定该数组的中心点个数
N
;步骤3,基于所述中心点个数
N
确定该数组的栅格文件;步骤4,将所述栅格文件进行转换得到矢量文件,并根据所述矢量文件确定土壤取样点的矢量范围,在所述矢量范围对应的实际土壤范围内进行土壤检测
。2.
根据权利要求1所述的一种基于养分分区的土壤检测方法,其特征在于,遥感图像包括:植被的卫星遥感长势图像
、
植被的卫星遥感估产图像
、
农机的产量图以及无人机长势图中的至少一种
。3.
根据权利要求1所述的一种基于养分分区的土壤检测方法,其特征在于,基于所述变异性确定所述数组的中心点个数的过程为:在预设中心点对应表中搜索与所述变异性对应的中心点个数,所述预设中心点对应表表征了变异性与中心点个数的对应关系
。4.
根据权利要求1所述的一种基于养分分区的土壤检测方法,其特征在于,基于所述中心点个数确定该数组的栅格文件的过程为:在该数组中随机选取
N
个中心,计算数组中每个样本数据与任意一个中心点的距离,将该样本数据分类至距离最小值对应的中心点的中心簇;直至完成该数组中所有样本数据的分类,得到该数组对应的
N
个中心簇,计算每个中心簇的第一中心点,判断每个第一中心点是否收敛,若是则根据
N
个中心簇生成栅格文件,若不是,则重新选取
N
个中心,直至每个第一中心点收敛
。5.
根据权利要求1所述的一种基于养分分区的土壤检测方法,其特征...
【专利技术属性】
技术研发人员:孟沌超,冯凯,储成高,闫春雨,张静,付强,
申请(专利权)人:潍柴雷沃智慧农业科技股份有限公司,
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。