【技术实现步骤摘要】
本专利技术涉及遥感影像解译，特别涉及基于多源卫星遥感影像的甘蔗识别及产量预测方法。
技术介绍
1、甘蔗是全球最主要的糖料作物，甘蔗需要一定的时间累积糖分，过早开展测产工作容易引起较大误差，因此机收队伍和糖厂的测产工作通常安排在正式收割前的一至两天进行，用于对蔗区的产量情况作出大致的判断。传统的测产方式一般选取若干甘蔗田块开展地面调查：通过开展多个小范围的收割工作并根据收割面积和蔗重计算出单位面积产量，将调查得到的多个单产数据取平均值代表蔗区的单产值，最后结合当地种植面积预测蔗区的总产量。受限于时间和收割的效率，传统测产方式难以大范围地开展，且预测产量与实际产量往往具有较大误差。
2、机收、运输是甘蔗产业链的重要环节。糖厂会根据测产结果对单日甘蔗入厂重量作出限制，并且由于甘蔗堆放时间过长对糖分品质具有较大负面影响，因此通常要求收割的甘蔗及时送厂处理，但传统测产方式带来的误差使得机收、运输流程难以顺利进行：当田间实际产量高于预测产量，受限甘蔗入厂重量的限制，机收队伍经常需要安排停工，由此造成机收队伍人力成本的浪费，这也是在甘蔗收割环节难以普及机械化的主要原因之一；当实际产量低于预测产量时，运输车次过于饱和，由此产生了运力资源的浪费。因此，需要一种便捷、准确的甘蔗产量预测方法用于在正式收割前对蔗区的产量情况作出预测，使机收队伍和糖厂能更合理地把控工作进度。
3、卫星遥感技术的发展为解决传统测产方式调查范围小、精度低的问题带来了契机。卫星遥感通常拥有极大的刈幅，且具有数据获取成本低、信息丰富等优点，但由于不同地区
技术实现思路
1、为解决上述现有技术中所存在的对甘蔗种植区域识别及产量预测不够准确便捷且由于地域及天气导致遥感影像无法有效可用于甘蔗种植区域及产量预测的问题，本专利技术提供一种基于多源卫星遥感影像的甘蔗识别及产量预测方法，能够基于多源卫星遥感影响数据，对甘蔗种植区域及产量进行准确便捷的识别和预测。
2、为了实现上述技术目的，本专利技术提供了如下技术方案：基于多源卫星遥感影像的甘蔗识别及产量预测方法，包括：
3、获取历史卫星遥感影像数据，并对所述历史遥感影像数据中的甘蔗种植区域进行标注，构建数据集；构建轻量化卷积神经网络，基于所述数据集对所述轻量化卷积神经网络进行训练，生成甘蔗种植区域识别模型；
4、获取低云量影像数据，通过甘蔗种植区域识别模型对所述低云量影像数据进行分割；基于分割结果，生成掩膜；
5、基于掩膜，提取不同时期下的多源感影像数据的感兴趣区域，并根据所述感兴趣区域，得到植被指数；通过线性回归模型将植被指数进行转换及融合，对所述融合结果进行拟合，得到拟合最大值；基于拟合最大值得到特征参数；
6、基于特征参数，从当前多源卫星遥感影像中获取特征数据，通过机器学习模型对特征数据进行处理，生成甘蔗产量预测结果。
7、可选的，所述历史卫星遥感影像数据采用sentienl-2影像数据。
8、可选的，所述多源影像数据包括sentinel-2影像数据和landsat-8影像数据。
9、可选的，所述轻量化卷积神经网络采用引入高效通道注意模块的bisenetv2网络。
10、可选的，轻量化卷积神经网络包括主干网络及聚合层，其中所述主干网络包括提取精细特征的卷积分支结构和提取全局特征的可分离卷积分支结构，所述卷积分支结构包括依次连接若干个卷积层及辅助分割头，所述可分离卷积分支结构依次包括若干个卷积层及辅助分割头，其中可分离卷积分支结构中的第一组卷积层及辅助分割头之间插入有高效通道注意模块，所述聚合层中，卷积分支结构的输出结果与通过激活函数和上采样处理的所述可分离卷积分支结构的输出作为第一输出，通过下采样处理的卷积分支结构的输出结果与通过上下文嵌入模块及高效通道注意模块并行处理的所述可分离卷积分支结构的输出结果作为第二输出，将所述第一输出及第二输出进行聚合，并将聚合结构通过辅助分割头进行处理，生成分割结果。
11、可选的，其中所述高效通道注意模块包括依次连接的全局平均池化层及自适应动态卷积核，其中所述全局平均池化层与通过激活函数处理的自适应动态卷积核的输出结果的张量积作为高效通道注意模块的输出结果。
12、可选的，将植被指数时间序列进行转换的过程包括：
13、获取第一植被指数和第二植被指数，其中第一植被指数为基于sentinel-2影像数据获取的植被指数，第二植被指数为第一植被指数同时期下的基于landsat-8影像数据获取的植被指数，并根据第一植被指数和第二植被指数，构建训练测试集，对所述线性回归模型进行训练测试，生成优化后的线性回归模型，
14、通过优化后的线性回归模型将基于landsat-8影像数据获取的植被指数全部转换，生成符合sentinel-2影像数据基准下的植被指数；
15、对基于sentinel-2影像数据获取的植被指数和符合sentinel-2影像数据基准下的植被指数进行融合，生成植被指数时序数据。
16、可选的，对所述融合结果进行拟合的过程包括：
17、基于三次曲线方程，根据时间数据对融合结果即植被指数时序数据进行拟合，生成拟合曲线，将所述拟合曲线的拟合最大值作为特征光谱。
18、可选的，基于拟合最大值得到特征参数的过程包括：
19、基于拟合最大值与同时序下的甘蔗产量数据进行相关性分析，根据分析结果，生成特征参数。
20、本专利技术具有如下技术效果：
21、(1)提出了一种改进的轻量级分割网络eca-bisenetv2，在9—10月的sentinel-2卫星影像中能准确识别甘蔗种植区域，查准率达到了95.57％，可大大提高蔗田调查效率，有效扩大了采样区域。
22、(2)使用线性转化模型实现了sentinel-2和landsat-8数据的转化，提供了一种简单有效的方法解决多源卫星遥感图像的数据差异问题，可更加有效使用多源卫星影像数据，增加其数据的可用性；另外，基于植被指数的时间序列数据构建的三次曲线拟合模型可较好地拟合缺失卫星遥感图像的关键生长期的植被指数，并在植被指数时序数据的基础上，进一步将拟合最大值作为光谱特征，在有效可用的影像数据情况下，同样能够生成用于后续产量预测使用的输入光谱特征即关键生长期的植被指数。
23、(3)由多个植被指数的拟合最大值构建的产量预测模型的精度比由可用的实际最大值构建的模型精度更高，其中表现最好的决策树模型的测试集r2从0.759提高到了0.792，提升了4.3％，可有效解决因天气问题导致的甘蔗关键生长期遥感图像缺失而难以准确构建产量预测模型的问题，展示出较强的应用性。
本文档来自技高网...【技术保护点】
1.基于多源卫星遥感影像的甘蔗识别及产量预测方法，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：
3.根据权利要求1所述的方法，其特征在于：
4.根据权利要求1所述的方法，其特征在于：
5.根据权利要求1所述的方法，其特征在于：
6.根据权利要求5所述的方法，其特征在于：
7.根据权利要求3所述的方法，其特征在于：
8.根据权利要求7所述的方法，其特征在于：
9.根据权利要求8所述的方法，其特征在于：
【技术特征摘要】
1.基于多源卫星遥感影像的甘蔗识别及产量预测方法，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：
3.根据权利要求1所述的方法，其特征在于：
4.根据权利要求1所述的方法，其特征在于：
5.根据...
【专利技术属性】
技术研发人员：李修华，覃火娟，罗维，蒋柱辉，张木清，
申请(专利权)人：广西大学，
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。