System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于遥感监测,尤其涉及一种融合时空信息与形状模型匹配的作物物候近实时遥感监测方法。
技术介绍
1、作物物候定义了作物生长和发育过程中的关键阶段,并为各种农业活动(如,灌溉、施肥、收获、防治病虫害)提供关键信息。因此,通过卫星遥感数据在区域或全球尺度上及时、准确地获取作物物候信息非常重要。近年来,越来越多的研究关注到作物物候实时监测方面,也称为季内或生长季内物候监测,关键问题可以归结为从不完整的vi(植被指数)时序曲线中探测作物物候。假设vi时序曲线只获取到了某个截止日期之前,一种解决方案是用历史年份vi时序曲线预测截止日期后的vi时序曲线,用现有的季后检测方法得到季内估计物候期,但vi时序曲线的重建精度极大地影响着这类方法的性能。另一种解决方案是基于实时获取的vi时序曲线的局部段,模拟局部段的变化趋势进而得到物候估计值,但这种方法仅适用于少数物候期(如,返青期),并且检测存在几周的时间滞后。
2、liu等人(2022)在形状模型匹配方法(shape model fitting,smf)的基础上提出了smf-s方法(文献1:liu,l.,et al.,"detecting crop phenology from vegetationindex time-series data by improved shape model fitting in each phenologicalstage."remote sensing of environment 277(2022):113060.web.),仅用vi时序
技术实现思路
1、本专利技术的目的在于克服现有技术存在的不足,提供了一种作物物候近实时遥感监测方法,解决了现有季中探测方法使用场景受限的问题以及smf-s方法直接用在季中探测场景中的不足。
2、本专利技术采用的技术方案如下:
3、一种作物物候近实时遥感监测方法,用于多种作物在生长季内基于有限vi(植被指数)时序曲线探测物候期,其特征在于,包括以下步骤:
4、s1、获取研究作物的当前年份在某一截止日期前的有限vi时序曲线和历史年份完整vi时序曲线;同时,获取研究作物当前年份的空间分布和地面观测物候真值,生成形状模型。
5、s2、确定历史年份局部空间窗口内与目标像元作物类型相同的n个像元,获取这n个像元的完整vi时序曲线;然后将目标像元的有限vi时序曲线与n条完整vi时序曲线在局部时间窗口中仅进行平移匹配,记相关系数最高的为最优平移步长,然后选取相关系数排序前10的最优平移步长及完整vi时序曲线。
6、s3、使用smf-s方法对s2中得到的10条完整vi时序曲线进行物候季后探测,得到较为准确的10个第一物候估计值。
7、s4、将s2中得到的10个最优平移步长分别加上s3中得到的对应的第一物候估计值,得到目标像元当前年份的10个第二物候估计值。出于稳定性的考虑,选取10个第二物候估计值的中值,作为目标像元当前年份的近实时物候探测结果。
8、进一步地,s2步骤中,对于当前年份j的目标像元i的物候期来说,取有限vi时序曲线中的一段xi,同时取历史年份局部空间窗口内同一作物像元k的完整vi时序曲线中的一段xk(其中,yearj∈[j-1,j-2,j-3…j-m]);然后仅使用线性平移来实现稳定的实时曲线匹配:
9、
10、yearj∈[j-1,j-2,j-3…j-m]
11、其中,tshiftk为最优平移步长,r(.)表示皮尔森相关系数;记相关系数最高的为最优平移步长,然后选取相关系数排序前10的最优平移步长。
12、假设对物候期来说,当前年份有限vi时序曲线的截止日期为t0,则目标vi时序曲线与历史年份vi时序曲线的局部匹配段表示如下:
13、xi=[t0-2tw,t0]
14、xk∈[t0-3tw,t0+tw],with|xk|=2tw
15、其中,tw是预定义的时间窗口。
16、然后选取皮尔森相关系数排序前10的完整vi时序曲线。
17、进一步地,s3步骤中,使用smf-s方法对s2中得到的10条完整vi时序曲线进行物候季后探测;假设形状模型中的目标物候期是phen0,采用smf-s方法得到历史年份时序曲线的物候期的第一估计值
18、
19、其中,tshiftsmf-s是smf-s方法通过曲线匹配得到的最优线性平移参数;最后得到较为准确的10个第一物候估计值。
20、进一步地,s4步骤中,结合s2与s3步骤的结果,通过对进行物候估计,公式如下:
21、
22、得到目标像元当前年份的10个第二物候估计值取10个第二物候估计值的中位数作为目标像元i在当前年份j的最终物候估计结果,公式如下:
23、
24、相比于现有技术,本专利技术具有如下有益效果:
25、本专利技术方法是一种融合时空信息与形状模型匹配的作物物候近实时遥感监测方法,解决了现有季中探测方法使用场景受限的问题,弥补了smf-s方法直接用在季中探测场景中的不足,能够实时准确地对多种作物、多个物候点进行季中物候探测。首先,本专利技术方法在曲线匹配时只进行了平移操作,保证了季中场景中曲线匹配的准确性。其次,在输出结果时,保留了曲线匹配中相关系数排序前10的曲线的季后物候估计值的中值,提高了算法的稳定性。同时,本专利技术方法结合了形状模型匹配的思想,能够更好地探测作物农学定义的物候期,而不是单纯的探测vi时序曲线的变化点。
本文档来自技高网...【技术保护点】
1.一种作物物候近实时遥感监测方法,用于多种作物在生长季内基于有限VI时序曲线探测物候期,其特征在于,包括以下步骤:
2.如权利要求1所述的一种作物物候近实时遥感监测方法,其特征在于,S2步骤中,对于当前年份j的目标像元i的物候期来说,取有限VI时序曲线中的一段xi,同时取历史年份局部空间窗口内同一作物像元k的完整VI时序曲线中的一段xk,其中,下标yearj∈[j-1,j-2,j-3…j-m];然后仅使用线性平移实现稳定的实时曲线匹配:
3.如权利要求2所述的一种作物物候近实时遥感监测方法,其特征在于,S3步骤中,使用SMF-S方法对S2中得到的10条完整VI时序曲线进行物候季后探测;假设形状模型中的目标物候期是phen0,采用SMF-S方法得到历史年份时序曲线的物候期的第一估计值
4.如权利要求3所述的一种作物物候近实时遥感监测方法,其特征在于,S4步骤中,结合S2与S3步骤的结果,通过对进行物候估计,公式如下:
【技术特征摘要】
1.一种作物物候近实时遥感监测方法,用于多种作物在生长季内基于有限vi时序曲线探测物候期,其特征在于,包括以下步骤:
2.如权利要求1所述的一种作物物候近实时遥感监测方法,其特征在于,s2步骤中,对于当前年份j的目标像元i的物候期来说,取有限vi时序曲线中的一段xi,同时取历史年份局部空间窗口内同一作物像元k的完整vi时序曲线中的一段xk,其中,下标yearj∈[j-1,j-2,j-3…j-m];然后仅使用线性平移实...
【专利技术属性】
技术研发人员:曹入尹,李露纯,梁弘毅,朱孝林,
申请(专利权)人:电子科技大学,
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。