【技术实现步骤摘要】
本专利技术涉及智能监测，具体为一种基于无人机遥感技术对草地蝗虫的智能监测方法及系统。
技术介绍
1、在现代农业和生态系统管理中，蝗虫的监测和控制是一项至关重要的任务。蝗虫群体的爆发对草地和农田造成严重的破坏，直接影响农业生产和生态平衡。传统的蝗虫监测方法通常依赖于地面巡查和采样，这种方法不仅耗时费力，而且覆盖范围有限，难以及时、全面地获取蝗虫的分布信息。
2、随着科技的进步，无人机遥感技术在农业和环境监测中的应用日益广泛。无人机具备高效、灵活、覆盖面广等优点，可以携带多种传感器进行大范围、高精度的数据采集，特别适用于复杂地形和广阔区域的监测任务。通过高分辨率的遥感图像和先进的数据分析算法，无人机遥感技术能够提供精确的蝗虫分布数据，有效辅助蝗虫灾害的预警和防控。
3、然而，对遥感图像中的蝗虫目标的有效识别和分类，数据处理的实时性和准确性的提高，多源数据的综合分析以提供全面的蝗虫监测信息均存在挑战。为此，提出一种基于无人机遥感技术对草地蝗虫的智能监测方法及系统。
技术实现思路
1、本专利技术的目的在于提供一种基于无人机遥感技术对草地蝗虫的智能监测方法及系统，首先利用无人机获取不同时间和区域的草地多光谱图像，并通过对多光谱图像的特征提取和分类，获取草地特征向量组；其次根据草地特征向量组，采用随机森林算法建立草地健康预测模型，生成草地健康评分；接着依据草地健康评分数据集和历史蝗虫活动数据集，建立蝗虫活动智能预测模型，得到蝗虫的分布概率、分布密度、迁移速度和活动强度；
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于无人机遥感技术对草地蝗虫的智能监测方法，包括：
4、利用无人机获取不同时间和不同区域的草地多光谱图像；
5、通过对所述草地多光谱图像进行预处理和图像分析，获取草地特征向量组和草地数据集；
6、根据所述草地特征向量组，建立草地健康预测模型，生成草地健康评分；
7、依据草地健康评分数据集和历史蝗虫活动数据集，建立蝗虫活动智能预测模型，获得蝗虫分布概率、蝗虫分布密度、蝗虫迁移速度和蝗虫活动强度；
8、基于所述蝗虫活动智能预测模型，通过分析所述草地数据集，建立蝗虫爆发预警模型，预测蝗虫爆发概率，并对早期蝗虫爆发进行预警；其中，蝗虫爆发的概率的具体公式为：
9、
10、其中，p(b(t))为在t时蝗虫爆发的概率，e(t)为在t时蝗虫活动强度，h(t)为在t时草地健康评分，p(t)为在t时降水量，y(t)为在t时草地应激反应，t(t)为在t时温度的交互特征，ξ0为逻辑回归算法的初始值，ξ1为在t时蝗虫活动强度的权重，ξ2为在t时草地健康评分与降水量的交互特征的权重，ξ3为在t时草地应激反应与温度的交互特征的权重；
11、根据所述蝗虫爆发概率，获得蝗虫爆发监测预警等级。
12、优选的，所述预处理包括辐射校正、几何校正和图像拼接；
13、其中，所述辐射校正用于修正草地多光谱图像辐射值中的噪声和亮度问题；所述几何校正用于消除草地多光谱图像在获取过程中引起的几何畸变；所述图像拼接用于将所述不同区域的草地多光谱图像进行无缝连接，生成大面积覆盖的完整影像；
14、所述图像分析通过对所述草地多光谱图像进行特征提取和分类，利用所述草地多光谱图像的各波段信息进行光谱特征分析，得到第一草地特征向量组；所述第一草地特征向量组包括实际草地健康评分、草地覆盖比例、土壤含水量、地表温度和病虫害区域比例；所述实际草地健康评分通过草地植被指数和增强型草地植被指数获取；所述草地数据集包括草地应激反应数据和环境对蝗虫活动影响数据。
15、优选的，对第一草地特征向量组中向量的缺失值进行均值填补，并进行归一化处理，得到标准草地特征向量组；
16、通过所述标准草地特征向量组，测算每个特征变量与草地健康评分之间的相关系数；具体计算公式为：
17、
18、其中，rj为草地特征向量组第j列特征向量与实际草地健康评分之间的相关系数，xij为第j列特征向量的第i行数据，为第j列特征向量的均值，yij为第j列特征向量的第i行数据，为第j列特征向量的均值；
19、依据所述相关系数获取所述草地特征向量组，建立草地健康预测模型；所述草地健康预测模型包括：
20、将所述草地特征向量组以8：2的比例分为训练集和测试集；
21、从训练集中随机有返回地抽取m个bootstrap样本子集，并对应构建m个决策树；在每个bootstrap样本子集中，随机选择草地特征向量进行训练；基于所述决策树，通过随机森林算法进行集成，利用训练集数据对所述草地健康预测模型进行训练，建立bootstrap样本子集参数与草地健康评分之间的关系；将所述测试集输入至所述草地健康预测模型进行测试，根据测试结果对所述草地健康预测模型进行优化，得到最优草地健康预测模型，生成草地健康评分；
22、其中，所述草地健康评分的具体公式为：
23、
24、其中，h(t)为在t时的草地健康评分，x1(t)为在t时的草地植被指数，x2(t)为在t时的增强型草地植被指数，x4(t)为在t时的土壤含水量，x6(t)为在t时的病虫害区域比例，ω1为草地植被指数权重，ω2为增强型草地植被指数权重，ω4为土壤含水量权重，ω6为病虫害区域比例权重。
25、优选的，所述历史蝗虫活动数据集包括历史蝗虫活动的时间、地点和数量，所述草地健康评分数据集为所述历史蝗虫活动的时间对应的所述草地健康评分；通过建立所述蝗虫活动智能预测模型对所述历史蝗虫活动数据集和所述草地健康评分数据集进行分析，获得蝗虫分布概率、蝗虫分布密度、蝗虫迁移速度和蝗虫活动强度；
26、所述蝗虫活动智能预测模型通过所述历史蝗虫活动数据集和所述草地特征向量组进行训练，具体步骤包括：
27、数据预处理：对所有数据进行归一化处理，得到预处理集；
28、数据集划分：将所述预处理集按照7:3的比例划分为训练集和测试集；
29、训练模型：将所述训练集输入至所述蝗虫活动智能预测模型，直到符合模型训练停止条件，得到初始蝗虫活动智能预测模型；所述模型训练停止条件为所述蝗虫活动智能预测模型的损失函数值达到收敛；
30、测试模型：将所述测试集输入所述蝗虫活动智能预测模型进行测试，根据测试结果对所述蝗虫活动智能预测模型进行优化，得到最优蝗虫活动智能预测模型；
31、所述蝗虫活动智能预测模型包括预处理层、特征分析层和参数预测层；
32、所述预处理层用于对所述历史蝗虫活动数据集进行预处理操作，获取历史蝗虫活动标准数据集；所述预处理操作包括数据清洗、标准化、归一化和缺失值处理；
33、所述特征分析层包括lstm网络本文档来自技高网...
【技术保护点】
1.一种基于无人机遥感技术对草地蝗虫的智能监测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于无人机遥感技术对草地蝗虫的智能监测方法，其特征在于，所述预处理包括辐射校正、几何校正和图像拼接；
3.根据权利要求1所述的一种基于无人机遥感技术对草地蝗虫的智能监测方法，其特征在于，对第一草地特征向量组中向量的缺失值进行均值填补，并进行归一化处理，得到标准草地特征向量组；
4.根据权利要求1所述的一种基于无人机遥感技术对草地蝗虫的智能监测方法，其特征在于，所述历史蝗虫活动数据集包括历史蝗虫活动的时间、地点和数量，所述草地健康评分数据集为所述历史蝗虫活动的时间对应的所述草地健康评分；通过建立所述蝗虫活动智能预测模型对所述历史蝗虫活动数据集和所述草地健康评分数据集进行分析，获得蝗虫分布概率、蝗虫分布密度、蝗虫迁移速度和蝗虫活动强度；
5.根据权利要求4所述的一种基于无人机遥感技术对草地蝗虫的智能监测方法，其特征在于，所述蝗虫分布概率的计算公式为：
6.根据权利要求1所述的一种基于无人机遥感技术对草地蝗虫的智能监测方法，其特
7.根据权利要求6所述的一种基于无人机遥感技术对草地蝗虫的智能监测方法，其特征在于，所述蝗虫爆发监测预警等级分为三个等级，分别为低风险等级、中风险等级和高风险等级；
8.一种基于无人机遥感技术对草地蝗虫的智能监测系统，其特征在于，包括：
9.根据权利要求8所述的一种基于无人机遥感技术对草地蝗虫的智能监测系统，其特征在于，所述蝗虫爆发预测预警单元依据所述草地特征向量组和所述草地数据集建立交互特征组；所述交互特征组包括草地健康评分与降水量以及草地应激反应与温度的交互特征；
10.根据权利要求8所述的一种基于无人机遥感技术对草地蝗虫的智能监测系统，其特征在于，所述蝗虫爆发预测预警单元通过所述蝗虫爆发的概率对早期蝗虫爆发进行预警；蝗虫爆发监测预警等级分为三个等级，分别为低风险等级、中风险等级和高风险等级；
...【技术特征摘要】
1.一种基于无人机遥感技术对草地蝗虫的智能监测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于无人机遥感技术对草地蝗虫的智能监测方法，其特征在于，所述预处理包括辐射校正、几何校正和图像拼接；
3.根据权利要求1所述的一种基于无人机遥感技术对草地蝗虫的智能监测方法，其特征在于，对第一草地特征向量组中向量的缺失值进行均值填补，并进行归一化处理，得到标准草地特征向量组；
4.根据权利要求1所述的一种基于无人机遥感技术对草地蝗虫的智能监测方法，其特征在于，所述历史蝗虫活动数据集包括历史蝗虫活动的时间、地点和数量，所述草地健康评分数据集为所述历史蝗虫活动的时间对应的所述草地健康评分；通过建立所述蝗虫活动智能预测模型对所述历史蝗虫活动数据集和所述草地健康评分数据集进行分析，获得蝗虫分布概率、蝗虫分布密度、蝗虫迁移速度和蝗虫活动强度；
5.根据权利要求4所述的一种基于无人机遥感技术对草地蝗虫的智能监测方法，其特征在于，所述蝗虫分布概率的计算公式为：
6.根据权利要求1所述的...
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。