本申请涉及一种基于时序SAR与累积温度的水稻关键生育期监测方法，其中，方法包括：获取目标区域内水稻的时序SAR对应的年时序VH曲线和年时序VV曲线，并对年时序VH曲线进行滤波平滑处理，以得到年时序VH曲线对应的平滑曲线，且根据平滑曲线确定水稻播种期；提取水稻播种期至目标区域的水稻孕穗‑抽穗日期间的累积温度信息，并构建年时序VV曲线的多尺度信息；根据多尺度信息提取水稻关键生育期中的分蘖期信息和果实发育成熟期信息，同时基于多尺度信息和累积温度信息，提取目标区域内水稻关键生育期中的孕穗‑抽穗期信息。由此，解决了现有的水稻监测方法存在的作物生育期信息利用不充分、气候因素考虑不足等问题。
【技术实现步骤摘要】
本申请涉及农业遥感，特别涉及一种基于时序sar与累积温度的水稻关键生育期监测方法。
技术介绍
1、光学和sar遥感影像已被广泛应用于水稻生长期监测，由于光学中多个波段对植物的色素以及叶面积特征敏感，因此现有技术将不同光谱波段相结合进行生育期提取。在以往的应用中，通常可采用归一化植被指数(normalized difference vegetation index，ndvi)、增强型植被指数(enhanced vegetation index，evi)、红边叶绿素指数(chlorophyll index-red edge，cired-edge)等光学植被指数进行水稻的生育期提取，并达到了较好的效果。然而，光学植被指数由于容易饱和，因此难以区分作物的后期生长状态。目前，由于sar可以穿透云层，并且对水稻冠层结构、水分含量和生物量敏感，为作物关键生育期提取了更多信息，因此基于sar数据的水稻生育期监测算法得到了迅猛的发展。
2、由于雷达后向散射系数对作物生长阶段不同结构的动态响应，时序sar中蕴含的信息值得关注，如何从时序信号中提取出生育期相关信息是研究的重点。目前已有大量研究发展了有效的时序数据信息提取方法，主要通过时间域滤波来减少局部噪声，通过建立时域特征点与作物生长阶段之间的关系来提取生育期，但该类方法往往忽略了不同生育期的持续时间以及作物对气候的响应，不同生长阶段的相似特征点易于混淆，因此，除了时间域曲线特征点的描述以外，迫切需要制定生长期的其他关键特征，以解决卫星反演指标与地面观测之间的不匹配等问题。
>3、综上所述，现有的水稻监测方法存在作物生育期信息利用不充分、气候因素考虑不足等问题，亟待解决。
技术实现思路
1、本申请提供一种基于时序sar与累积温度的水稻关键生育期监测方法，以解决现有的水稻监测方法存在的作物生育期信息利用不充分、气候因素考虑不足等问题。
2、本申请第一方面实施例提供一种基于时序sar与累积温度的水稻关键生育期监测方法，包括以下步骤：获取目标区域内水稻的时序sar对应的年时序vh曲线和年时序vv曲线，并对所述年时序vh曲线进行滤波平滑处理，以得到所述年时序vh曲线对应的平滑曲线，且根据所述平滑曲线确定水稻播种期；提取所述水稻播种期至所述目标区域的水稻孕穗-抽穗日期间的累积温度信息，并构建所述年时序vv曲线的多尺度信息；根据所述多尺度信息提取水稻关键生育期中的分蘖期信息和果实发育成熟期信息，同时基于所述多尺度信息和所述累积温度信息，提取所述目标区域内所述水稻关键生育期中的孕穗-抽穗期信息。
3、可选地，在本申请的一个实施例中，所述对所述年时序vh曲线进行滤波平滑处理，以得到所述年时序vh曲线对应的平滑曲线，且根据所述平滑曲线确定水稻播种期，包括：对所述年时序vh曲线进行s-g滤波平滑处理，以生成所述年时序vh曲线对应的平滑曲线；计算所述平滑曲线中的极小值，并根据所述极小值对应的极小值点确定所述水稻播种期。
4、可选地，在本申请的一个实施例中，所述提取所述水稻播种期至所述目标区域的水稻孕穗-抽穗日期间的累积温度信息，包括：基于所述水稻播种期和所述目标区域的水稻孕穗-抽穗日期，确定水稻孕穗-抽穗期；确定所述水稻的生长基准温度，并获取所述水稻孕穗-抽穗期内的每日最低气温和每日最高气温，以根据所述每日最低气温和所述每日最高气温计算日平均气温；基于所述日平均气温、所述每日最低气温、所述每日最高气温和所述生长基准温度，计算生长度日，并根据所述生长度日计算所述累积温度信息。
5、可选地，在本申请的一个实施例中，所述构建所述年时序vv曲线的多尺度信息，包括：基于预设的多分辨率分析策略，对所述年时序vv曲线进行时频分析，以分离所述年时序vv曲线的不同频率成分；根据预设的小波基中心频率、卷积尺度和影像时间分辨率构建所述不同频率成分对应的多尺度信息，其中，所述多尺度信息包括噪声、局部变化、季节变化和长期趋势。
6、可选地，在本申请的一个实施例中，所述根据所述多尺度信息提取水稻关键生育期中的分蘖期信息和果实发育成熟期信息，同时基于所述多尺度信息和所述累积温度信息，提取所述目标区域内所述水稻关键生育期中的孕穗-抽穗期信息，包括：通过所述多尺度信息确定水稻生育期特征，并获取所述水稻在播种日后所述季节变化的最大值，以根据所述水稻生育期特征和所述最大值提取所述分蘖期信息；获取所述局部变化的特征点和所述季节变化的正负导数，并根据所述正负导数确定所述季节变化的周期波动对应的生长指示符，以通过所述生长指示符以及所述特征点提取所述果实发育成熟期信息；计算所述累积温度信息对应的均值和标准差，并根据所述均值和所述标准差构造正态分布函数；通过所述正态分布函数计算孕穗-抽穗期概率，并获取所述孕穗-抽穗期概率最大时所述局部变化中的局部变化极值点，以根据所述局部变化极值点确定所述孕穗-抽穗期信息。
7、本申请第二方面实施例提供一种基于时序sar与累积温度的水稻关键生育期监测装置，包括：滤波模块，用于获取目标区域内水稻的时序sar对应的年时序vh曲线和年时序vv曲线，并对所述年时序vh曲线进行滤波平滑处理，以得到所述年时序vh曲线对应的平滑曲线，且根据所述平滑曲线确定水稻播种期；构建模块，用于提取所述水稻播种期至所述目标区域的水稻孕穗-抽穗日期间的累积温度信息，并构建所述年时序vv曲线的多尺度信息；提取模块，用于根据所述多尺度信息提取水稻关键生育期中的分蘖期信息和果实发育成熟期信息，同时基于所述多尺度信息和所述累积温度信息，提取所述目标区域内所述水稻关键生育期中的孕穗-抽穗期信息。
8、可选地，在本申请的一个实施例中，所述滤波模块包括：生成单元，用于对所述年时序vh曲线进行s-g滤波平滑处理，以生成所述年时序vh曲线对应的平滑曲线；第一计算单元，用于计算所述平滑曲线中的极小值，并根据所述极小值对应的极小值点确定所述水稻播种期。
9、可选地，在本申请的一个实施例中，所述构建模块包括：第一确定单元，用于基于所述水稻播种期和所述目标区域的水稻孕穗-抽穗日期，确定水稻孕穗-抽穗期；第二确定单元，用于确定所述水稻的生长基准温度，并获取所述水稻孕穗-抽穗期内的每日最低气温和每日最高气温，以根据所述每日最低气温和所述每日最高气温计算日平均气温；第二计算单元，用于基于所述日平均气温、所述每日最低气温、所述每日最高气温和所述生长基准温度，计算生长度日，并根据所述生长度日计算所述累积温度信息。
10、可选地，在本申请的一个实施例中，所述构建模块还包括：分离单元，用于基于预设的多分辨率分析策略，对所述年时序vv曲线进行时频分析，以分离所述年时序vv曲线的不同频率成分；建立单元，用于根据预设的小波基中心频率、卷积尺度和影像时间分辨率构建所述不同频率成分对应的多尺度信息，其中，所述多尺度信息包括噪声、局部变化、季节变化和长期趋势。
11、可选地，在本申请的一个实施例中，所述提取模块包括：第一获取单元，用于通过所述多尺度信息确本文档来自技高网...
【技术保护点】
1.一种基于时序SAR与累积温度的水稻关键生育期监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述对所述年时序VH曲线进行滤波平滑处理，以得到所述年时序VH曲线对应的平滑曲线，且根据所述平滑曲线确定水稻播种期，包括：
3.根据权利要求2所述的方法，其特征在于，所述提取所述水稻播种期至所述目标区域的水稻孕穗-抽穗日期间的累积温度信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述构建所述年时序VV曲线的多尺度信息，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述多尺度信息提取水稻关键生育期中的分蘖期信息和果实发育成熟期信息，同时基于所述多尺度信息和所述累积温度信息，提取所述目标区域内所述水稻关键生育期中的孕穗-抽穗期信息，包括：
6.一种基于时序SAR与累积温度的水稻关键生育期监测装置，其特征在于，包括：
7.根据权利要求6所述的装置，其特征在于，所述滤波模块包括：
8.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-5任一项所述的基于时序SAR与累积温度的水稻关键生育期监测方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-5任一项所述的基于时序SAR与累积温度的水稻关键生育期监测方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被执行，以用于实现如权利要求1-5任一项所述的基于时序SAR与累积温度的水稻关键生育期监测方法。
...
【技术特征摘要】
1.一种基于时序sar与累积温度的水稻关键生育期监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述对所述年时序vh曲线进行滤波平滑处理，以得到所述年时序vh曲线对应的平滑曲线，且根据所述平滑曲线确定水稻播种期，包括：
3.根据权利要求2所述的方法，其特征在于，所述提取所述水稻播种期至所述目标区域的水稻孕穗-抽穗日期间的累积温度信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述构建所述年时序vv曲线的多尺度信息，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述多尺度信息提取水稻关键生育期中的分蘖期信息和果实发育成熟期信息，同时基于所述多尺度信息和所述累积温度信息，提取所述目标区域内所述水稻关键生育期中的孕穗-抽穗期信息，包括：
...
【专利技术属性】
技术研发人员：刘闯，赵伶俐，杨杰，孙维东，李平湘，史磊，
申请(专利权)人：武汉大学，
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。