灌溉耕地区域识别方法、装置、设备及存储介质

1.本发明涉及农业监测管理技术领域，尤其涉及一种灌溉耕地区域识别方法、装置、设备及存储介质。


背景技术：

2.农耕文明是人类历史中不可或缺的一部分。伴随着耕作技术的诞生和发展，人类从条件适宜的大河流域走向世界的每个角落，这个过程离不开灌溉农业；特别是在降水量远小于蒸发量的干旱-半干旱地区，灌溉给农作物的发芽、生长和成熟提供了必要的湿度条件，很大程度上使得自然条件并不适宜耕种的土地能够产出足够多的粮食。因此，为了实现粮食安全和土地利用可持续发展的目标，需要使用大范围高分辨率的实际灌溉数据作为决策资料。在人口增长和全球变化的双重影响下，部分地区的灌溉情况发生了变化，过去生产的一些数据在时间和空间尺度上的应用价值有所降低。
3.目前，通常使用光谱特征进行分类的方法绘制灌溉分布图。然而，遥感数据中灌溉的光谱特征相当模糊，具有很强的空间异质性。并且，由于较高使用光谱特征进行分类的计算复杂度较高以及训练数据的不可获得性，导致灌溉耕地提取划分的准确性较低。


技术实现要素：

4.本发明提供一种灌溉耕地区域识别方法、装置、设备及存储介质，旨在提高灌溉耕地划分的准确性。
5.本发明提供一种灌溉耕地区域识别，包括：
6.获取待识别制图区域的卫星图像数据，并确定所述待识别制图区域的干旱时期；
7.基于所述卫星图像数据，计算所述卫星图像数据中每一个耕田像素点在所述干旱时期的目标植被指数；
8.针对每一所述耕田像素点：基于所述耕田像素点的目标植被指数和预先计算到的待识别制图区域的指数阈值，判断所述耕田像素点是否为灌溉耕地区域。
9.可选地，根据本发明提供的一种灌溉耕地区域识别，所述干旱时期包括干旱月份和干旱年份，所述确定所述待识别制图区域的干旱时期，包括：
10.统计所述待识别制图区域在第一预先时间范围的年降雨量以及月降雨量；
11.基于所述待识别制图区域的地区气候信息，判断所述待识别制图区域是否存在固定干旱时期；
12.若存在，则基于所述第一预先时间范围的月降雨量，确定所述待识别制图区域的干旱月份；
13.若不存在，则基于所述第一预先时间范围内每一年的年降雨量，确定所述待识别制图区域的干旱年份。
14.可选地，根据本发明提供的一种灌溉耕地区域识别，若所述待识别制图区域存在固定干旱时期，所述基于所述卫星图像数据，计算所述卫星图像数据中每一个耕田像素点
在所述干旱时期的目标植被指数，包括：
15.结合所述卫星图像数据，计算在第二预设时间范围内每一年的干旱月份的最大植被指数，并将所述干旱月份的最大植被指数作为所述目标植被指数，其中，所述第二预先时间范围小于所述第一预先时间范围。
16.可选地，根据本发明提供的一种灌溉耕地区域识别，若所述待识别制图区域不存在固定干旱时期，所述基于所述卫星图像数据，计算所述卫星图像数据中每一个耕田像素点在所述干旱时期的目标植被指数，包括：
17.确定所述干旱年份中的目标干旱月份；
18.结合所述卫星图像数据，计算所述目标干旱月份的最大植被指数以及植被指数平均值；
19.基于所述目标干旱月份的最大植被指数和植被指数平均值，计算得到所述目标干旱月份的植被指数偏差值，并将所述目标干旱月份的植被指数偏差值作为所述目标植被指数。
20.可选地，根据本发明提供的一种灌溉耕地区域识别，所述基于所述目标干旱月份的最大植被指数和植被指数平均值，计算得到所述目标干旱月份的植被指数偏差值，包括
21.计算所述目标干旱月份的最大植被指数和所述植被指数平均值之间的指数差值；
22.计算所述指数差值与所述植被指数平均值之间的比例，得到所述目标干旱月份的植被指数平均值。
23.可选地，根据本发明提供的一种灌溉耕地区域识别，在所述基于每一所述耕田像素点的植被指数和预先计算到的待识别制图区域的指数阈值，判断所述耕田像素点是否为灌溉耕地区域之前，还包括：
24.获取在所述待识别制图区域内若干个训练样本点的训练数据，其中，所述训练样本点包括灌溉点和非灌溉点；
25.若所述待识别制图区域存在固定干旱时期，则基于所述训练数据，分别计算各所述灌溉点以及各所述非灌溉点分别对应的最大植被指数，并基于各所述灌溉点和各所述非灌溉点分别对应的最大植被指数，计算得到所述待识别制图区域的指数阈值；
26.若所述待识别制图区域不存在固定干旱时期，则基于所述训练数据，分别计算各所述灌溉点以及各所述非灌溉点分别对应的植被指数偏差值，并基于各所述灌溉点和各所述非灌溉点分别对应的植被指数偏差值，计算得到所述待识别制图区域的指数阈值。
27.可选地，根据本发明提供的一种灌溉耕地区域识别，所述基于所述耕田像素点的目标植被指数和预先计算到的待识别制图区域的指数阈值，判断所述耕田像素点是否为灌溉耕地区域，包括：
28.若所述待识别制图区域存在固定干旱时期，且所述目标植被指数大于所述指数阈值，则判定所述耕田像素点为灌溉耕地区域；
29.若所述待识别制图区域不存在固定干旱时期，且所述目标植被指数小于所述指数阈值，则判定所述耕田像素点为灌溉耕地区域。
30.本发明还提供一种灌溉耕地区域识别装置，包括：
31.获取模块，用于获取待识别制图区域的卫星图像数据，并确定所述待识别制图区域的干旱时期；
32.计算模块，用于基于所述卫星图像数据，计算所述卫星图像数据中每一个耕田像素点在所述干旱时期的目标植被指数；
33.判断模块，用于针对每一所述耕田像素点：基于所述耕田像素点的目标植被指数和预先计算到的待识别制图区域的指数阈值，判断所述耕田像素点是否为灌溉耕地区域。
34.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述灌溉耕地区域识别方法。
35.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述灌溉耕地区域识别方法。
36.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述灌溉耕地区域识别方法。
37.本发明提供的灌溉耕地区域识别方法、装置、设备及存储介质，通过获取待识别制图区域的卫星图像数据，并确定所述待识别制图区域的干旱时期；基于所述卫星图像数据，计算所述卫星图像数据中每一个耕田像素点在所述干旱时期的目标植被指数；针对每一所述耕田像素点：基于所述耕田像素点的目标植被指数和预先计算到的待识别制图区域的指数阈值，判断所述耕田像素点是否为灌溉耕地区域。由于在干旱时期时，灌概耕地的ndvi植被指数可以得到缓解，而雨养耕地受干旱胁迫严重农作物长势会较差，导致ndvi植被指数也会偏低，使得可基于干旱时期的ndvi植被指数来区分灌概耕地和雨养耕地，本发明通过确定待识别制图区域对应的干旱时期，进而计算干旱时期对应的植被指数，并且基于该制图区域的指数阈值判断每一个耕田像素点是否属于灌溉耕地区域，从而实现基于干旱胁迫条件下的植被指数和该制图区域的指数阈值，准确识别出灌概耕地区域。
附图说明
38.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
39.图1是本发明提供的灌溉耕地区域识别方法的流程示意图之一；
40.图2是本发明提供的灌溉耕地区域识别方法的流程示意图之二；
41.图3是本发明提供的灌溉耕地区域识别方法的流程示意图之三；
42.图4是本发明提供的灌溉耕地区域识别装置的结构示意图；
43.图5是本发明提供的电子设备的结构示意图。
具体实施方式
44.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
45.在本发明一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而
非旨在限制本发明一个或多个实施例。在本发明一个或多个实施例中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本发明一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
46.应当理解，尽管在本发明一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
47.下面结合图1-图5对本发明示例实施方式进行详细说明。
48.如图1所示的是本发明实施例的一种灌溉耕地区域识别方法的流程图。如图1所示，该灌溉耕地区域识别方法方法包括：
49.步骤s10，获取待识别制图区域的卫星图像数据，并确定所述待识别制图区域的干旱时期；
50.需要说明的是，根据气候和物候的变化，全球被划分为不同的区域，本实施例中，地区划分是使用cropwatch(中国领先的农情监测系统)介绍的65个监测和报告单位mrus进行划分，这些监测和报告单位mrus的划分是基于联合国粮农组织(fao)的全球生态地图，并且是根据作物类型、农业生产潜力和环境条件进行划分的。一些区域因其气候变异性而被进一步划分，总共有110个灌溉制图区域(imzs)，其中，所述待识别制图区域为所述110个灌溉制图区域(imzs)中的某一个区域。
51.进一步需要说明的是，卫星图像数据在经过高清图片合成事前，在全光谱的各个波段中都是采集相关的数据，从而使得可基于所述卫星图像数据，基于不同波段之间的比值分析计算得到相应的植被指数，在一实施例中，卫星图像数据可选择landsat8或sentinel 2对应的图像数据。
52.更进一步需要说明的是，由于气候、物候以及作物类型等条件的不同，可将各个灌溉制图区域划分为具有固定干旱月份的区域和没有固定干旱月份的区域(如：美国东北部大平原)，其中，针对有固定干旱月份的区域，需要规律固定的灌溉，例如：热带草原和季风气候的旱季，温带季风气候的冬季，以及地中海气候的夏季，均具有明显的干旱时期，如果在干旱时期有农作物生长则需要进行灌溉。
53.其中，所述干旱时期包括干旱月份和干旱年份，所述确定所述待识别制图区域的干旱时期，包括：
54.步骤s11，统计所述待识别制图区域在第一预先时间范围的年降雨量以及月降雨量；
55.步骤s12，基于所述待识别制图区域的地区气候信息，判断所述待识别制图区域是否存在固定干旱时期；
56.步骤s13，若存在，则基于所述第一预先时间范围的月降雨量，确定所述待识别制图区域的干旱月份；
57.步骤s14，若不存在，则基于所述第一预先时间范围内每一年的年降雨量，确定所述待识别制图区域的干旱年份。
58.作为一种可实施方式，具体地，获取卫星降雨数据，可选地，所述卫星降雨数据可基于trmm(tropical rainfall measuring mission，测量降雨)卫星，进而基于卫星降雨数据，统计第一预设时间范围内的年降雨量以及月降雨量，所述第一预设时间范围可根据实际情况设置，可选地，设置为5至10年，优选地，设置为10年，进一步地，查询所述待识别制图区域是否存在固定干旱时期，若存在固定干旱时期，则计算一年中的月降雨量以及对应月潜在蒸散量的差值，确定所述待识别制图区域的干旱月份，若不存在固定干旱时期，基于所述第一预先时间范围内每一年的年降雨量，将年降雨量最少的年份作为所述待识别制图区域的干旱年份，另外地，在所述干旱年份中对应的月降雨量，将月降雨量最少的预分作为所述干旱年份中的目标干旱月份。
59.步骤s20，基于所述卫星图像数据，计算所述卫星图像数据中每一个耕田像素点在所述干旱时期的目标植被指数；
60.需要说明的是，所述目标植被指数包括ndvi归一化植被指数、最大ndvi植被指数或者ndvi植被指数偏差值。ndvi植被指数是通过测量近红外波段反射率和红色波段反射率之间的差异(也可以是反射值)确定的，具体计算公式如下：
61.ndvi＝(nir-r)/(nir-r)
62.其中，nir指的是近红外波段反射率，r指的是红色波段反射率。
63.在本实施例中，针对所述待识别制图区域对应的每一所述耕田像素点均执行以下步骤：
64.作为一种可实施方式，具体地，针对待识别制图区域存在固定干旱时期：基于所述卫星图像数据中不同波段的数据，计算在干旱月份对应的ndvi植被指数，并将所述ndvi植被指数作为所述目标植被指数，为了更精准地识别出待识别制图区域是否属于灌溉地，可选地，选取第二预设时间范围的卫星图像数据，进而计算在所述第二预设时间范围中每一年干旱月份分别对应的ndvi植被指数，其中，所述第二预先时间范围小于上述第一预先时间范围，所述第二预设时间范围可根据实际情况设置，在此不做具体限制，进而选取ndvi植被指数最大的植被指数作为所述目标植被指数，例如，干旱月份是7月至8月，计算2019至2021中每一年7月至8月分别对应的ndvi植被指数，选取最大的ndvi植被指数作为所述耕地像素点的目标植被指数。
65.作为另一种可实施方式，具体地，针对待识别制图区域不存在固定干旱时期：基于所述干旱年份中每一个月的月降雨量，确定所述干旱年份中的目标干旱月份，进而结合所述卫星图像数据中不同波段对应的数据，计算在所述目标干旱月份中的最大ndvi植被指数，以及计算所述目标干旱月份对应的ndvi植被指数平均值，进一步地，基于所述最大ndvi植被指数和所述ndvi植被指数平均值，计算得到所述耕地像素点对应的ndvi植被指数偏差值，并将所述ndvi植被指数偏差值作为所述耕地像素点的目标植被指数，例如，2012至2021中干旱年份是2014，干旱月份是7月，计算2014年7月对应的最大ndvi植被指数以及ndvi植被指数平均值，从而计算得到该耕地像素点的ndvi植被指数偏差值。
66.另外需要说明的是，由于本发明是基于旱胁迫下的灌溉作物的长势表现识别灌溉区域，在干旱时期作物未能够生长出来，可结合作物长势情况，计算在干旱时期之后的预设时间内的目标植被指数进行判别，其中，预设时间可结合作物长势情况进行设置，例如：在干旱时期为1月至2月，可能在1月至2月作物还未能够生长出来，因此，无法针对1月至2月对
应的目标植被指数进行识别区分，可结合作物长势情况，计算在在3月份的目标植被指数进行判别。
67.步骤s30，针对每一所述耕田像素点：基于所述耕田像素点的目标植被指数和预先计算到的待识别制图区域的指数阈值，判断所述耕田像素点是否为灌溉耕地区域。
68.在本实施例中，需要说明的是，不同制图区域对应的目标阈值不尽相同，所述指数阈值为基于所述待识别制图区域中各灌溉点和各非灌溉点分别对应的植被指数ndvi确定的。
69.作为一种可实施方式，具体地，针对待识别制图区域存在固定干旱时期的情况：将所述耕田像素点的目标植被指数和所述待识别制图区域的最大植被指数进行比较，若所述目标植被指数大于所述指数阈值，则证明所述耕田像素点属于灌溉耕地区域，若所述目标植被指数不大于所述指数阈值，则证明所述耕田像素点不属于灌溉耕地区域，例如：位于印度北部的恒河平原存在固定干旱时期，指数阈值0.32，如果ndvi目标植被指数在2月份大于0.32，有植被的耕地就被视为灌溉耕地。
70.作为另一种可实施方式，具体地，针对待识别制图区域不存在固定干旱时期的情况：将所述耕田像素点的目标植被指数和所述待识别制图区域的最大植被指数进行比较，若所述目标植被指数小于所述指数阈值，则证明所述耕田像素点属于灌溉耕地区域，若所述目标植被指数不小于所述指数阈值，则证明所述耕田像素点不属于灌溉耕地区域，例如：在美国东北部大平原不存在固定干旱时期，指数阈值为-10％，如果2012年5-6月的目标植被指数小于-10％，则该耕地被认为是灌溉耕地。
71.表1
[0072][0073]
其中，参照表1，可以理解地，通过本发明的方法识别到的灌溉地比联合国粮农组织2000年统计数据库记载到的灌溉地区域稍大。
[0074]
本发明实施例通过上述方案，也即，获取待识别制图区域的卫星图像数据，并确定所述待识别制图区域的干旱时期；基于所述卫星图像数据，计算所述卫星图像数据中每一
个耕田像素点在所述干旱时期的目标植被指数；针对每一所述耕田像素点：基于所述耕田像素点的目标植被指数和预先计算到的待识别制图区域的指数阈值，判断所述耕田像素点是否为灌溉耕地区域。由于在干旱时期时，灌概耕地的ndvi植被指数可以得到缓解，而雨养耕地受干旱胁迫严重农作物长势会较差，导致ndvi植被指数也会偏低，使得可基于干旱时期的ndvi植被指数来区分灌概耕地和雨养耕地，本发明通过确定待识别制图区域对应的干旱时期，进而计算干旱时期对应的植被指数，并且基于该制图区域的指数阈值判断每一个耕田像素点是否属于灌溉耕地区域，从而实现基于干旱胁迫条件下的植被指数和该制图区域的指数阈值，准确识别出灌概耕地区域。
[0075]
参照图2，基于第一实施例，在本发明的另一实施例中，所述基于所述卫星图像数据，计算所述卫星图像数据中每一个耕田像素点在所述干旱时期的目标植被指数，包括：
[0076]
步骤s21，确定所述干旱年份中的目标干旱月份；
[0077]
步骤s22，结合所述卫星图像数据，计算所述目标干旱月份的最大植被指数和植被指数平均值；
[0078]
步骤s23，基于所述目标干旱月份的最大植被指数和植被指数平均值，计算得到所述目标干旱月份的植被指数偏差值，并将所述目标干旱月份的植被指数偏差值作为所述目标植被指数。
[0079]
在本实施例中，针对待识别制图区域不存在固定干旱时期的情况：基于所述干旱年份中每一个月的月降雨量以及对应的月潜在蒸散量，计算得到月盈余量，基于所述月盈余量，确定所述干旱年份中的目标干旱月份，进而结合所述卫星图像数据，计算所述目标干旱月份对应的ndvi植被指数，从而确定最大植被指数，以及统计ndvi植被指数对应的植被指数平均值，进一步地，计算所述目标干旱月份的最大植被指数和所述植被指数平均值之间的指数差值，计算所述指数差值与所述植被指数平均值之间的比值，得到所述目标干旱月份的植被指数偏差值，计算得到所述目标干旱月份的植被指数偏差值，并将所述目标干旱月份的植被指数偏差值作为所述目标植被指数，从而实现了针对没有固定干旱时期的区域，通过计算最干旱年份中的干旱月份对应的植被指数偏差值，以基于该植被指数偏差值和该区域的指数阈值，准确识别出灌概耕地区域，其中，植被指数偏差值计算公式如下：
[0080]
ndvi
dev
＝(ndvi
max-driestm-ndvi
dm
)/ndvi
dm
[0081]
其中，ndvi
dev
表示目标干旱月份的植被指数偏差值，ndvi max-driestm
表示第一预先时间范围内干旱年份中目标干旱月份的最大植被指数，ndvi
dm
表示目标干旱月份的植被指数平均值。
[0082]
参照图3，基于第一实施例，在本发明的另一实施例中，在步骤s30：基于每一所述耕田像素点的植被指数和预先计算到的待识别制图区域的指数阈值，判断所述耕田像素点是否为灌溉耕地区域之前，还包括：
[0083]
步骤a10，获取在所述待识别制图区域内若干个训练样本点的训练数据，其中，所述训练样本点包括灌溉点和非灌溉点；
[0084]
在本实施例中，需要说明的是，在110个灌溉制图区域(imzs)中的不同制图区域对应的指数阈值不尽相同，同一个灌溉制图区域中每一个耕地像素点对应的指数阈值相同，在所述待识别制图区域中选择若干个训练样本点，其中，所述训练样本点包括灌溉点和非灌溉点，并且收集灌溉点和非灌溉点分别对应的卫星图像数据(也即训练数据)。
[0085]
步骤a20，若所述待识别制图区域存在固定干旱时期，则基于所述训练数据，分别计算各所述灌溉点以及各所述非灌溉点分别对应的最大植被指数，并基于各所述灌溉点和各所述非灌溉点分别对应的最大植被指数，计算得到所述待识别制图区域的指数阈值；
[0086]
步骤a30，若所述待识别制图区域不存在固定干旱时期，则基于所述训练数据，分别计算各所述灌溉点以及各所述非灌溉点分别对应的植被指数偏差值，并基于各所述灌溉点和各所述非灌溉点分别对应的植被指数偏差值，计算得到所述待识别制图区域的指数阈值。
[0087]
需要说明的是，所述最大植被指数为ndvi植被指数的最大值。指数阈值计算方法可基于距离判别法、bayes判别法以及fisher线性判别法等方法计算确定。
[0088]
作为一种可实施方式，具体地，若所述待识别制图区域存在固定干旱时期，基于各所述灌溉点在干旱月份分别对应的训练数据，计算出各所述灌溉点对应的ndvi植被指数，从而确定灌溉点对应的最大ndvi植被指数，另外地，基于各所述非灌溉点在干旱月份分别对应的训练数据，计算出各所述非灌溉点对应的ndvi植被指数，从而确定非灌溉点对应的最大ndvi植被指数，进而基于所述灌溉点对应的最大ndvi植被指数和所述非灌溉点对应的最大ndvi植被指数，计算得到待识别制图区域的指数阈值。
[0089]
作为另一种可实施方式，具体地，基于各所述灌溉点在第一预先时间范围内干旱年份中的目标干旱月份分别对应的训练数据，计算出各所述灌溉点对应的最大ndvi植被指数以及植被指数平均值，进而基于灌溉点对应的最大ndvi植被指数以及植被指数平均值，计算得到灌溉点对应的植被指数偏差值，另外地，非灌溉点对应的植被指数偏差值的计算过程和灌溉点的植被指数偏差值的计算过程基本相同，在此不再赘述，进而基于各所述灌溉点和各所述非灌溉点分别对应的植被指数偏差值，计算得到所述待识别制图区域的指数阈值。
[0090]
其中，指数阈值的计算公式如下：
[0091][0092]
其中，nmidpoint表示所述指数阈值，nirrgated表示灌溉点对应的最大植被指数或者植被指数偏差值，nnon-irrgated表示非灌溉点对应的最大植被指数或者植被指数偏差值。
[0093]
本发明实施例通过上述方案，也即，获取在所述待识别制图区域内若干个训练样本点的训练数据，其中，所述训练样本点包括灌溉点和非灌溉点；若所述待识别制图区域存在固定干旱时期，则基于所述训练数据，分别计算各所述灌溉点以及各所述非灌溉点分别对应的最大植被指数，并基于各所述灌溉点和各所述非灌溉点分别对应的最大植被指数，计算得到所述待识别制图区域的指数阈值；若所述待识别制图区域不存在固定干旱时期，则基于所述训练数据，分别计算各所述灌溉点以及各所述非灌溉点分别对应的植被指数偏差值，并基于各所述灌溉点和各所述非灌溉点分别对应的植被指数偏差值，计算得到所述待识别制图区域的指数阈值。实现了基于干旱时期对应的植被指数，训练确定指数阈值，从而基于干旱胁迫条件下的作物长势和指数阈值，更准确的区分出灌溉区域和非灌溉区域。
[0094]
下面对本发明提供的灌溉耕地区域识别装置进行描述，下文描述的灌溉耕地区域识别装置与上文描述的灌溉耕地区域识别方法可相互对应参照。
[0095]
如图4所示，本发明实施例的一种灌溉耕地区域识别装置，该装置包括：
[0096]
获取模块10，用于获取待识别制图区域的卫星图像数据，并确定所述待识别制图区域的干旱时期；
[0097]
计算模块20，用于基于所述卫星图像数据，计算所述卫星图像数据中每一个耕田像素点在所述干旱时期的目标植被指数；
[0098]
判断模块30，用于针对每一所述耕田像素点：基于所述耕田像素点的目标植被指数和预先计算到的待识别制图区域的指数阈值，判断所述耕田像素点是否为灌溉耕地区域。
[0099]
可选地，所述灌溉耕地区域识别装置还包括：
[0100]
获取在所述待识别制图区域内若干个训练样本点的训练数据，其中，所述训练样本点包括灌溉点和非灌溉点；
[0101]
若所述待识别制图区域存在固定干旱时期，则基于所述训练数据，分别计算各所述灌溉点以及各所述非灌溉点分别对应的最大植被指数，并基于各所述灌溉点和各所述非灌溉点分别对应的最大植被指数，计算得到所述待识别制图区域的指数阈值；
[0102]
若所述待识别制图区域不存在固定干旱时期，则基于所述训练数据，分别计算各所述灌溉点以及各所述非灌溉点分别对应的植被指数偏差值，并基于各所述灌溉点和各所述非灌溉点分别对应的植被指数偏差值，计算得到所述待识别制图区域的指数阈值。
[0103]
可选地，所述灌溉耕地区域识别装置还包括：
[0104]
统计所述待识别制图区域在第一预先时间范围的年降雨量以及月降雨量；
[0105]
基于所述待识别制图区域的地区气候信息，判断所述待识别制图区域是否存在固定干旱时期；
[0106]
若存在，则基于所述第一预先时间范围的月降雨量，确定所述待识别制图区域的干旱月份；
[0107]
若不存在，则基于所述第一预先时间范围内每一年的年降雨量，确定所述待识别制图区域的干旱年份。
[0108]
可选地，所述计算模块20还用于：
[0109]
结合所述卫星图像数据，计算在第二预设时间范围内每一年干旱月份的最大植被指数，并将所述干旱月份的最大植被指数作为所述目标植被指数，其中，所述第二预先时间范围小于所述第一预先时间范围。
[0110]
可选地，所述计算模块20还用于：
[0111]
确定所述干旱年份中的目标干旱月份；
[0112]
结合所述卫星图像数据，计算所述目标干旱月份的最大植被指数和植被指数平均值；
[0113]
基于所述目标干旱月份的最大植被指数和植被指数平均值，计算得到所述目标干旱月份的植被指数偏差值，并将所述目标干旱月份的植被指数偏差值作为所述目标植被指数。
[0114]
可选地，所述计算模块20还用于：
[0115]
计算所述目标干旱月份的最大植被指数和所述植被指数平均值之间的指数差值；
[0116]
计算所述指数差值与所述植被指数平均值之间的比值，得到所述目标干旱月份的
植被指数偏差值。
[0117]
可选地，所述判断模块30还用于：
[0118]
若所述待识别制图区域存在固定干旱时期，且所述目标植被指数大于所述指数阈值，则判定所述耕田像素点为灌溉耕地区域；
[0119]
若所述待识别制图区域不存在固定干旱时期，且所述目标植被指数小于所述指数阈值，则判定所述耕田像素点为灌溉耕地区域。
[0120]
在此需要说明的是，本技术实施例提供的上述装置，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同技术效果，在此不再对本实施例中与方法实施例相同部分及有益效果进行具体赘述。
[0121]
图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)810、通信接口(communications interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行灌溉耕地区域识别方法，该方法包括：获取待识别制图区域的卫星图像数据，并确定所述待识别制图区域的干旱时期；基于所述卫星图像数据，计算所述卫星图像数据中每一个耕田像素点在所述干旱时期的目标植被指数；针对每一所述耕田像素点：基于所述耕田像素点的目标植被指数和预先计算到的待识别制图区域的指数阈值，判断所述耕田像素点是否为灌溉耕地区域。
[0122]
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0123]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的灌溉耕地区域识别方法，该方法包括：获取待识别制图区域的卫星图像数据，并确定所述待识别制图区域的干旱时期；基于所述卫星图像数据，计算所述卫星图像数据中每一个耕田像素点在所述干旱时期的目标植被指数；针对每一所述耕田像素点：基于所述耕田像素点的目标植被指数和预先计算到的待识别制图区域的指数阈值，判断所述耕田像素点是否为灌溉耕地区域。
[0124]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的灌溉耕地区域识别方法，该方法包括：获取待识别制图区域的卫星图像数据，并确定所述待识别制图区域的干旱时期；基于所述卫星图像数据，计算所述卫星图像数据中每一个耕田像素点在所述干旱时期的目标植被指数；针对每一所述耕田像素点：基于所述耕田像素点的目标植被指数和预先计算到的待识别制图区域的指数阈值，判断所述耕田像素点是否为灌溉耕地区域。
[0125]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可
以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0126]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0127]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。