花生产量遥感预测的方法、装置及计算机设备

本发明涉及一种花生产量遥感预测的方法、装置及计算机设备，具体地涉及一种基于生育期特征优化的花生产量遥感预测的方法、装置及计算机设备，属于农业遥感。

背景技术：

1、基于遥感技术的农作物产量预测是保障国家粮食安全的重要数据支撑，也已成为农业遥感研究的热点问题之一。目前，作物产量遥感预测主要涉及小麦、玉米等大宗作物，花生作为全球重要的油料作物之一，在全球大宗农产品交易中得到越来越多的关注，但基于遥感技术开展花生产量预测鲜有报道。且综合分析现有花生产量遥感预测研究发现，与小麦、玉米产量预测思路类似，一般是根据单一指数(如归一化植被指数ndvi，normalizeddifference vegetation index等)与花生产量地面调研数据之间的线性统计关系，进行区域尺度的花生产量预测，但花生产量形成的农学过程与小麦、玉米等地上结实作物存在显著差异，因此，花生产量预测与小麦、玉米产量预测也存在显著差异。

2、综合分析花生产量形成的农学过程，花生果实在地下形成，苗期至开花下针期以营养生长为主，干物质总量积累增速最大；开花下针至成熟期以生殖生长为主，干物质积累从地上部分转向荚果，在荚果后期，如果地上植株持续保持较旺的生长状态，可能会导致荚果膨大所需的营养不足，影响产量形成。因此，现有研究对花生产量形成过程的农学机制考虑不足，导致现有花生产量预测模型的精度有待提升。

3、在现有的花生产量遥感预测研究成果的基础上，本技术综合考虑花生产量形成的农学机制和遥感表征，提出了一种基于生育期特征优化的花生产量遥感预测的方法、装置及计算机设备。

技术实现思路

1、为了解决现有技术中，花生产量预测模型对花生产量形成的农学机制考虑不足，导致预测精度不够的问题，本发明提出了一种花生产量遥感预测的方法、装置及计算机设备，能够显著提高花生产量遥感预测精度。

2、本发明解决其技术问题采取的技术方案是：

3、第一方面，本发明实施例提供的一种花生产量遥感预测的方法，包括以下步骤：

4、获取花生全生育期的时序卫星数据，基于所述时序卫星数据构建逐日尺度的花生生长过程曲线；

5、基于花生生长过程曲线提取花生苗期数据和成熟期数据；

6、基于花生生长过程曲线构建表征花生营养状况和物质转移特征的遥感变量；

7、构建花生产量遥感预测模型，将所述遥感变量输入花生产量遥感预测模型进行花生产量遥感预测。

8、作为本实施例一种可能的实现方式，所述获取花生全生育期的时序卫星数据，基于所述时序卫星数据构建逐日尺度的花生生长过程曲线，包括：

9、从遥感卫星数据公开分发网站获取花生种植区的时序卫星数据，所述时序卫星数据的成像时间至少覆盖花生的全生育期；

10、基于所述时序卫星数据和花生生长过程构建花生生长过程曲线，所述花生生长过程曲线的横轴为从花生种植到收获的整个时间周期，纵轴为离散的gndvi值，所述gndvi值的个数与遥感影像期数一致，所述整个时间周期的原始时间分辨率与遥感影像分辨率一致；

11、将横轴原始分辨率重新抽样至每天，并通过savitzky-golay滤波算法对离散gndvi曲线进行噪声去除；

12、利用样条函数插值算法将去除噪声后离散的gndvi重采样为每日的gndvi：

13、

14、其中，gndvi为绿色归一化差异植被指数，nir为近红外波段的反射率，green为绿波段的反射率；

15、对所有成像时间的gndvi数据进行合成处理，得到花生生长过程逐日尺度的gndvi时间序列曲线。

16、作为本实施例一种可能的实现方式，所述基于花生生长过程曲线提取花生苗期数据和成熟期数据，包括：

17、根据花生生长过程逐日尺度的gndvi时间序列曲线，计算花生生长季内gndvi时间累积曲线；

18、对时间累积gndvi曲线用logistic拟合方程，计算logistic拟合曲线的曲率，并查找最大值和最小值，定义曲率最大值处为花生苗期，曲率最小值处为花生成熟期；

19、所述logistic拟合方程为：

20、

21、其中，t为儒略日，y(t)是拟合之后的t时间点上的gndvi值，d是背景的gndvi值，以花生全生育期中最小gndvi值代替，(c+d)为累积gndvi的最大值；a和b是拟合参数。

22、作为本实施例一种可能的实现方式，所述基于花生生长过程曲线构建表征花生营养状况和物质转移特征的遥感变量，包括：

23、基于花生生长过程逐日尺度的gndvi时间序列曲线，提取花生全生育期gndvi指数最大值，作为花生生长前期和生长后期的分割点；

24、基于花生生长过程逐日尺度的gndvi时间序列曲线和花生苗期，计算花生苗期及gndvi指数最大值出现日期之间的累积gndvi，得到花生生育前期vi累积值；

25、基于花生生长过程逐日尺度的gndvi时间序列曲线和花生成熟期，对gndvi指数最大值出现日期和花生成熟期出现日期的gndvi曲线进行线性拟合，确定花生生长后期vi的变化量和变化率。

26、作为本实施例一种可能的实现方式，所述获取花生全生育期的时序卫星数据，基于所述时序卫星数据构建逐日尺度的花生生长过程曲线，包括：

27、获取花生全生育期的时序卫星数据和历史数据，提取花生的生长数据；

28、根据花生的生长数据构建花生生长过程模型，将历史数据输入花生生长过程模型进行模型训练；

29、将时序卫星数据输入训练后花生生长过程模型，生成逐日尺度的花生生长过程曲线。

30、作为本实施例一种可能的实现方式，所述基于花生生长过程曲线提取花生苗期数据和成熟期数据，包括：

31、从时序卫星数据提取花生苗期和成熟期的特征数据及其对应时间信息；

32、将生长过程曲线划分为不同的生长阶段，基于花生苗期和成熟期的特征数据及其对应时间信息，提取花生苗期数据和成熟期数据。

33、作为本实施例一种可能的实现方式，所述基于花生生长过程曲线构建表征花生营养状况和物质转移特征的遥感变量，包括：

34、选择与花生营养状况和物质转移特征相关的遥感变量，所述遥感变量包括生育期最大gndvi值、生育前期vi累积值、生长后期gndvi的变化量、生长后期gndvi变化率；

35、基于花生生长过程逐日尺度的gndvi时间序列曲线，提取花生全生育期gndvi指数最大值，作为花生生长前期和生长后期的分割点；

36、基于花生生长过程逐日尺度的gndvi时间序列曲线和花生苗期，计算花生苗期及gndvi指数最大值出现日期之间的累积gndvi，得到花生生育前期vi累积值；

37、基于花生生长过程逐日尺度的gndvi时间序列曲线和花生成熟期，对gndvi指数最大值出现日期和花生成熟期出现日期的gndvi曲线进行线性拟合，确定花生生长后期vi的变化量和变化率。

38、作为本实施例一种可能的实现方式，所述花生产量遥感预测模型为：

39、yeild＝f(vi_max,vi_cum,change,rate)

40、其中，yeild为预测的花生产量，vi_max、vi_cum、change、rate分别为生育期最大gndvi值、生育前期vi累积值、生长后期gndvi的变化量、生长后期gndvi的变化率。

41、第二方面，本发明实施例提供的一种花生产量遥感预测的装置，包括：

42、数据采集模块，用于获取花生全生育期的时序卫星数据，基于所述时序卫星数据构建逐日尺度的花生生长过程曲线；

43、数据提取模块，用于基于花生生长过程曲线提取花生苗期数据和成熟期数据；

44、遥感变量构建模块，用于基于花生生长过程曲线构建表征花生营养状况和物质转移特征的遥感变量；

45、模型构建模块，用于构建花生产量遥感预测模型，将所述遥感变量输入花生产量遥感预测模型进行花生产量遥感预测。

46、第三方面，本发明实施例提供的一种计算机设备，包括处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行如上述任意花生产量遥感预测的方法的步骤。

47、第四方面，本发明实施例提供的一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述任意花生产量遥感预测的方法的步骤。

48、本发明实施例的技术方案可以具有的有益效果如下：

49、本发明实施例的技术方案的一种花生产量遥感预测的方法，包括以下步骤：获取花生全生育期的时序卫星数据，基于所述时序卫星数据构建逐日尺度的花生生长过程曲线；基于花生生长过程曲线提取花生苗期数据和成熟期数据；基于花生生长过程曲线构建表征花生营养状况和物质转移特征的遥感变量；构建花生产量遥感预测模型，将所述遥感变量输入花生产量遥感预测模型进行花生产量遥感预测。本发明通过构建逐日尺度的花生生长过程曲线、提取花生苗期和成熟期、构建表征花生营养状况和物质转移特征的遥感变量以及建立花生产量遥感预测模型等步骤来实现花生产量遥感预测，不仅有效地预测花生产量和质量，而且提高了花生产量的预测精度。

50、本发明可以更准确地预测花生的产量，不仅可以为农民提供更精确的花生种植建议，提高产量，降低农业生产成本，还可以为农业遥感技术的发展提供新的研究方向，这也将为我国的农业科技发展做出贡献。

51、本发明实施例的技术方案的一种花生产量遥感预测的装置，与本发明的一种花生产量遥感预测的方法具有相同有益效果。