结合北斗位置服务与知识决策的作物面积提取方法及系统与流程

本发明属于遥感，具体涉及一种结合北斗位置服务与知识决策的作物面积提取方法及系统。

背景技术：

1、农作物种植面积信息的及时准确获取，有助于作物长势监测、产量预估、胁迫评估。传统的田间调查法通过实地调查和抽样统计的方式，对不同地区的农田进行调查和测量，获取不同农作物的种植面积数据。这种方法虽然可以提供较为准确的种植面积数据，但是通常需要大量的人力和时间成本。

2、目前，遥感技术已成为农作物分类的主要技术之一，利用遥感影像数据，通过图像分类和识别技术，对不同农作物的特征进行提取和分类，从而实现农作物种植面积的提取。然而常用的无人机遥感技术由于续航能力、航线高度、载荷能力等限制无法采集面积较大的田块信息；高分辨率卫星遥感数据的成像质量受重访周期、天气等影响，很难获取作物生育期内的高频次时序图像；粗分辨率卫星遥感数据对于表型特征相似、地块面积较小的地物，分类提取能力较差。

3、数学模型法可以利用统计学和数学建模技术，通过对农作物的生长规律、产量和种植面积之间的关系进行分析和建模，实现农作物种植面积的提取，但是模过程需要准确的农作物生长规律和产量数据，数据获取和建模过程复杂。

4、利用机器学习算法，如深度学习、卷积神经网络等，对遥感影像数据进行处理和分析，实现农作物种植面积的提取是近年来的新的发展方向，但无论是传统机器学习方法，还是深度学习方法，均需要较多样本以满足高精度作物面积提取。

5、因此，需要一种新的作物面积提取方法，实现作物类型和作物面积的快速识别与提取。

技术实现思路

1、有鉴于此，本发明提出了一种结合北斗位置服务与知识决策的作物面积提取方法及系统，用于解决无法快速提取作物面积的问题。

2、本发明第一方面，公开了一种结合北斗位置服务与知识决策的作物面积提取方法，所述方法包括：

3、获取目标作物生育周期内的一幅卫星影像和研究区域的北斗位置信息时序热力图；

4、对目标作物生育周期内的一幅卫星影像进行预处理和图像分割，得到多个分割图斑对象；

5、以每个分割图斑对象为单位从北斗位置信息时序热力图中提取对应的位置信息时间序列，并对对应的位置信息时间序列进行平滑滤波处理；

6、基于不同作物的物候特征信息建立知识决策规则；

7、基于滤波处理后的位置信息时间序列计算每个分割图斑对象的物候特征信息，并通过知识决策规则识别每个分割图斑对象是否属于目标作物；

8、综合每个分割图斑对象的识别结果，得到目标作物面积。

9、在以上技术方案的基础上，优选的，所述北斗位置信息时序热力图覆盖目标作物从种植到收割的主要生育期，时间粒度以周为单位。

10、在以上技术方案的基础上，优选的，所述对目标作物生育周期内的一幅卫星影像进行预处理和图像分割，得到多个分割图斑对象具体包括：

11、对目标作物生育周期内的一幅卫星影像进行定标、去云、镶嵌和裁剪操作，得到预处理后的卫星影像；

12、对预处理后的卫星影像生成lab颜色空间的b分量数据及ndi可见光植被指数数据；

13、基于lab颜色空间的b分量数据及ndi可见光植被指数数据，采用canny边缘检测算法对预处理后的卫星影像进行面向对象分割，得到多个分割图斑对象的单通道影像。

14、在以上技术方案的基础上，优选的，所述对对应的位置信息时间序列进行平滑滤波处理具体包括：

15、使用滑动窗口法对位置信息时间序列依次进行加权滤波，滤波公式为：

16、

17、其中，m表示滑动窗口的水平中心位置，xj、分别为滤波前、滤波后的第j个位置信息时间序列；i代表当前窗口中的数据点，ci为滤波权重系数，滤波权重系数是对滑动窗口中的数据进行最小二乘拟合计算得到。

18、在以上技术方案的基础上，优选的，所述基于目标作物的物候特征信息建立知识决策规则具体包括：

19、获取目标作物物候期数据集，并进行数据清洗，提取目标作物的不同生长发育阶段的具体时间节点；

20、计算目标作物萌芽时间节点、成熟时间节点以及萌芽时间节点至成熟时间节点之间的发育长度作为物候特征信息；

21、根据目标作物的发育长度为目标作物设置发育长度阈值区间，根据萌芽时间节点、成熟时间节点以及发育长度阈值区间建立知识决策规则以区分是否为目标作物类型。

22、在以上技术方案的基础上，优选的，所述基于滤波处理后的位置信息时间序列计算每个分割图斑对象的物候特征信息具体包括：

23、判断目标作物的萌芽时间节点之前的预设时间段内，每个分割图斑对象的位置信息时间序列是否存在第一极大值点；

24、判断目标作物的成熟时间节点之后的预设时间段内，每个分割图斑对象的位置信息时间序列是否存在第二极大值点；

25、若目标作物的萌芽时间节点之前、成熟时间节点之后的预设时间段内，对应的分割图斑对象的位置信息时间序列同时存在第一极大值点和第二极大值点，计算第一极大值点和第二极大值点之间的长度。

26、在以上技术方案的基础上，优选的，所述通过知识决策规则识别每个分割图斑对象是否属于目标作物具体包括：

27、若对应的分割图斑对象的位置信息时间序列同时存在第一极大值点和第二极大值点，且第一极大值点和第二极大值点之间的长度在目标作物的发育长度阈值区间内，则对应的分割图斑对象属于目标作物，否则，不属于目标作物。

28、本发明第二方面，公开了一种结合北斗位置服务与知识决策的作物面积提取系统，所述系统包括：

29、数据获取模块：用于获取目标作物生育周期内的一幅卫星影像和研究区域的北斗位置信息时序热力图；

30、对象分割模块：用于对目标作物生育周期内的一幅卫星影像进行预处理和图像分割，得到多个分割图斑对象；

31、热力图处理模块：用于以每个分割图斑对象为单位从北斗位置信息时序热力图中提取对应的位置信息时间序列，并对对应的位置信息时间序列进行平滑滤波处理；

32、规则建立模块：用于基于目标作物的物候特征信息建立知识决策规则；

33、面积提取模块：用于基于滤波处理后的位置信息时间序列计算每个分割图斑对象的物候特征信息，并通过知识决策规则识别每个分割图斑对象是否属于目标作物；综合每个分割图斑对象的识别结果，得到目标作物面积。

34、本发明第三方面，公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；

35、其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；

36、所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如本发明第一方面所述的方法。

37、本发明第四方面，公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使计算机实现如本发明第一方面所述的方法。

38、本发明相对于现有技术具有以下有益效果：

39、1)本发明结合作物物候信息与北斗位置信息时序热力图，基于知识决策技术进行作物种类识别，在保证精度的前提下，提高作物种植面积提取的速度，不需要构建图像样本库和复杂的模型训练，同时可以避免由于时序卫星影像缺失而导致面积提取精度下降的情况。

40、2)本发明利用lab颜色空间和ndi植被指数辅助面向对象分割，通过ndi可以区分植被与其他地物，基于目标作物光谱特点，通过lab的b分量能够区分目标作物与其他作物，两者结合可以实现更好的非监督图像分割效果，获得准确的面向对象分割结果。

41、3)本发明采用滑动窗口对北斗位置信息时序热力图依次进行加权滤波，能够保留局部特征的同时，可以剔除位置信息的异常值，有助于更有效地保留信号的变化信息，同时实现平滑处理，为后续极大值提取提供更好的数据支持。

42、4)本发明基于对应的位置信息时间序列计算每个分割图斑对象的物候特征信息，并通过知识决策规则识别每个分割图斑对象是否属于目标作物，可以基于目标作物在播种阶段和采收阶段的北斗位置信息时序热力图存在明显峰值，且不同作物的从萌芽到成熟的时间跨度都不同这一原理，判断对应的分割图斑对象的位置信息时间序列是否同时存在第一极大值点和第二极大值点，且第一极大值点和第二极大值点之间的长度在目标作物的发育长度阈值区间内，若是，则对应的分割图斑对象属于目标作物，否则，不属于目标作物，从而快速排除非目标作物的干扰，提高目标作物种植面积提取的准确度。