本技术涉及遥感图像处理,尤其涉及一种作物单位面积产量确定方法、装置及设备。
背景技术:
1、在生产实践中,经常涉及作物单位面积产量的估测。
2、目前相关技术中,主要是通过单一时相作物估产方法进行作物单位面积产量估测的。具体的,首先获取高空间分辨率的哨兵2号(sentinel-2)数据,基于sentinel-2数据生成相应的植被指数影像,并基于植被指数影像构建单一时相估产模型,通过单一时相估产模型即可实现作物单位面积产量的估测。
3、然而,受卫星传感器时空分辨率的限制,上述单一时相作物估产方法难以获取部分时期的sentinel-2数据,导致作物单位面积产量的估测准确性较低。
技术实现思路
1、本技术提供一种作物单位面积产量确定方法、装置及设备,以解决目前作物单位面积产量的估测准确性较低的技术问题。
2、第一方面,本技术提供一种作物单位面积产量确定方法,包括:
3、获取第一遥感设备在目标时段内拍摄的针对目标区域的多个第一地表反射率图像,以及第二遥感设备在所述目标时段内拍摄的针对所述目标区域的多个第二地表反射率图像;所述第一遥感设备的第一空间分辨率大于所述第二遥感设备的第二空间分辨率,所述第一遥感设备的第一时间分辨率小于所述第二遥感设备的第二时间分辨率;所述目标区域内种植有目标作物,所述目标时段包括所述目标作物的多个生育时期;
4、基于所述多个第一地表反射率图像和所述多个第二地表反射率图像,得到所述多个生育时期各自对应的时空融合植被指数影像,所述时空融合植被指数影像包括时空融合ndvi影像和时空融合evi影像;
5、将所述多个生育时期各自对应的时空融合植被指数影像,输入至预先构建的作物估产模型中,得到所述目标作物的单位面积产量;
6、其中,所述作物估产模型是基于多个第一样本进行训练得到的,各第一样本中包括所述多个生育时期各自对应的样本时空融合植被指数影像和单位面积产量标签。
7、在一种可能的实施方式中,所述基于所述多个第一地表反射率图像和所述多个第二地表反射率图像,得到所述多个生育时期各自对应的时空融合植被指数影像,包括:
8、基于所述多个第一地表反射率图像,生成多个第一月尺度植被指数影像;
9、基于所述多个第二地表反射率图像,生成多个第二月尺度植被指数影像和多个旬尺度植被指数影像;
10、基于所述多个第一月尺度植被指数影像、所述多个第二月尺度植被指数影像和所述多个旬尺度植被指数影像,得到所述多个生育时期各自对应的时空融合植被指数影像。
11、在一种可能的实施方式中,所述基于所述多个第一月尺度植被指数影像、所述多个第二月尺度植被指数影像和所述多个旬尺度植被指数影像,得到所述多个生育时期各自对应的时空融合植被指数影像,包括:
12、针对所述多个旬尺度植被指数影像中、各旬对应的旬尺度植被指数影像,在所述多个第一月尺度植被指数影像中确定所述旬尺度植被指数影像对应的第一参考植被指数影像,并在所述多个第二月尺度植被指数影像中确定所述旬尺度植被指数影像对应的第二参考植被指数影像;将所述旬尺度植被指数影像、所述第一参考植被指数影像和所述第二参考植被指数影像,输入至预先构建的时空数据融合模型中,得到对应的旬尺度时空融合植被指数影像;
13、针对各生育时期,确定所述生育时期包括的多个旬;基于所述多个旬各自对应的旬尺度时空融合植被指数影像,得到所述生育时期对应的时空融合植被指数影像;
14、其中,所述时空数据融合模型是基于多个第二样本进行训练得到的,各第二样本包括样本旬尺度植被指数影像、所述样本旬尺度植被指数影像对应的第一样本参考植被指数影像、第二样本参考植被指数影像以及对应的旬尺度时空融合植被指数影像标签。
15、在一种可能的实施方式中,所述单位面积产量标签对应的空间分辨率为所述第二空间分辨率;所述基于多个第一样本进行训练,包括:
16、针对各第一样本,对所述第一样本中包括的所述多个生育时期各自对应的样本时空融合植被指数影像进行升尺度处理,得到所述多个生育时期各自对应的目标样本时空融合植被指数影像;
17、将所述多个第一样本各自对应的目标样本时空融合植被指数影像,输入至初始作物估产模型中,得到所述目标作物的预测单位面积产量;
18、基于所述预测单位面积产量和对应的单位面积产量标签,更新所述初始作物估产模型的模型参数,得到所述作物估产模型;
19、其中,所述样本时空融合植被指数影像对应的空间分辨率为所述第一空间分辨率,所述目标样本时空融合植被指数影像对应的空间分辨率为所述第二空间分辨率。
20、在一种可能的实施方式中,所述方法还包括:
21、获取所述第二遥感设备在所述多个生育时期内拍摄的针对所述目标区域的多个初始gpp图像;
22、对多个初始gpp图像进行预处理,得到多个gpp图像;
23、对所述多个gpp图像进行累加处理,得到所述目标区域内所述目标作物的累计gpp数据;
24、将所述累计gpp数据输入至线性回归模型中,得到所述单位面积产量标签;
25、其中,所述线性回归模型是基于多个第三样本进行训练得到的,各第三样本包括样本区域的多个样本gpp图像和所述样本区域包括的多个样本子区域各自对应的产量标签。
26、在一种可能的实施方式中,所述基于多个第三样本进行训练,包括:
27、针对各第三样本,执行以下操作:
28、对所述第三样本包括的多个样本gpp图像进行处理,得到所述多个样本子区域各自的子样本gpp图像;
29、针对各样本子区域,对所述样本子区域的子样本gpp图像进行逐像素点累加处理和平均处理,得到所述样本子区域内所述目标作物的样本累计gpp数据;
30、将所述多个样本子区域各自对应的样本累计gpp数据输入至初始线性回归模型,得到所述多个样本子区域各自对应的预测产量;
31、基于所述多个样本子区域各自对应的预测产量和所述多个样本子区域各自对应的产量标签,更新所述初始线性回归模型的模型参数,得到所述线性回归模型。
32、在一种可能的实施方式中,所述对所述第三样本包括的多个样本gpp图像进行处理,得到所述多个样本子区域各自的子样本gpp图像,包括:
33、对所述样本gpp图像进行像素点累加处理,得到样本累加gpp图像;
34、基于所述样本区域的土地利用类型分类图,对所述样本累加gpp图像进行处理,得到所述多个样本子区域各自的子样本gpp图像。
35、在一种可能的实施方式中,所述对多个初始gpp图像进行预处理,得到多个gpp图像,包括:
36、获取所述目标区域对应的叶面积指数数据;
37、对所述叶面积指数数据进行滤波处理,得到滤波后的叶面积指数数据;
38、基于所述叶面积指数数据和所述滤波后的叶面积指数数据,确定叶面积指数比值;
39、基于所述叶面积指数比值,对所述多个初始gpp图像进行平滑校正,得到所述多个gpp图像。
40、第二方面,本技术提供一种作物单位面积产量确定装置,包括:
41、获取模块,用于获取第一遥感设备在目标时段内拍摄的针对目标区域的多个第一地表反射率图像,以及第二遥感设备在所述目标时段内拍摄的针对所述目标区域的多个第二地表反射率图像;所述第一遥感设备的第一空间分辨率大于所述第二遥感设备的第二空间分辨率,所述第一遥感设备的第一时间分辨率小于所述第二遥感设备的第二时间分辨率;所述目标区域内种植有目标作物,所述目标时段包括所述目标作物的多个生育时期;
42、第一处理模块,用于基于所述多个第一地表反射率图像和所述多个第二地表反射率图像,得到所述多个生育时期各自对应的时空融合植被指数影像,所述时空融合植被指数影像包括时空融合ndvi影像和时空融合evi影像;
43、第二处理模块,用于将所述多个生育时期各自对应的时空融合植被指数影像,输入至预先构建的作物估产模型中,得到所述目标作物的单位面积产量;
44、其中,所述作物估产模型是基于多个第一样本进行训练得到的,各第一样本中包括所述多个生育时期各自对应的样本时空融合植被指数影像和单位面积产量标签。
45、在一种可能的实施方式中,所述第一处理模块具体用于:
46、基于所述多个第一地表反射率图像,生成多个第一月尺度植被指数影像;
47、基于所述多个第二地表反射率图像,生成多个第二月尺度植被指数影像和多个旬尺度植被指数影像;
48、基于所述多个第一月尺度植被指数影像、所述多个第二月尺度植被指数影像和所述多个旬尺度植被指数影像,得到所述多个生育时期各自对应的时空融合植被指数影像。
49、在一种可能的实施方式中,所述第一处理模块具体用于:
50、针对所述多个旬尺度植被指数影像中、各旬对应的旬尺度植被指数影像,在所述多个第一月尺度植被指数影像中确定所述旬尺度植被指数影像对应的第一参考植被指数影像,并在所述多个第二月尺度植被指数影像中确定所述旬尺度植被指数影像对应的第二参考植被指数影像;将所述旬尺度植被指数影像、所述第一参考植被指数影像和所述第二参考植被指数影像,输入至预先构建的时空数据融合模型中,得到对应的旬尺度时空融合植被指数影像;
51、针对各生育时期,确定所述生育时期包括的多个旬;基于所述多个旬各自对应的旬尺度时空融合植被指数影像,得到所述生育时期对应的时空融合植被指数影像;
52、其中,所述时空数据融合模型是基于多个第二样本进行训练得到的,各第二样本包括样本旬尺度植被指数影像、所述样本旬尺度植被指数影像对应的第一样本参考植被指数影像、第二样本参考植被指数影像以及对应的旬尺度时空融合植被指数影像标签。
53、在一种可能的实施方式中,所述第二处理模块还用于:
54、针对各第一样本,对所述第一样本中包括的所述多个生育时期各自对应的样本时空融合植被指数影像进行升尺度处理,得到所述多个生育时期各自对应的目标样本时空融合植被指数影像;
55、将所述多个第一样本各自对应的目标样本时空融合植被指数影像,输入至初始作物估产模型中,得到所述目标作物的预测单位面积产量;
56、基于所述预测单位面积产量和对应的单位面积产量标签,更新所述初始作物估产模型的模型参数,得到所述作物估产模型;
57、其中,所述样本时空融合植被指数影像对应的空间分辨率为所述第一空间分辨率,所述目标样本时空融合植被指数影像对应的空间分辨率为所述第二空间分辨率。
58、在一种可能的实施方式中,所述第二处理模块还用于:
59、获取所述第二遥感设备在所述多个生育时期内拍摄的针对所述目标区域的多个初始gpp图像;
60、对多个初始gpp图像进行预处理,得到多个gpp图像;
61、对所述多个gpp图像进行累加处理,得到所述目标区域内所述目标作物的累计gpp数据;
62、将所述累计gpp数据输入至线性回归模型中,得到所述单位面积产量标签;
63、其中,所述线性回归模型是基于多个第三样本进行训练得到的,各第三样本包括样本区域的多个样本gpp图像和所述样本区域包括的多个样本子区域各自对应的产量标签。
64、在一种可能的实施方式中,所述第二处理模块还用于:
65、针对各第三样本,执行以下操作:
66、对所述第三样本包括的多个样本gpp图像进行处理,得到所述多个样本子区域各自的子样本gpp图像;
67、针对各样本子区域,对所述样本子区域的子样本gpp图像进行逐像素点累加处理和平均处理,得到所述样本子区域内所述目标作物的样本累计gpp数据;
68、将所述多个样本子区域各自对应的样本累计gpp数据输入至初始线性回归模型,得到所述多个样本子区域各自对应的预测产量;
69、基于所述多个样本子区域各自对应的预测产量和所述多个样本子区域各自对应的产量标签,更新所述初始线性回归模型的模型参数,得到所述线性回归模型。
70、在一种可能的实施方式中,所述第二处理模块还用于:
71、对所述样本gpp图像进行像素点累加处理,得到样本累加gpp图像;
72、基于所述样本区域的土地利用类型分类图,对所述样本累加gpp图像进行处理,得到所述多个样本子区域各自的子样本gpp图像。
73、在一种可能的实施方式中,所述第二处理模块还用于:
74、获取所述目标区域对应的叶面积指数数据;
75、对所述叶面积指数数据进行滤波处理,得到滤波后的叶面积指数数据;
76、基于所述叶面积指数数据和所述滤波后的叶面积指数数据,确定叶面积指数比值;
77、基于所述叶面积指数比值,对所述多个初始gpp图像进行平滑校正,得到所述多个gpp图像。
78、第三方面,本技术提供一种电子设备,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时实现如第一方面任一项所述的作物单位面积产量确定方法。
79、第四方面,本技术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,所述计算机程序被处理器执行时实现如第一方面任一项所述的作物单位面积产量确定方法。
80、本技术提供的作物单位面积产量确定方法、装置及设备,首先获取第一遥感设备在目标时段内拍摄的针对目标区域的多个第一地表反射率图像,以及第二遥感设备在目标时段内拍摄的针对目标区域的多个第二地表反射率图像,并基于多个第一地表反射率图像和多个第二地表反射率图像,得到多个生育时期各自对应的时空融合植被指数影像,时空融合植被指数影像包括时空融合ndvi影像和时空融合evi影像;最后将多个生育时期各自对应的时空融合植被指数影像,输入至预先构建的作物估产模型中,得到目标作物的单位面积产量;其中,作物估产模型是基于多个第一样本进行训练得到的,各第一样本中包括多个生育时期各自对应的样本时空融合植被指数影像和单位面积产量标签。针对单一时相作物估产方法难以获取部分时期的遥感数据的问题,本技术实施例通过第一遥感设备获取的高分辨率的第一地表反射率图像和第二遥感设备获取的高时间分辨率的第二地表反射率图像重建时空融合植被指数影像,由于第二遥感设备属于高时间分辨率的遥感设备,能够获取不同时期的遥感数据,从而能够提高作物单位面积产量估测的准确性。