作物叶面积指数智能化提取方法、装置及电子设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114821360A(43)申请公布日2022.07.29(21)申请号202210513668.0G06V10/764(2022.01)(22)申请日2022.05.12G06V10/774(2022.01)(71)申请人中国农业科学院农业资源与农业区划研究所地址100089北京市海淀区中关村南大街12号申请人河北地质大学(72)发明人孙营伟冷佩李召良段四波高懋芳刘萌张霞尚国琲郭晓楠(74)专利代理机构成都睿道专利代理事务所(普通合伙)51217专利代理师陶红(51)Int.Cl.G06V20/13(2022.01)权利要求书2页说明书9页附图3页(54)发明名称作物叶面积指数智能化提取方法、装置及电子设备(57)摘要本发明提供了作物叶面积指数智能化提取方法、装置及电子设备，该方法包括步骤：获取农田遥感影像，收集时序遥感数据；确定各个地块的地块类型；构建地块空间分布图；识别目标作物，构建目标作物空间分布图；利用卫星数据反演作第一物叶面积指数；利用无人机采集作物光谱，计算第二作物叶面积指数，并建立第一模型训练标签库；根据第一作物叶面积指数与第二作物叶面积指数之间的第一映射关系建立第一映射模型，生成转化后的第三作物叶面积指数。本发明在作物层面实现了卫星数据反演作物叶面积指数向近地面测量计算作物叶面积指数的智能化转换，实现卫星数据反演作物叶面积指数的校正，实现了大范围的、高精确度的精细尺度的作物叶面积指数反演。CN114821360ACN114821360A权利要求书1/2页1.作物叶面积指数智能化提取方法，其特征在于，包括如下步骤：获取农田遥感影像，收集时序遥感数据；根据所述农田遥感影像，确定各个地块的地块类型；根据所述地块类型和地块空间形态，构建地块空间分布图；识别所述地块空间分布图中的目标作物类型，构建目标作物空间分布图；根据目标作物空间分布图，利用卫星数据反演第一作物叶面积指数；利用无人机近地面采集不同作物的作物光谱，计算第二作物叶面积指数；利用所述第一作物叶面积指数与所述第二作物叶面积指数建立第一训练标签库；确定所述第一作物叶面积指数与所述第二作物叶面积指数之间的第一映射关系，根据所述第一映射关系建立第一映射关系模型；利用所述第一训练标签库对所述第一映射关系模型进行训练，得到第一作物叶面积指数转化模型；将所述卫星数据反演的所述第一作物叶面积指数输入到所述利用所述第一作物叶面积指数转化模型，生成转化后的第三作物叶面积指数。2.根据权利要求1所述作物叶面积指数智能化提取方法，其特征在于，还包括：地面采集各个所述地块类型的地块的作物光谱，计算第四作物叶面积指数；利用所述第三作物叶面积指数与所述第四作物叶面积指数建立第二训练标签库；确定所述第三作物叶面积指数与所述第四作物叶面积指数之间的第二映射关系，根据所述第二映射关系建立第二映射关系模型；利用所述第二训练标签库对所述第二映射关系模型进行训练，得到第二作物叶面积指数转化模型；将所述第三作物叶面积指数输入到所述利用所述第二作物叶面积指数转化模型，生成转化后的第五作物叶面积指数。3.根据权利要求1所述作物叶面积指数智能化提取方法，其特征在于，所述根据所述农田遥感影像，确定各个地块的地块类型，包括:获取农田遥感影像数据库，获取数据库中历史农田遥感影像；提取所述历史农田遥感影像的空间特征，确定所述历史农田遥感影像的空间特征对应的地块类型；根据所述历史农田遥感影像的空间特征与所述地块类型，构建空间卷积神经网络模型；训练所述空间卷积神经网络模型，得到地块类型提取模型；提取各个地块的当前农田遥感影像的空间特征作为所述地块类型提取模型的输入，得到各个地块的地块类型。4.根据权利要求3所述作物叶面积指数智能化提取方法，其特征在于，所述农田遥感影像的空间特征包括边缘特征与纹理特征；所述地块类型包括耕地、规则梯田与坡耕地。5.根据权利要求1所述作物叶面积指数智能化提取方法，其特征在于，所述根据所述地块类型和地块空间形态，构建地块空间分布图，包括：根据所述地块类型和地块空间形态，构建第一地块空间分布图；对所述第一地块空间分布图进行图斑融合处理，得到第二地块空间分布图；2CN114821360A权利要求书2/2页对所述第二地块空间分布图进行平滑处理，重新构建所述第二地块空间分布图，确定第三地块空间分布图。6.根据权利要求1所述作物叶面积指数智能化提取方法，其特征在于，所述识别所述地块空间分布图中的目标作物类型，构建目标作物空间分布图，包括：获取所述地块空间分布图中各个地块的作物的时序特征；地面采集所述地块空间分布图中各个地块的作物类型数据，并以地面采集的所述作物类型数据作为样本，构建作物类型判别神经网络模型；利用卫星数据反演各个地块的作物的