CN114067158B - 应用多源遥感数据的农田使用状态的监测系统及方法 - Google Patents
应用多源遥感数据的农田使用状态的监测系统及方法 Download PDFInfo
- Publication number
- CN114067158B CN114067158B CN202111363892.8A CN202111363892A CN114067158B CN 114067158 B CN114067158 B CN 114067158B CN 202111363892 A CN202111363892 A CN 202111363892A CN 114067158 B CN114067158 B CN 114067158B
- Authority
- CN
- China
- Prior art keywords
- farmland
- state
- remote sensing
- area
- use state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
本发明公开了应用多源遥感数据的农田使用状态的监测方法,包括步骤S100:对农田区域内的各田埂走线进行识别;步骤S200:将识别出的田埂走线进行标注;对标注走线出现的相交点进行排查矫正;步骤S300:对农田区域内各块农田的使用状态进行初步判别;步骤S400:对初步判别结果显示为使用中状态的农田进行作物生长状态异常排查,对初步判别结果进行调整;步骤S500:对初步判别结果显示为未使用状态的农田进行作物生长状态异常排查,对初步判别结果进行调整;步骤S600:对初步判别结果调整后的农田区域进行可种植空间规划统计;为更好的实现上述方法还提出了一种应用多源遥感数据的农田使用状态的监测系统。
Description
技术领域
本发明涉及多源遥感数据处理技术领域,具体为应用多源遥感数据的农田使用状态的监测系统及方法。
背景技术
多源遥感影像数据的信息具有冗余性、互补性和合作性;多源遥感影像数据的冗余性表示他们对环境或目标的表示、描述或解译结果相同;互补性是指信息来自不同的自由度且相互独立;合作信息是不同传感器在观测和处理信息时对其它信息有依赖关系;
因为不同区域内农田具体情况的不同,且区域环境信息的不同,获取的农田信息一般都是较为零散和不全面的;若能建立互联共享的集影像、范围、面积、农田使用状态为一体的监测系统,即可实现对大面积区域内农田状态的全面掌握,进而达到对农田区域种植的统筹规划。
发明内容
本发明的目的在于提供应用多源遥感数据的农田使用状态的监测系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:应用多源遥感数据的农田使用状态的监测方法,监测方法包括:
步骤S100:对监测区域内的农田区域进行位置锁定,提取农田区域对应的遥感影像;对农田区域内的各田埂走线进行识别;
步骤S200:将识别出的各田埂走线在多源遥感影像中进行标注得到若干条标注走线;对每一条标注走线两端的端点分别进行与其他标注走线出现相交点的情况排查,得到排查结果,基于排查结果对标注走线交点进行矫正,得到田埂标注图;
步骤S300:应用多源遥感数据对农田区域内各块农田的使用状态进行初步判别得到初步判别结果;初步判别结果包括使用中状态、待释放状态、未使用状态;使用中状态是指在农田内种植有作物,且作物距离作物收成所需的时间大于预设时间范围(Tmin,Tmax)中的Tmax;待释放状态是指农田内的种植作物距离作物收成及土壤恢复至标准肥力条件的总时间T满足Tmin≤T≤Tmax;未使用状态是指农田内暂未种植有作物;
步骤S400:对初步判别结果显示为使用中状态的农田进行作物生长状态异常排查得到异常排查结果,基于异常排查结果对初步判别结果进行调整;
步骤S500:对初步判别结果显示为未使用状态的农田进行作物生长状态异常排查得到异常排查结果,基于异常排查结果对初步判别结果进行调整;
步骤S600:对初步判别结果调整后的农田区域进行可种植空间规划统计。
进一步的,步骤S200包括:
步骤S201:若一条标注走线上仅有一个端点与其他标注走线出现相交点,将标注走线未与其他标注走线出现相交点的另一端点进行延长直至与其他标注走线出现相交点;对相交点进行捕捉,并对捕捉到的各相交点之间进行最短距离计算;
步骤S202:设置第一交点距离阈值L1和第二交点距离阈值L2;若存在两个相交点之间的最短距离L'满足L1<L'<L2,设两个相交点为两个初始相交点,将最短距离L'上2/L'处的线段点作为新相交点,基于新相交点重新对涉及到两个初始相交点的标注走线进行连接,完成对标注走线交点的矫正;
步骤S203:若存在n个相交点且两两相交点之间的最短距离L'满足L1<L'<L2,其中n≥3;将n个相交点之间进行线段连接,围成一个封闭图形,设n个相交点为n个初始相交点;对封闭图形的各条边分别作中垂线,若各条边中垂线相交后形成的一个总交点且总交点位于封闭图形内,基于总交点重新对涉及到n个相交点的标注走线进行连接,完成对标注走线交点的矫正;若各条边中垂线相交后未形成一个总交点位于封闭图形内,在封闭图像内选取相交有最多条中垂线的相交点,将相交点作为新相交点,基于新相交点述重新对涉及到n个相交点的标注走线进行连接,完成对标注走线交点的矫正;
因不同农田区域内所具有的田埂走线在宽度和长度上是不一致的,且在实际生活中往往会因为环境因素或者是人为因素造成田埂走线缺失,导致得到的标注走线并不能完成的还原出实际的农田边界线;同样的,受图像分辨精度的影响,不同宽度和长度的田埂走线可能会出现多条标注线,导致标注走线紊乱,不能通过对标注走线的划分实现对农田区域内各块农田的区分,影响在遥感影像上对农田区域内的各农田划分;通过对标注走线的矫正有利于尽可能的还原出实际的田埂走线,消除标注走线紊乱现象,使得在检测过程中得到的农田划分更加的精确。
进一步的,步骤S300包括:
步骤S301:基于大数据分别生成不同种类作物对应各个生长阶段的影像,并将其汇成图像数据库;基于农田分区图内各块农田在遥感影像上呈现的不同特征信息进行种植作物的种类识别判断,确定每块农田对应种植的作物种类;特征信息包括但不限于颜色、纹理、形状;
步骤S302:基于图像数据库对每块农田内对应种植的作物种类进行生长期的识别判断;基于预设时间范围(Tmin,Tmax)对待释放状态农田内不同种类作物正处于的不同生长阶段期信息进行判别存储,将不同种类作物的某个生长阶段期与待释放状态之间建立信息关联;基于预设时间范围(Tmin,Tmax)对使用中状态农田内不同种类作物正处于的不同生长阶段期信息进行判别存储,将不同种类作物的某个生长阶段期与使用中状态之间建立信息关联;将存储得到的各信息关联作为状态判断信息;
步骤S303:当基于图像数据库未匹配检测到农田内存在作物生长周期的特征信息时,将该农田设为未使用状态。
进一步的,预设时间范围(Tmin,Tmax)为一段倒数时间周期,在倒数时间周期内由于外界环境因素或者人为干预因素的影响,在倒数时间周期内该块农田的土壤条件能恢复至标准肥力条件;标准肥力条件是以在该块农田上刚收成的种类作物所需的基本土壤肥力条件来衡量的。
进一步的,步骤S400中对作物生长状态异常排查包括:
步骤S401:将农田区域对应的多源遥感影像结合田埂标注图对使用中状态农田进行田埂信息排查,根据公式计算得到使用中状态农田的理论种植密度Q;其中,si表示使用中状态农田内第i条田埂走线的横截面积,n为自然数,n表示使用中状态农田内的田埂走线总数;S表示使用中状态农田的农田面积;
步骤S402:基于多源遥感数据获取使用中状态农田的叶面积指数LAI;对每种作物不同生长阶段设置不同比例值K的取值范围,比例值K=LAI/Q;
步骤S403:基于比例值K对农田内种植作物实际生长期进行匹配,当匹配得到的实际生长期满足状态判断信息中对使用中状态农田的认定,保持初步判别结果;当匹配得到的实际生长期不满足状态判断信息中对使用中状态农田的认定,将实际生长期基于状态判断信息中对该农田的实际使用状态进行确认,调整初步判别结果;
在实际生活中,受天气因素和人为因素的影响,作物的生长状态会因此发生提前或者延后,因此基于预设时间范围(Tmin,Tmax)进行状态判别,会导致状态不精确,将理论种植密度Q和比例值K作为对预设时间范围(Tmin,Tmaxz)这一数据的补充对比数据,有利于最终得到农田使用状态更加的精准。
进一步的,步骤S500中对作物生长状态异常排查包括:计算未使用状态农田的归一化植被指数NDVI,当NDVI=0时,设置预设像元宽,基于预设像元宽在未使用状态农田的遥感影像上进行田垄识别,当识别出有田垄,调整初步判别结果中显示的未使用状态,将农田状态调整为使用中状态;当-1≤NDVI≤1时,保持初步判别结果;
受图像分辨精度的影响,可能会把种植了植物但是处于萌芽期的农田,因为检测不到植被信息所以将其归为了未使用状态的农田;引入归一化植被指数NDVI,先对农田的植被覆盖情况进行排查,当-1≤NDVI≤1时,表示并未监测到植被覆盖;当NDVI=0时,表示有岩石或裸土等,对这部分农田的使用状态以田垄信息作为筛查条件,默认为当监测到有田垄时,该块农田种植了作物,作物处于萌芽期,而萌芽期皆不满足预设时间范围(Tmin,Tmaxz)条件,所以将该块农田状态调整为使用中状态。
进一步的,步骤S600包括:
步骤S601:获取监测区域上各待释放农田内种植作物距离作物收成及土壤恢复至标准肥力条件的时间t,汇成数据集tx;x表示监测区域上第x块待释放农田;
步骤S602:设置不同时间梯度,基于时间梯度对数据集tx进行归类对应得到不同释放时间周期的农田分布图;
步骤S603:用户可在监测系统中通过输入具体的待种植面积以及待种植时间在农田分布图上进行适配区域搜索得到适配结果,系统将适配结果对用户进行推送,用户可自主选择待种植区域;
为更好的实现上述方法还提出了一种应用多源遥感数据的农田使用状态的监测系统,监测系统包括:信息库、识别处理模块、使用状态判别模块、状态异常排查模块、状态调整模块、可种植空间规划统计模块;
信息库,用于获取监测区域内农田区域的遥感影像并存储;
识别处理模块,用于从信息库中接收相关农田区域,并对农田区域内的田埂走线进行识别并标注;
使用状态判别模块,用于对监测区域内各块农田区域的进行初步判别得到初步判别结果;初步判别结果包括使用中状态、待释放状态、未使用状态;
状态异常排查模块;用于从使用状态判别模块中接收初步判别结果,对初步判别结果显示为使用中状态的农田和未使用中状态的农田进行作物生长状态异常排查得到异常排查结果;
状态调整模块,用于接收状态异常排查模块中的异常排查结果,基于异常排查结果完成对初步判别结果的调整;
可种植空间规划统计模块,用于接收状态调整模块中的数据,对经过状态调整后的农田区域进行可种植空间规划统计。
进一步的,识别处理模块包括标注单元、相交点捕捉单元、计算单元、标注走线矫正单元;
标注单元,用于对监测区域内农田区域中各田埂走线进行识别并标注;
相交点捕捉单元,用于接收经过标注单元处理的标注图像,对标注图像内相交点的分布情况进行排查,得到排查结果,基于排查结果对标注走线交点进行矫正,得到田埂标注图
计算单元,用于接收相交点捕捉单元数据,基于数据进行新相交点的计算;
标注走线矫正单元,用于接收计算单元数据,基于新相交点对标注图像进行标注走线矫正。
进一步的,状态异常排查模块包括使用中状态异常排查单元、未使用状态异常排查单元;
使用中状态异常排查单元包括田埂信息排查单元、比例值计算单元、实际生长期匹配单元;田埂信息排查单元,用于将农田区域对应的多源遥感影像结合田埂标注图对使用中状态农田进行田埂信息排查,计算得到使用中状态农田的理论种植密度;比例值计算单元,用于获取使用中状态农田的叶面积指数LAI,并将叶面积指数LAI与理论种植密度进行相关比例值计算;实际生长期匹配单元,用于接收比例值计算单元中数据,并基于比例值对农田内种植作物实际生长期进行匹配;
未使用状态异常排查单元,用于计算未使用状态农田的归一化植被指数NDVI,基于归一化植被指数NDVI的数值情况,进行预设像元宽的设置,并基于预设像元宽对未使用状态农田的遥感影像进行田垄识别。
与现有技术相比,本发明所达到的有益效果是:本发明可实现对不同区域内不同农田情况的汇总,建立了一个互联共享的全面监测农田使用状态的监测系统,可实现对大面积区域内农田状态的全面掌握,进而达到对农田区域种植的统筹规划;且本发明通过应用多元遥感数据将遥感影像结合实际进行处理分析,使得监测数据更加的精准和还原实际。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明应用多源遥感数据的农田使用状态的监测方法的流程示意图;
图2是本发明应用多源遥感数据的农田使用状态的监测系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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做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。
请参阅图1-图2,本发明提供技术方案:应用多源遥感数据的农田使用状态的监测方法,监测方法包括:
步骤S100:对监测区域内的农田区域进行位置锁定,提取农田区域对应的遥感影像;对农田区域内的各田埂走线进行识别;
步骤S200:将识别出的各田埂走线在多源遥感影像中进行标注得到若干条标注走线;对每一条标注走线两端的端点分别进行与其他标注走线出现相交点的情况排查,得到排查结果,基于排查结果对标注走线交点进行矫正,得到田埂标注图;
其中,步骤S200包括:
步骤S201:若一条标注走线上仅有一个端点与其他标注走线出现相交点,将标注走线未与其他标注走线出现相交点的另一端点进行延长直至与其他标注走线出现相交点;对相交点进行捕捉,并对捕捉到的各相交点之间进行最短距离计算;
步骤S202:设置第一交点距离阈值L1和第二交点距离阈值L2;若存在两个相交点之间的最短距离L'满足L1<L'<L2,设两个相交点为两个初始相交点,将最短距离L'上2/L'处的线段点作为新相交点,基于新相交点重新对涉及到两个初始相交点的标注走线进行连接,完成对标注走线交点的矫正;
步骤S203:若存在n个相交点且两两相交点之间的最短距离L'满足L1<L'<L2,其中n≥3;将n个相交点之间进行线段连接,围成一个封闭图形,设n个相交点为n个初始相交点;对封闭图形的各条边分别作中垂线,若各条边中垂线相交后形成的一个总交点且总交点位于封闭图形内,基于总交点重新对涉及到n个相交点的标注走线进行连接,完成对标注走线交点的矫正;若各条边中垂线相交后未形成一个总交点位于封闭图形内,在封闭图像内选取相交有最多条中垂线的相交点,将相交点作为新相交点,基于新相交点述重新对涉及到n个相交点的标注走线进行连接,完成对标注走线交点的矫正;
步骤S300:应用多源遥感数据对农田区域内各块农田的使用状态进行初步判别得到初步判别结果;初步判别结果包括使用中状态、待释放状态、未使用状态;使用中状态是指在农田内种植有作物,且作物距离作物收成所需的时间大于预设时间范围(Tmin,Tmax)中的Tmax;待释放状态是指农田内的种植作物距离作物收成及土壤恢复至标准肥力条件的总时间T满足Tmin≤T≤Tmax;未使用状态是指农田内暂未种植有作物;
其中,预设时间范围(Tmin,Tmax)为一段倒数时间周期,在倒数时间周期内由于外界环境因素或者人为干预因素的影响,在倒数时间周期内该块农田的土壤条件能恢复至标准肥力条件;标准肥力条件是以在该块农田上刚收成的种类作物所需的基本土壤肥力条件来衡量的;
通过设置一个固定的预设时间范围(Tmin,Tmax),有利于对不同种类作物进行状态上的统一标准处理;例如预设时间范围为十五天至二十天,一块农田上种植了a作物,若a作物距离其收成所需的时间大于二十天,则对应的该农田状态即为使用中状态;若a作物距离其收成所需的时间及种植a作物的农田的土壤恢复至标准肥力条件的总时间满足十五天至二十天这个时间范围内;则对应的该农田状态即为待释放状态;
其中,步骤S300包括:
步骤S301:基于大数据分别生成不同种类作物对应各个生长阶段的影像,并将其汇成图像数据库;基于农田分区图内各块农田在遥感影像上呈现的不同特征信息进行种植作物的种类识别判断,确定每块农田对应种植的作物种类;特征信息包括但不限于颜色、纹理、形状;
步骤S302:基于图像数据库对每块农田内对应种植的作物种类进行生长期的识别判断;基于预设时间范围(Tmin,Tmax)对待释放状态农田内不同种类作物正处于的不同生长阶段期信息进行判别存储,将不同种类作物的某个生长阶段期与待释放状态之间建立信息关联;基于预设时间范围(Tmin,Tmax)对使用中状态农田内不同种类作物正处于的不同生长阶段期信息进行判别存储,将不同种类作物的某个生长阶段期与使用中状态之间建立信息关联;将存储得到的各信息关联作为状态判断信息;
步骤S303:当基于图像数据库未匹配检测到农田内存在作物生长周期的特征信息时,将该农田设为未使用状态;
步骤S400:对初步判别结果显示为使用中状态的农田进行作物生长状态异常排查得到异常排查结果,基于异常排查结果对初步判别结果进行调整;
其中,对作物生长状态异常排查包括:
步骤S401:将农田区域对应的多源遥感影像结合田埂标注图对使用中状态农田进行田埂信息排查,根据公式计算得到使用中状态农田的理论种植密度Q;其中,si表示使用中状态农田内第i条田埂走线的横截面积,n为自然数,n表示使用中状态农田内的田埂走线总数;S表示使用中状态农田的农田面积;
步骤S402:基于多源遥感数据获取使用中状态农田的叶面积指数LAI;对每种作物不同生长阶段设置不同比例值K的取值范围,比例值K=LAI/Q;
步骤S403:基于比例值K对农田内种植作物实际生长期进行匹配,当匹配得到的实际生长期满足状态判断信息中对使用中状态农田的认定,保持初步判别结果;当匹配得到的实际生长期不满足状态判断信息中对使用中状态农田的认定,将实际生长期基于状态判断信息中对该农田的实际使用状态进行确认,调整初步判别结果;
步骤S500:对初步判别结果显示为未使用状态的农田进行作物生长状态异常排查得到异常排查结果,基于异常排查结果对初步判别结果进行调整;
其中,对作物生长状态异常排查包括:计算未使用状态农田的归一化植被指数NDVI,当NDVI=0时,设置预设像元宽,基于预设像元宽在未使用状态农田的遥感影像上进行田垄识别,当识别出有田垄,调整初步判别结果中显示的未使用状态,将农田状态调整为使用中状态;当-1≤NDVI≤1时,保持初步判别结果;
每中作物都会有一个相对固定的生长周期,但因为生长周期的不同,所不同作物处于不同生长阶段的时间也是不同的,所以基于同一个预设时间范围(Tmin,Tmax),不同作物处于不同状态的所对应的实际生长阶段也会不一样的;将不同种类作物的某个生长阶段期与使用中状态之间建立的信息关联作为状态判断信息有利于对不同种类作物进行状态上的统一标准处理;例如,预设时间范围为十五天至二十天,a作物距离其收成所需的时间大于二十天,对应的该农田状态为使用中状态,对应的a作物的生长阶段为生长期;b作物距离其收成所需的时间大于二十天,对应的该农田状态为使用中状态,但对应的b作物的生长阶段为开花期;
步骤S600:对初步判别结果调整后的农田区域进行可种植空间规划统计;
其中,步骤S600包括:
步骤S601:获取监测区域上各待释放农田内种植作物距离作物收成及土壤恢复至标准肥力条件的时间t,汇成数据集tx;x表示监测区域上第x块待释放农田;
步骤S602:设置不同时间梯度,基于时间梯度对数据集tx进行归类对应得到不同释放时间周期的农田分布图;
步骤S603:用户可在监测系统中通过输入具体的待种植面积以及待种植时间在农田分布图上进行适配区域搜索得到适配结果,系统将适配结果对用户进行推送,用户可自主选择待种植区域;
为更好的实现上述方法还提出了一种应用多源遥感数据的农田使用状态的监测系统,监测系统包括:信息库、识别处理模块、使用状态判别模块、状态异常排查模块、状态调整模块、可种植空间规划统计模块;
信息库,用于获取监测区域内农田区域的遥感影像并存储;
识别处理模块,用于从信息库中接收相关农田区域,并对农田区域内的田埂走线进行识别并标注;
其中,识别处理模块包括标注单元、相交点捕捉单元、计算单元、标注走线矫正单元;
标注单元,用于对监测区域内农田区域中各田埂走线进行识别并标注;相交点捕捉单元,用于接收经过标注单元处理的标注图像,对标注图像内相交点的分布情况进行排查,得到排查结果,基于排查结果对标注走线交点进行矫正,得到田埂标注图;计算单元,用于接收相交点捕捉单元数据,基于数据进行新相交点的计算;标注走线矫正单元,用于接收计算单元数据,基于新相交点对标注图像进行标注走线矫正;
使用状态判别模块,用于对监测区域内各块农田区域的进行初步判别得到初步判别结果;初步判别结果包括使用中状态、待释放状态、未使用状态;
状态异常排查模块;用于从使用状态判别模块中接收初步判别结果,对初步判别结果显示为使用中状态的农田和未使用中状态的农田进行作物生长状态异常排查得到异常排查结果;
其中,状态异常排查模块包括使用中状态异常排查单元、未使用状态异常排查单元;
使用中状态异常排查单元包括田埂信息排查单元、比例值计算单元、实际生长期匹配单元;田埂信息排查单元,用于将农田区域对应的多源遥感影像结合田埂标注图对使用中状态农田进行田埂信息排查,计算得到使用中状态农田的理论种植密度;比例值计算单元,用于获取使用中状态农田的叶面积指数LAI,并将叶面积指数LAI与理论种植密度进行相关比例值计算;实际生长期匹配单元,用于接收比例值计算单元中数据,并基于比例值对农田内种植作物实际生长期进行匹配;
未使用状态异常排查单元,用于计算未使用状态农田的归一化植被指数NDVI,基于归一化植被指数NDVI的数值情况,进行预设像元宽的设置,并基于预设像元宽对未使用状态农田的遥感影像进行田垄识别;
状态调整模块,用于接收状态异常排查模块中的异常排查结果,基于异常排查结果完成对初步判别结果的调整;
可种植空间规划统计模块,用于接收状态调整模块中的数据,对经过状态调整后的农田区域进行可种植空间规划统计。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.应用多源遥感数据的农田使用状态的监测方法,其特征在于,所述监测方法包括:
步骤S100:对监测区域内的农田区域进行位置锁定,提取所述农田区域对应的遥感影像;对所述农田区域内的各田埂走线进行识别;
步骤S200:将识别出的所述各田埂走线在多源遥感影像中进行标注得到若干条标注走线;对每一条标注走线两端的端点分别进行与其他标注走线出现相交点的情况排查,得到排查结果,基于所述排查结果对标注走线交点进行矫正,得到田埂标注图;
步骤S300:应用多源遥感数据对所述农田区域内各块农田的使用状态进行初步判别得到初步判别结果;所述初步判别结果包括使用中状态、待释放状态、未使用状态;所述使用中状态是指在农田内种植有作物,且所述作物距离作物收成所需的时间大于预设时间范围(Tmin,Tmax)中的Tmax;所述待释放状态是指农田内的种植作物距离作物收成及土壤恢复至标准肥力条件的总时间T满足Tmin≤T≤Tmax;所述未使用状态是指农田内暂未种植有作物;
步骤S400:对所述初步判别结果显示为使用中状态的农田进行作物生长状态异常排查得到异常排查结果,基于所述异常排查结果对所述初步判别结果进行调整;
步骤S500:对所述初步判别结果显示为未使用状态的农田进行作物生长状态异常排查得到异常排查结果,基于所述异常排查结果对所述初步判别结果进行调整;
步骤S600:对所述初步判别结果调整后的农田区域进行可种植空间规划统计。
2.根据权利要求1所述的应用多源遥感数据的农田使用状态的监测方法,其特征在于,所述步骤S200包括:
步骤S201:若一条标注走线上仅有一个端点与其他标注走线出现相交点,将所述标注走线未与其他标注走线出现相交点的另一端点进行延长直至与其他标注走线出现相交点;对相交点进行捕捉,并对捕捉到的各相交点之间进行最短距离计算;
步骤S202:设置第一交点距离阈值L1和第二交点距离阈值L2;若存在两个相交点之间的最短距离L'满足L1<L′<L2,设所述两个相交点为两个初始相交点,将所述最短距离L'上2/L'处的线段点作为新相交点,基于所述新相交点重新对涉及到所述两个初始相交点的标注走线进行连接,完成对标注走线交点的矫正;
步骤S203:若存在n个相交点且两两相交点之间的最短距离L'满足L1<L′<L2,其中n≥3;将所述n个相交点之间进行线段连接,围成一个封闭图形,设所述n个相交点为n个初始相交点;对所述封闭图形的各条边分别作中垂线,若各条边中垂线相交后形成的一个总交点且所述总交点位于所述封闭图形内,基于所述总交点重新对涉及到所述n个相交点的标注走线进行连接,完成对标注走线交点的矫正;若各条边中垂线相交后未形成一个总交点位于所述封闭图形内,在所述封闭图形内选取相交有最多条中垂线的相交点,将所述相交点作为新相交点,基于所述新相交点述重新对涉及到所述n个相交点的标注走线进行连接,完成对标注走线交点的矫正。
3.根据权利要求1所述的应用多源遥感数据的农田使用状态的监测方法,其特征在于,所述步骤S300包括:
步骤S301:基于大数据分别生成不同种类作物对应各个生长阶段的影像,并将其汇成图像数据库;基于所述农田区域内各块农田在遥感影像上呈现的不同特征信息进行种植作物的种类识别判断,确定每块农田对应种植的作物种类;所述特征信息包括但不限于颜色、纹理、形状;
步骤S302:基于所述图像数据库对每块农田内对应种植的作物种类进行生长期的识别判断;基于所述预设时间范围(Tmin,Tmax)对待释放状态农田内不同种类作物正处于的不同生长阶段期信息进行判别存储,将不同种类作物的某个生长阶段期与待释放状态之间建立信息关联;基于所述预设时间范围(Tmin,Tmax)对使用中状态农田内不同种类作物正处于的不同生长阶段期信息进行判别存储,将不同种类作物的某个生长阶段期与使用中状态之间建立信息关联;将存储得到的各信息关联作为状态判断信息;
步骤S303:当基于所述图像数据库未匹配检测到农田内存在作物生长周期的特征信息时,将该农田设为未使用状态。
4.根据权利要求1所述的应用多源遥感数据的农田使用状态的监测方法,其特征在于,所述预设时间范围(Tmin,Tmax)为一段倒数时间周期,在所述倒数时间周期内由于外界环境因素或者人为干预因素的影响,在所述倒数时间周期内该块农田的土壤条件能恢复至标准肥力条件;所述标准肥力条件是以在该块农田上刚收成的种类作物所需的基本土壤肥力条件来衡量的。
5.根据权利要求3所述的应用多源遥感数据的农田使用状态的监测方法,其特征在于,所述步骤S400中对作物生长状态异常排查包括:
步骤S401:将所述农田区域对应的多源遥感影像结合所述田埂标注图对使用中状态农田进行田埂信息排查,根据公式计算得到所述使用中状态农田的理论种植密度Q;其中,si表示使用中状态农田内第i条田埂走线的横截面积,m为自然数,m表示使用中状态农田内的田埂走线总数;S表示使用中状态农田的农田面积;
步骤S402:基于多源遥感数据获取使用中状态农田的叶面积指数LAI;对每种作物不同生长阶段设置不同比例值K的取值范围,所述比例值K=LAI/Q;
步骤S403:基于所述比例值K对农田内种植作物实际生长期进行匹配,当匹配得到的实际生长期满足所述状态判断信息中对使用中状态农田的认定,保持所述初步判别结果;当匹配得到的实际生长期不满足所述状态判断信息中对使用中状态农田的认定,将所述实际生长期基于所述状态判断信息中对该农田的实际使用状态进行确认,调整所述初步判别结果。
6.根据权利要求1所述的应用多源遥感数据的农田使用状态的监测方法,其特征在于,所述步骤S500中对作物生长状态异常排查包括:计算未使用状态农田的归一化植被指数NDVI,当NDVI=0时,设置预设像元宽,基于所述预设像元宽在未使用状态农田的遥感影像上进行田垄识别,当识别出有田垄,调整所述初步判别结果中显示的未使用状态,将所述农田状态调整为使用中状态;当-1≤NDVI≤1,且NDVI≠0时,保持所述初步判别结果。
7.根据权利要求1所述的应用多源遥感数据的农田使用状态的监测方法,其特征在于,所述步骤S600包括:
步骤S601:获取监测区域上各待释放农田内种植作物距离作物收成及土壤恢复至标准肥力条件的时间t,汇成数据集tx;x表示监测区域上第x块待释放农田;
步骤S602:设置不同时间梯度,基于所述时间梯度对数据集tx进行归类对应得到不同释放时间周期的农田分布图;
步骤S603:用户可在监测系统中通过输入具体的待种植面积以及待种植时间在所述农田分布图上进行适配区域搜索得到适配结果,系统将所述适配结果对用户进行推送,用户可自主选择待种植区域。
8.应用多源遥感数据的农田使用状态的监测系统,其特征在于,所述监测系统包括:信息库、识别处理模块、使用状态判别模块、状态异常排查模块、状态调整模块、可种植空间规划统计模块;
所述信息库,用于获取监测区域内农田区域的遥感影像并存储;
所述识别处理模块,用于从所述信息库中接收相关农田区域,并对所述农田区域内的田埂走线进行识别并标注;
所述使用状态判别模块,用于对监测区域内各块农田区域的进行初步判别得到初步判别结果;所述初步判别结果包括使用中状态、待释放状态、未使用状态;使用中状态是指在农田内种植有作物,且作物距离作物收成所需的时间大于预设时间范围(Tmin,Tmax)中的Tmax;待释放状态是指农田内的种植作物距离作物收成及土壤恢复至标准肥力条件的总时间T满足Tmin≤T≤Tmax;未使用状态是指农田内暂未种植有作物;
所述状态异常排查模块;用于从所述使用状态判别模块中接收初步判别结果,对所述初步判别结果显示为使用中状态的农田和未使用中状态的农田进行作物生长状态异常排查得到异常排查结果;
所述状态调整模块,用于接收所述状态异常排查模块中的异常排查结果,基于所述异常排查结果完成对所述初步判别结果的调整;
所述可种植空间规划统计模块,用于接收所述状态调整模块中的数据,对经过状态调整后的农田区域进行可种植空间规划统计。
9.根据权利要求8所述的应用多源遥感数据的农田使用状态的监测系统,其特征在于,所述识别处理模块包括标注单元、相交点捕捉单元、计算单元、标注走线矫正单元;
所述标注单元,用于对监测区域内农田区域中各田埂走线进行识别并标注;
所述相交点捕捉单元,用于接收经过所述标注单元处理的标注图像,对标注图像内相交点的分布情况进行排查,得到排查结果,基于所述排查结果对标注走线交点进行矫正,得到田埂标注图;
所述计算单元,用于接收所述相交点捕捉单元数据,基于所述数据进行新相交点的计算;
所述标注走线矫正单元,用于接收所述计算单元数据,基于所述新相交点对所述标注图像进行标注走线矫正。
10.根据权利要求8所述的应用多源遥感数据的农田使用状态的监测系统,其特征在于,所述状态异常排查模块包括使用中状态异常排查单元、未使用状态异常排查单元;
所述使用中状态异常排查单元包括田埂信息排查单元、比例值计算单元、实际生长期匹配单元;所述田埂信息排查单元,用于将农田区域对应的多源遥感影像结合田埂标注图对使用中状态农田进行田埂信息排查,计算得到所述使用中状态农田的理论种植密度;所述比例值计算单元,用于获取使用中状态农田的叶面积指数LAI,并将所述叶面积指数LAI与所述理论种植密度进行相关比例值计算;所述实际生长期匹配单元,用于接收所述比例值计算单元中数据,并基于所述比例值对农田内种植作物实际生长期进行匹配;
所述未使用状态异常排查单元,用于计算未使用状态农田的归一化植被指数NDVI,基于所述归一化植被指数NDVI的数值情况,进行预设像元宽的设置,并基于所述预设像元宽对未使用状态农田的遥感影像进行田垄识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111363892.8A CN114067158B (zh) | 2021-11-17 | 2021-11-17 | 应用多源遥感数据的农田使用状态的监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111363892.8A CN114067158B (zh) | 2021-11-17 | 2021-11-17 | 应用多源遥感数据的农田使用状态的监测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114067158A CN114067158A (zh) | 2022-02-18 |
CN114067158B true CN114067158B (zh) | 2022-09-23 |
Family
ID=80277829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111363892.8A Active CN114067158B (zh) | 2021-11-17 | 2021-11-17 | 应用多源遥感数据的农田使用状态的监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114067158B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108955620A (zh) * | 2018-02-13 | 2018-12-07 | 中国科学院遥感与数字地球研究所 | 一种农田灌区面积遥感提取的方法及系统 |
CN112541933A (zh) * | 2020-12-09 | 2021-03-23 | 中国科学院深圳先进技术研究院 | 一种农田边界及种植结构的提取方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103033150A (zh) * | 2011-10-09 | 2013-04-10 | 黄青 | 用modis数据快速提取主要农作物种植面积的方法 |
CN106845806A (zh) * | 2017-01-06 | 2017-06-13 | 中国科学院遥感与数字地球研究所 | 农田种植状态的遥感监测方法和系统 |
CN107437262B (zh) * | 2017-07-19 | 2021-06-04 | 中国科学院遥感与数字地球研究所 | 作物种植面积预警方法和系统 |
CN108629289B (zh) * | 2018-04-11 | 2021-07-30 | 千寻位置网络有限公司 | 农田的识别方法及系统、应用于农业的无人机 |
CN110110595B (zh) * | 2019-03-28 | 2023-05-26 | 国智恒北斗好年景农业科技有限公司 | 一种基于卫星遥感影像的农田画像及药肥大数据分析方法 |
CN110119717A (zh) * | 2019-05-15 | 2019-08-13 | 中国科学院遥感与数字地球研究所 | 一种基于时序ndvi与lst的农作物分类方法 |
US11636672B2 (en) * | 2019-10-15 | 2023-04-25 | A.U.G. Signals Ltd. | Crop phenology estimation and tracking with remote sensing imagery |
CN111598019B (zh) * | 2020-05-19 | 2023-05-26 | 华中农业大学 | 基于多源遥感数据的作物类型与种植模式识别方法 |
CN112116206A (zh) * | 2020-08-21 | 2020-12-22 | 淮北市盛世昊明科技服务有限公司 | 一种基于大数据的智慧农业系统 |
CN112148785B (zh) * | 2020-09-24 | 2021-09-28 | 中国科学院空天信息创新研究院 | 一种作物分布制图方法 |
CN112464766A (zh) * | 2020-11-17 | 2021-03-09 | 北京农业智能装备技术研究中心 | 一种农田地头自动识别方法及系统 |
CN113129323A (zh) * | 2021-04-27 | 2021-07-16 | 西安微电子技术研究所 | 一种基于人工智能的遥感田埂界线检测方法、系统、计算机设备及存储介质 |
-
2021
- 2021-11-17 CN CN202111363892.8A patent/CN114067158B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108955620A (zh) * | 2018-02-13 | 2018-12-07 | 中国科学院遥感与数字地球研究所 | 一种农田灌区面积遥感提取的方法及系统 |
CN112541933A (zh) * | 2020-12-09 | 2021-03-23 | 中国科学院深圳先进技术研究院 | 一种农田边界及种植结构的提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114067158A (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9734400B2 (en) | System and method for field variance determination | |
Zermas et al. | 3D model processing for high throughput phenotype extraction–the case of corn | |
US20070255502A1 (en) | System and method of evaluating crop management | |
Fernandez-Ordoñez et al. | Maize crop yield estimation with remote sensing and empirical models | |
CN108140118A (zh) | 用于识别至少一株种植在耕地上的植物的方法和信息系统 | |
CN113469112B (zh) | 农作物生长状况图像识别方法及系统 | |
Liu et al. | Estimating maize seedling number with UAV RGB images and advanced image processing methods | |
AU2019309839A1 (en) | Information processing device, information processing method, and program | |
CN115761486A (zh) | 一种基于多期稻田影像特征的水稻种植区判定方法和系统 | |
CN113963260A (zh) | 一种冬小麦种植区的提取方法、装置和计算机设备 | |
Diao | Innovative pheno-network model in estimating crop phenological stages with satellite time series | |
WO2023043317A1 (en) | Method and system for delineating agricultural fields in satellite images | |
CN110321774B (zh) | 农作物灾情评估方法、装置、设备及计算机可读存储介质 | |
CN107330801A (zh) | 一种冬小麦种植比例的计算方法及装置 | |
CN114067158B (zh) | 应用多源遥感数据的农田使用状态的监测系统及方法 | |
CN112036313A (zh) | 烟草种植面积检测方法、装置、设备及可读存储介质 | |
CN116579521B (zh) | 产量预测时间窗口确定方法、装置、设备及可读存储介质 | |
CN110598514B (zh) | 一种土地整治项目区地块尺度农作物播种面积监测方法 | |
Gers et al. | Using SPOT4 satellite imagery to monitor area harvested by small scale sugarcane farmers at Umfolozi | |
Trevisan et al. | Improving yield mapping accuracy using remote sensing | |
CN116844075B (zh) | 一种耕地环境判定方法及系统 | |
McCarthy et al. | In-season yield prediction using VARIwise | |
US20220398841A1 (en) | Information processing device, information processing method, and program | |
Shiba et al. | Remote sensing for sugarcane crop yield estimation in Eswatini: Case of lower Usuthu smallholder irrigation project sugarcane farms | |
Xiao et al. | 3D reconstruction and characterization of cotton bolls in situ based on UVA technology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |