CN115797764A - 一种应用于耕地非农化监测的遥感大数据解译方法及系统 - Google Patents
一种应用于耕地非农化监测的遥感大数据解译方法及系统 Download PDFInfo
- Publication number
- CN115797764A CN115797764A CN202211450870.XA CN202211450870A CN115797764A CN 115797764 A CN115797764 A CN 115797764A CN 202211450870 A CN202211450870 A CN 202211450870A CN 115797764 A CN115797764 A CN 115797764A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- data
- interpretation
- determining
- preset
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000005070 sampling Methods 0.000 claims description 78
- 238000013507 mapping Methods 0.000 claims description 56
- 238000000605 extraction Methods 0.000 claims description 24
- 230000000007 visual effect Effects 0.000 claims description 12
- 238000013075 data extraction Methods 0.000 claims description 10
- 238000012806 monitoring device Methods 0.000 claims description 6
- 230000009418 agronomic effect Effects 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 241000209094 Oryza Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 235000013339 cereals Nutrition 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 238000003971 tillage Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000003905 agrochemical Substances 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明提供一种应用于耕地非农化监测的遥感大数据解译方法及系统，其中方法包括：获取待解译的第一遥感数据；确定第一遥感数据对应的地块数据以及当前的气候数据；基于地块数据和气候数据，从预设的第一解译模型库，确定第一解译模型；基于第一解译模型对第一遥感数据进行解译，获取第一解译内容；确定预存的遥感数据对应的地块的使用数据；将第一解译内容与使用数据进行匹配；当匹配时，输出预设的第一提示信息。本发明的应用于耕地非农化监测的遥感大数据解译方法，为通过遥感监测设备对耕地的非农化进行监测提供支持，实现快速有效地耕地非农化监测。
Description
技术领域
本发明涉及遥感大数据解译技术领域，特别涉及一种应用于耕地非农化监测的遥感大数据解译方法及系统。
背景技术
简单来说耕地“非农化”就是耕地改变了农业用途，例如：建房、建休闲山庄、建公园等。耕地是粮食生产的重要基础，必须守住耕地这个根基，耕地红线必须守住，粮食安全的饭碗必须端牢。传统的通过人工进行耕地非农化管理，存在费时费力的确定，并且存在主观因数的影响，无法做到有效的监管；通过无人机搭载摄像头的方式对耕地进行拍摄可以做到快速有效地监管，但是，遥感数据的解译是保证监管的有效进行的基础，因此亟需一种解译方式，实现准确的数据解译。
发明内容
本发明目的之一在于提供了一种应用于耕地非农化监测的遥感大数据解译方法，为通过遥感监测设备对耕地的非农化进行监测提供支持，实现快速有效地耕地非农化监测。
本发明实施例提供的一种应用于耕地非农化监测的遥感大数据解译方法，包括：
获取待解译的第一遥感数据；
确定第一遥感数据对应的地块数据以及当前的气候数据；
基于地块数据和气候数据，从预设的第一解译模型库，确定第一解译模型；
基于第一解译模型对第一遥感数据进行解译，获取第一解译内容；
确定预存的遥感数据对应的地块的使用数据；
将第一解译内容与使用数据进行匹配；
当匹配时，输出预设的第一提示信息。
优选的，获取待解译的第一遥感数据，包括：
基于地块划分地图，构建三维遥感空间；
获取遥感监测设备的飞行轨迹和遥感拍摄参数；
基于飞行轨迹和遥感拍摄参数，将遥感监测设备拍摄的遥感数据映射至三维遥感空间的各个地块；
依据各个地块的映射完成顺序，对各个地块进行编号；
依据编号的顺序，依次提取各个地块对应的遥感数据作为待解译的第一遥感数据。
优选的，基于飞行轨迹和遥感拍摄参数，将遥感监测设备拍摄的遥感数据映射至三维遥感空间的各个地块，包括：
对飞行轨迹进行采样，获取多个轨迹点；
基于遥感拍摄参数，确定拍摄方向向量；
将轨迹点映射至三维遥感空间，确定第一映射点；
基于第一映射点和拍摄方向向量，确定三维遥感空间内地块划分地图上的第二映射点；
基于遥感拍摄参数和预设的采样半径与遥感拍摄参数对应表，确定采样半径；
基于采样半径从遥感数据中提取采样数据并映射至以第二映射点为中心以采样半径为半径的地块划分地图上的区域内。
优选的，基于地块数据和气候数据，从预设的第一解译模型库，确定第一解译模型，包括：
基于预设的第一特征提取模板，对地块数据进行特征提取，获取多个第一特征值；
基于预设的第二特征提取模板，对气候数据进行特征提取，获取多个第二特征值；
基于多个第一特征值和多个第二特征值，构建特征集；
将特征集与第一解译模型库的第一调取确定子库中各个第一调取集匹配；
确定第一调取确定子库中与特征集匹配的第一调取集对应关联的第一模型编号集；
基于第一模型编号集中各个模型编号，从第一解译模型库中第一模型子库中调取对应的第一解译模型。
优选的，应用于耕地非农化监测的遥感大数据解译方法，还包括：
确定待解译的第一遥感数据对应的第一时间；
基于第一时间和预设的时间阈值确定表，确定数据提取时间点；
获取数据提取时间点至第一时间之间的第一遥感数据对应的地块上的多个第二遥感数据；
确定各个第二遥感数据对应的地块数据以及气候数据；
基于地块数据和气候数据，从预设的第一解译模型库，确定各个第二遥感数据对应的第一解译模型；
基于第一解译模型对第二遥感数据进行解译，获取第二解译内容；
当各个第二遥感数据对应的第二解译内容与第一解译内容相同时，输出预设的第二提示信息；否则，输出预设的表示异常的第三提示信息。
优选的，应用于耕地非农化监测的遥感大数据解译方法，还包括：
确定遥感监测设备的遥感拍摄视野范围；
基于遥感拍摄视野范围，确定采样区域的半径；
基于采样区域的半径，从第一遥感数据对应的地块中确定采样区域；
提取遥感监测设备拍摄第一遥感数据的批次中采样区域对应的第三遥感数据；
基于地块数据和气候数据，从预设的第二解译模型库，确定第三解译模型；
基于第三解译模型对第三遥感数据进行解译，获取第三解译内容；
当第三解译内容与第一解译内容相同时，输出预设的第二提示信息；否则，输出预设的表示异常的第三提示信息。
本发明还提供一种应用于耕地非农化监测的遥感大数据解译系统，包括：
第一获取模块，用于获取待解译的第一遥感数据；
第一确定模块，用于确定第一遥感数据对应的地块数据以及当前的气候数据；
第一模型调取模块，用于基于地块数据和气候数据，从预设的第一解译模型库，确定第一解译模型；
第一解译模块，用于基于第一解译模型对第一遥感数据进行解译，获取第一解译内容；
第二确定模块，用于确定预存的遥感数据对应的地块的使用数据；
匹配模块，用于将第一解译内容与使用数据进行匹配；
输出模块，用于当匹配时，输出预设的第一提示信息。
优选的，第一获取模块获取待解译的第一遥感数据，执行如下操作：
基于地块划分地图，构建三维遥感空间；
获取遥感监测设备的飞行轨迹和遥感拍摄参数；
基于飞行轨迹和遥感拍摄参数，将遥感监测设备拍摄的遥感数据映射至三维遥感空间的各个地块；
依据各个地块的映射完成顺序，对各个地块进行编号；
依据编号的顺序，依次提取各个地块对应的遥感数据作为待解译的第一遥感数据。
优选的，第一获取模块基于飞行轨迹和遥感拍摄参数，将遥感监测设备拍摄的遥感数据映射至三维遥感空间的各个地块，执行如下操作：
对飞行轨迹进行采样，获取多个轨迹点；
基于遥感拍摄参数，确定拍摄方向向量；
将轨迹点映射至三维遥感空间，确定第一映射点；
基于第一映射点和拍摄方向向量，确定三维遥感空间内地块划分地图上的第二映射点；
基于遥感拍摄参数和预设的采样半径与遥感拍摄参数对应表，确定采样半径；
基于采样半径从遥感数据中提取采样数据并映射至以第二映射点为中心以采样半径为半径的地块划分地图上的区域内。
优选的，第一模型调取模块基于地块数据和气候数据，从预设的第一解译模型库，确定第一解译模型，执行如下操作：
基于预设的第一特征提取模板，对地块数据进行特征提取，获取多个第一特征值；
基于预设的第二特征提取模板，对气候数据进行特征提取，获取多个第二特征值；
基于多个第一特征值和多个第二特征值，构建特征集；
将特征集与第一解译模型库的第一调取确定子库中各个第一调取集匹配；
确定第一调取确定子库中与特征集匹配的第一调取集对应关联的第一模型编号集；
基于第一模型编号集中各个模型编号，从第一解译模型库中第一模型子库中调取对应的第一解译模型。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
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为本发明实施例中一种应用于耕地非农化监测的遥感大数据解译方法的示意图；
图2为本发明实施例中一种应用于耕地非农化监测的遥感大数据解译系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供了一种应用于耕地非农化监测的遥感大数据解译方法，如图1所示，包括：
步骤S1:获取待解译的第一遥感数据；从遥感监测设备传输到解译平台上的数据中提取出待解译的第一遥感数据；提取第一遥感数据要注意以地块为单位提取；其中，遥感监测设备包括无人机搭载的摄像头，实现远距离遥感拍摄。
步骤S2:确定第一遥感数据对应的地块数据以及当前的气候数据；地块数据包括：地块的使用性质(耕地、非耕地)、地块的经纬度、地块可种植的植物种类等；气候数据包括：温度、湿度、当前所在节气等；
步骤S3:基于地块数据和气候数据，从预设的第一解译模型库，确定第一解译模型；因为耕地上农作物随着地块的位置以及气候的不同，其生长趋势以及性态存在差异；通过综合分析地块数据和气候数据，以便确定地块的位置、当前生长的植物的阶段等，进而从第一解译模型库中调取合适的第一解译模型对第一遥感数据进行解译，保证解译的结果的准确性；
步骤S4:基于第一解译模型对第一遥感数据进行解译，获取第一解译内容；例如：第一解译模型对应关联的作物种类A以及作物对应的生长阶段B，即将遥感数据对应的图像输入第一解译模型后，可以判断遥感数据对应的地块上是否为第一解译模型对应的作物类型A；当不是时，第一解译内容为未种植作物类型A；当是时，第一解译内容未种植作物类型A；
步骤S5:确定预存的遥感数据对应的地块的使用数据；以耕地的地块的使用数据为例，使用数据包括：耕地上可种植的作物种类；作物种类可以多种；
步骤S6:将第一解译内容与使用数据进行匹配；当第一解译内容的作物种类为使用数据中地块可以种植的作物种类时，确定匹配；
步骤S7:当匹配时，输出预设的第一提示信息。第一提示信息可以为地块不存在耕地非农化现象。
上述技术方案的工作原理及有益效果为：
综合分析地块数据以及当前的气候数据，从第一解译模型库中调取适应的第一解译模型，通过第一解译模型对地块的第一遥感数据进行解译，确定地块上的作物种类以及处于生长阶段；当通过所有的调取的模型解译出不是地块上不是该解译模型对应的作物类型时，可以确定耕地为进行作物的生长，即用于农业其他方面的使用，因此输出预警信息。
本发明的应用于耕地非农化监测的遥感大数据解译方法，为通过遥感监测设备对耕地的非农化进行监测提供支持，实现快速有效地耕地非农化监测。
在一个实施例中，获取待解译的第一遥感数据，包括：
基于地块划分地图，构建三维遥感空间；
获取遥感监测设备的飞行轨迹和遥感拍摄参数；
基于飞行轨迹和遥感拍摄参数，将遥感监测设备拍摄的遥感数据映射至三维遥感空间的各个地块；
依据各个地块的映射完成顺序，对各个地块进行编号；
依据编号的顺序，依次提取各个地块对应的遥感数据作为待解译的第一遥感数据。
其中，基于飞行轨迹和遥感拍摄参数，将遥感监测设备拍摄的遥感数据映射至三维遥感空间的各个地块，包括：
对飞行轨迹进行采样，获取多个轨迹点；例如：可以每隔预设的飞行距离间隔(例如：2米)进行一次采样；
基于遥感拍摄参数，确定拍摄方向向量；通过遥感拍摄参数查询预设的遥感拍摄参数与拍摄方向向量的对应表，确定拍摄方向向量；
将轨迹点映射至三维遥感空间，确定第一映射点；确定轨迹点的经纬度以及高度，通过经纬度以及高度，实现轨迹点映射到三维遥感空间中形成第一映射点；
基于第一映射点和拍摄方向向量，确定三维遥感空间内地块划分地图上的第二映射点；以第一映射点为起点，以拍摄方向向量为方向，确定一条射线；该射线与地块划分地图的交点为第二映射点；
基于遥感拍摄参数和预设的采样半径与遥感拍摄参数对应表，确定采样半径；遥感拍摄时，图像中心清晰程度较边缘要高，通过遥感拍摄参数的高度以及焦距，从采样半径与遥感拍摄参数对应表，通过采样半径采样遥感数据对应的图像中相对较清晰的图像；根据用户自身的需求配置不同采样半径与遥感拍摄参数对应表，以符合用户不同的清晰度以及效率要求；
基于采样半径从遥感数据中提取采样数据并映射至以第二映射点为中心以采样半径为半径的地块划分地图上的区域内。
上述技术方案的工作原理及有益效果为：
在遥感监测设备从耕地上方飞行时，记录飞行轨迹、遥感拍摄参数，并且在飞行时对耕地进行遥感拍摄，然后通过根据地块划分地图构建的三维遥感空间进行映射，确定出各个地块对应的遥感数据作为待解译的第一遥感数据；在进行映射时，分析遥感拍摄参数确定采样半径进行数据采样映射，保证第一遥感数据的清晰及有效，在保证解译前的数据的准确性，有助于提高解译的准确性。
在一个实施例中，基于地块数据和气候数据，从预设的第一解译模型库，确定第一解译模型，包括：
基于预设的第一特征提取模板，对地块数据进行特征提取，获取多个第一特征值；第一特征值为地块数据的各个数据项的量化值；
基于预设的第二特征提取模板，对气候数据进行特征提取，获取多个第二特征值；第二特征值为气候数据的各个数据项的量化值，
基于多个第一特征值和多个第二特征值，构建特征集；将第一特征值和第二特征值按照顺序排列形成特征集；
将特征集与第一解译模型库的第一调取确定子库中各个第一调取集匹配；匹配可以采用计算特征集和第一调取集的相似度的方式实现，相似度为第一调取确定子库内最大时，两者匹配；并且，在第一调取确定子库中第一模型编号集与第一调取集一一对应关联；
确定第一调取确定子库中与特征集匹配的第一调取集对应关联的第一模型编号集；
基于第一模型编号集中各个模型编号，从第一解译模型库中第一模型子库中调取对应的第一解译模型。因，耕地可载种的作物可以为多种，因此需要调取多种模型，一种作物的一个生长阶段对应一种第一解译模型。
上述技术方案的工作原理及有益效果为：
因为耕地上农作物随着地块的位置以及气候的不同，其生长趋势以及性态存在差异；通过综合分析地块数据和气候数据，以便确定地块的位置、当前生长的植物的阶段等，进而从第一解译模型库中调取合适的第一解译模型对第一遥感数据进行解译，保证解译的结果的准确性。
在一个实施例中，应用于耕地非农化监测的遥感大数据解译方法，还包括：
确定待解译的第一遥感数据对应的第一时间；
基于第一时间和预设的时间阈值确定表，确定数据提取时间点；当地块种植为水稻时，第一遥感数据对应的第一时间对应为水稻的抽穗期，通过第一时间和预设的时间阈值确定表，确定幼苗期的时间点为数据提取时间点，也就是当前时间往前三个月作为数据提取时间点；
获取数据提取时间点至第一时间之间的第一遥感数据对应的地块上的多个第二遥感数据；
确定各个第二遥感数据对应的地块数据以及气候数据；
基于地块数据和气候数据，从预设的第一解译模型库，确定各个第二遥感数据对应的第一解译模型；
基于第一解译模型对第二遥感数据进行解译，获取第二解译内容；
当各个第二遥感数据对应的第二解译内容与第一解译内容相同时，输出预设的第二提示信息；否则，输出预设的表示异常的第三提示信息。第二提示信息表示验证通过，解译无误差；第三提示信息表示解译存在异常；
上述技术方案的工作原理及有益效果为：
通过综合分析地块上作物的历史生长期对应的历史数据，以历史生长期的遥感数据的解译保证当前遥感数据解译分析的准确性。
在一个实施例中，应用于耕地非农化监测的遥感大数据解译方法，还包括：
确定遥感监测设备的遥感拍摄视野范围；
基于遥感拍摄视野范围，确定采样区域的半径；例如：遥感拍摄视野范围为10米半径的圆形区域；则确定的采样区域的半径为1米；可以根据遥感拍摄视野范围与采样区域的半径的对照表进行采样区域的半径的确定；
基于采样区域的半径，从第一遥感数据对应的地块中确定采样区域；采样区域为地块的中心为圆心，以采样区域的半径为半径的区域；
提取遥感监测设备拍摄第一遥感数据的批次中采样区域对应的第三遥感数据；在遥感监测设备拍摄时，采样区域首先从遥感拍摄视野范围的边缘移动到中心，然后从中心移动到边缘，在采样区域进入遥感拍摄视野范围到离开的过程中，采样区域对应的数据为第三遥感器数据；第三遥感数据为从各个角度拍摄的采样区域的数据；存在空间上的拍摄差异；
基于地块数据和气候数据，从预设的第二解译模型库，确定第三解译模型；第二解译模型库是针对空间不同位置的组图进行解译的，因此与第一解译模型差异，第一解译模型为对平面图像的解译；第二解译模型实际为空间组图的解译；第二解译模型库也是事先基于大量数据由专业人员进行分析构建；
基于第三解译模型对第三遥感数据进行解译，获取第三解译内容；
当第三解译内容与第一解译内容相同时，输出预设的第二提示信息；否则，输出预设的表示异常的第三提示信息。
上述技术方案的工作原理及有益效果为：
通过在地块的中心确定采样区域，通过遥感拍摄的采样区域下不同角度的遥感数据进行空间上的综合解译，避免平面解译存在的视觉欺骗性，通过采样分析，进一步对第一解译数据的解译结果的验证，提高耕地非农化监测的准确性，能及时发现耕地的不合理使用。
本发明还提供一种应用于耕地非农化监测的遥感大数据解译系统，如图2所示，包括：
第一获取模块1，用于获取待解译的第一遥感数据；
第一确定模块2，用于确定第一遥感数据对应的地块数据以及当前的气候数据；
第一模型调取模块3，用于基于地块数据和气候数据，从预设的第一解译模型库，确定第一解译模型；
第一解译模块4，用于基于第一解译模型对第一遥感数据进行解译，获取第一解译内容；
第二确定模块5，用于确定预存的遥感数据对应的地块的使用数据；
匹配模块6，用于将第一解译内容与使用数据进行匹配；
输出模块7，用于当匹配时，输出预设的第一提示信息。
优选的，第一获取模块1获取待解译的第一遥感数据，执行如下操作：
基于地块划分地图，构建三维遥感空间；
获取遥感监测设备的飞行轨迹和遥感拍摄参数；
基于飞行轨迹和遥感拍摄参数，将遥感监测设备拍摄的遥感数据映射至三维遥感空间的各个地块；
依据各个地块的映射完成顺序，对各个地块进行编号；
依据编号的顺序，依次提取各个地块对应的遥感数据作为待解译的第一遥感数据。
优选的，第一获取模块1基于飞行轨迹和遥感拍摄参数，将遥感监测设备拍摄的遥感数据映射至三维遥感空间的各个地块，执行如下操作：
对飞行轨迹进行采样，获取多个轨迹点；
基于遥感拍摄参数，确定拍摄方向向量；
将轨迹点映射至三维遥感空间，确定第一映射点；
基于第一映射点和拍摄方向向量，确定三维遥感空间内地块划分地图上的第二映射点；
基于遥感拍摄参数和预设的采样半径与遥感拍摄参数对应表，确定采样半径；
基于采样半径从遥感数据中提取采样数据并映射至以第二映射点为中心以采样半径为半径的地块划分地图上的区域内。
优选的，第一模型调取模块3基于地块数据和气候数据，从预设的第一解译模型库，确定第一解译模型，执行如下操作：
基于预设的第一特征提取模板，对地块数据进行特征提取，获取多个第一特征值；
基于预设的第二特征提取模板，对气候数据进行特征提取，获取多个第二特征值；
基于多个第一特征值和多个第二特征值，构建特征集；
将特征集与第一解译模型库的第一调取确定子库中各个第一调取集匹配；
确定第一调取确定子库中与特征集匹配的第一调取集对应关联的第一模型编号集；
基于第一模型编号集中各个模型编号，从第一解译模型库中第一模型子库中调取对应的第一解译模型。
优选的，应用于耕地非农化监测的遥感大数据解译系统，还包括：历史数据分析验证模块；
历史数据分析验证模块，执行如下操作：
确定待解译的第一遥感数据对应的第一时间；
基于第一时间和预设的时间阈值确定表，确定数据提取时间点；
获取数据提取时间点至第一时间之间的第一遥感数据对应的地块上的多个第二遥感数据；
确定各个第二遥感数据对应的地块数据以及气候数据；
基于地块数据和气候数据，从预设的第一解译模型库，确定各个第二遥感数据对应的第一解译模型；
基于第一解译模型对第二遥感数据进行解译，获取第二解译内容；
当各个第二遥感数据对应的第二解译内容与第一解译内容相同时，输出预设的第二提示信息；否则，输出预设的表示异常的第三提示信息。
优选的，应用于耕地非农化监测的遥感大数据解译系统，还包括：采样分析验证模块；
采样分析验证模块执行如下操作：
确定遥感监测设备的遥感拍摄视野范围；
基于遥感拍摄视野范围，确定采样区域的半径；
基于采样区域的半径，从第一遥感数据对应的地块中确定采样区域；
提取遥感监测设备拍摄第一遥感数据的批次中采样区域对应的第三遥感数据；
基于地块数据和气候数据，从预设的第二解译模型库，确定第三解译模型；
基于第三解译模型对第三遥感数据进行解译，获取第三解译内容；
当第三解译内容与第一解译内容相同时，输出预设的第二提示信息；否则，输出预设的表示异常的第三提示信息。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种应用于耕地非农化监测的遥感大数据解译方法，其特征在于，包括：
获取待解译的第一遥感数据；
确定所述第一遥感数据对应的地块数据以及当前的气候数据；
基于所述地块数据和所述气候数据，从预设的第一解译模型库，确定第一解译模型；
基于所述第一解译模型对所述第一遥感数据进行解译，获取第一解译内容；
确定预存的所述遥感数据对应的地块的使用数据；
将所述第一解译内容与所述使用数据进行匹配；
当匹配时，输出预设的第一提示信息。
2.如权利要求1所述的应用于耕地非农化监测的遥感大数据解译方法，其特征在于，所述获取待解译的第一遥感数据，包括：
基于地块划分地图，构建三维遥感空间；
获取遥感监测设备的飞行轨迹和遥感拍摄参数；
基于所述飞行轨迹和所述遥感拍摄参数，将所述遥感监测设备拍摄的遥感数据映射至所述三维遥感空间的各个地块；
依据各个地块的映射完成顺序，对各个地块进行编号；
依据编号的顺序，依次提取各个地块对应的遥感数据作为待解译的第一遥感数据。
3.如权利要求2所述的应用于耕地非农化监测的遥感大数据解译方法，其特征在于，所述基于所述飞行轨迹和所述遥感拍摄参数，将所述遥感监测设备拍摄的遥感数据映射至所述三维遥感空间的各个地块，包括：
对所述飞行轨迹进行采样，获取多个轨迹点；
基于所述遥感拍摄参数，确定拍摄方向向量；
将所述轨迹点映射至所述三维遥感空间，确定第一映射点；
基于所述第一映射点和所述拍摄方向向量，确定所述三维遥感空间内地块划分地图上的第二映射点；
基于所述遥感拍摄参数和预设的采样半径与遥感拍摄参数对应表，确定采样半径；
基于所述采样半径从所述遥感数据中提取采样数据并映射至以所述第二映射点为中心以所述采样半径为半径的所述地块划分地图上的区域内。
4.如权利要求1所述的应用于耕地非农化监测的遥感大数据解译方法，其特征在于，所述基于所述地块数据和所述气候数据，从预设的第一解译模型库，确定第一解译模型，包括：
基于预设的第一特征提取模板，对所述地块数据进行特征提取，获取多个第一特征值；
基于预设的第二特征提取模板，对所述气候数据进行特征提取，获取多个第二特征值；
基于多个所述第一特征值和多个所述第二特征值，构建特征集；
将特征集与所述第一解译模型库的第一调取确定子库中各个第一调取集匹配；
确定所述第一调取确定子库中与所述特征集匹配的所述第一调取集对应关联的第一模型编号集；
基于所述第一模型编号集中各个模型编号，从所述第一解译模型库中第一模型子库中调取对应的第一解译模型。
5.如权利要求1所述的应用于耕地非农化监测的遥感大数据解译方法，其特征在于，还包括：
确定待解译的所述第一遥感数据对应的第一时间；
基于所述第一时间和预设的时间阈值确定表，确定数据提取时间点；
获取数据提取时间点至所述第一时间之间的所述第一遥感数据对应的地块上的多个第二遥感数据；
确定各个所述第二遥感数据对应的地块数据以及气候数据；
基于所述地块数据和所述气候数据，从预设的第一解译模型库，确定各个第二遥感数据对应的第一解译模型；
基于所述第一解译模型对所述第二遥感数据进行解译，获取第二解译内容；
当各个所述第二遥感数据对应的所述第二解译内容与所述第一解译内容相同时，输出预设的第二提示信息；否则，输出预设的表示异常的第三提示信息。
6.如权利要求1所述的应用于耕地非农化监测的遥感大数据解译方法，其特征在于，还包括：
确定遥感监测设备的遥感拍摄视野范围；
基于所述遥感拍摄视野范围，确定采样区域的半径；
基于采样区域的半径，从所述第一遥感数据对应的地块中确定采样区域；
提取所述遥感监测设备拍摄所述第一遥感数据的批次中所述采样区域对应的第三遥感数据；
基于所述地块数据和所述气候数据，从预设的第二解译模型库，确定第三解译模型；
基于所述第三解译模型对所述第三遥感数据进行解译，获取第三解译内容；
当所述第三解译内容与所述第一解译内容相同时，输出预设的第二提示信息；否则，输出预设的表示异常的第三提示信息。
7.一种应用于耕地非农化监测的遥感大数据解译系统，其特征在于，包括：
第一获取模块，用于获取待解译的第一遥感数据；
第一确定模块，用于确定所述第一遥感数据对应的地块数据以及当前的气候数据；
第一模型调取模块，用于基于所述地块数据和所述气候数据，从预设的第一解译模型库，确定第一解译模型；
第一解译模块，用于基于所述第一解译模型对所述第一遥感数据进行解译，获取第一解译内容；
第二确定模块，用于确定预存的所述遥感数据对应的地块的使用数据；
匹配模块，用于将所述第一解译内容与所述使用数据进行匹配；
输出模块，用于当匹配时，输出预设的第一提示信息。
8.如权利要求7所述的应用于耕地非农化监测的遥感大数据解译系统，其特征在于，所述第一获取模块获取待解译的第一遥感数据，执行如下操作：
基于地块划分地图，构建三维遥感空间；
获取遥感监测设备的飞行轨迹和遥感拍摄参数；
基于所述飞行轨迹和所述遥感拍摄参数，将所述遥感监测设备拍摄的遥感数据映射至所述三维遥感空间的各个地块；
依据各个地块的映射完成顺序，对各个地块进行编号；
依据编号的顺序，依次提取各个地块对应的遥感数据作为待解译的第一遥感数据。
9.如权利要求8所述的应用于耕地非农化监测的遥感大数据解译系统，其特征在于，所述第一获取模块基于所述飞行轨迹和所述遥感拍摄参数，将所述遥感监测设备拍摄的遥感数据映射至所述三维遥感空间的各个地块，执行如下操作：
对所述飞行轨迹进行采样，获取多个轨迹点；
基于所述遥感拍摄参数，确定拍摄方向向量；
将所述轨迹点映射至所述三维遥感空间，确定第一映射点；
基于所述第一映射点和所述拍摄方向向量，确定所述三维遥感空间内地块划分地图上的第二映射点；
基于所述遥感拍摄参数和预设的采样半径与遥感拍摄参数对应表，确定采样半径；
基于所述采样半径从所述遥感数据中提取采样数据并映射至以所述第二映射点为中心以所述采样半径为半径的所述地块划分地图上的区域内。
10.如权利要求7所述的应用于耕地非农化监测的遥感大数据解译系统，其特征在于，所述第一模型调取模块基于所述地块数据和所述气候数据，从预设的第一解译模型库，确定第一解译模型，执行如下操作：
基于预设的第一特征提取模板，对所述地块数据进行特征提取，获取多个第一特征值；
基于预设的第二特征提取模板，对所述气候数据进行特征提取，获取多个第二特征值；
基于多个所述第一特征值和多个所述第二特征值，构建特征集；
将特征集与所述第一解译模型库的第一调取确定子库中各个第一调取集匹配；
确定所述第一调取确定子库中与所述特征集匹配的所述第一调取集对应关联的第一模型编号集；
基于所述第一模型编号集中各个模型编号，从所述第一解译模型库中第一模型子库中调取对应的第一解译模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211450870.XA CN115797764B (zh) | 2022-11-18 | 2022-11-18 | 一种应用于耕地非农化监测的遥感大数据解译方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211450870.XA CN115797764B (zh) | 2022-11-18 | 2022-11-18 | 一种应用于耕地非农化监测的遥感大数据解译方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115797764A true CN115797764A (zh) | 2023-03-14 |
| CN115797764B CN115797764B (zh) | 2023-05-30 |
Family
ID=85439100
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211450870.XA Active CN115797764B (zh) | 2022-11-18 | 2022-11-18 | 一种应用于耕地非农化监测的遥感大数据解译方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115797764B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116399820A (zh) * | 2023-06-07 | 2023-07-07 | 中国科学院空天信息创新研究院 | 植被遥感产品真实性校验方法、装置、设备及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113705108A (zh) * | 2021-09-02 | 2021-11-26 | 南方科技大学 | 实时滑坡灾害监测预警方法及系统 |
| CN113902580A (zh) * | 2021-10-18 | 2022-01-07 | 四川农业大学 | 一种基于随机森林模型的历史耕地分布重建方法 |
| CN114429590A (zh) * | 2021-12-24 | 2022-05-03 | 山东土地集团数字科技有限公司 | 一种耕地图像提取方法及设备 |
| CN114519671A (zh) * | 2022-02-16 | 2022-05-20 | 天津中科无人机应用研究院 | 无人机遥感影像动态快速拼接方法 |
| CN114518104A (zh) * | 2022-03-14 | 2022-05-20 | 山东三津房地产评估有限公司 | 基于动态遥感监测技术的国土测绘方法、系统及存储介质 |
| WO2022198744A1 (zh) * | 2021-03-23 | 2022-09-29 | 平安科技（深圳）有限公司 | 农业险情数据评估方法、装置、计算机设备及存储介质 |
-
2022
- 2022-11-18 CN CN202211450870.XA patent/CN115797764B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022198744A1 (zh) * | 2021-03-23 | 2022-09-29 | 平安科技（深圳）有限公司 | 农业险情数据评估方法、装置、计算机设备及存储介质 |
| CN113705108A (zh) * | 2021-09-02 | 2021-11-26 | 南方科技大学 | 实时滑坡灾害监测预警方法及系统 |
| CN113902580A (zh) * | 2021-10-18 | 2022-01-07 | 四川农业大学 | 一种基于随机森林模型的历史耕地分布重建方法 |
| CN114429590A (zh) * | 2021-12-24 | 2022-05-03 | 山东土地集团数字科技有限公司 | 一种耕地图像提取方法及设备 |
| CN114519671A (zh) * | 2022-02-16 | 2022-05-20 | 天津中科无人机应用研究院 | 无人机遥感影像动态快速拼接方法 |
| CN114518104A (zh) * | 2022-03-14 | 2022-05-20 | 山东三津房地产评估有限公司 | 基于动态遥感监测技术的国土测绘方法、系统及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116399820A (zh) * | 2023-06-07 | 2023-07-07 | 中国科学院空天信息创新研究院 | 植被遥感产品真实性校验方法、装置、设备及介质 |
| CN116399820B (zh) * | 2023-06-07 | 2023-08-04 | 中国科学院空天信息创新研究院 | 植被遥感产品真实性校验方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115797764B (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11580731B2 (en) | Systems, devices, and methods for in-field diagnosis of growth stage and crop yield estimation in a plant area | |
| Shafi et al. | A multi-modal approach for crop health mapping using low altitude remote sensing, internet of things (IoT) and machine learning | |
| WO2019179270A1 (zh) | 植株种植数据测量方法、作业路线规划方法及装置、系统 | |
| GB2598012A (en) | System and method for crop monitoring | |
| CN110213376B (zh) | 一种用于虫害预防的信息处理系统及方法 | |
| 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 | |
| WO2020047579A1 (en) | Method and system for plant stress determination and irrigation based thereon | |
| CN110197308B (zh) | 一种用于农业物联网的作物监测系统及方法 | |
| EP3422280A1 (en) | A method for forecasting the parameters of a phenomenon or the activities of an object, particularly animate, in a given geographic area | |
| CN115797764A (zh) | 一种应用于耕地非农化监测的遥感大数据解译方法及系统 | |
| Zermas et al. | Extracting phenotypic characteristics of corn crops through the use of reconstructed 3D models | |
| CN112580491A (zh) | 作物生长阶段的确定方法、装置、非易失性存储装置 | |
| JP2022082636A (ja) | 情報処理装置 | |
| CN107491724B (zh) | 一种冬小麦穗分化期识别方法及装置 | |
| WO2021198731A1 (en) | An artificial-intelligence-based method of agricultural and horticultural plants' physical characteristics and health diagnosing and development assessment. | |
| CN113269050A (zh) | 基于无人机遥感影像的农田画像及药肥大数据分析方法 | |
| Sadiq et al. | A review on the imaging approaches in agriculture with crop and soil sensing methodologies | |
| Bruscolini et al. | Drone services for plant water-status mapping | |
| CN116823918B (zh) | 作物苗株数测量方法、装置、电子设备及存储介质 | |
| Izere | Plant Height Estimation Using RTK-GNSS Enabled Unmanned Aerial Vehicle (UAV) Photogrammetry | |
| US11610157B1 (en) | Machine learning methods and systems for characterizing corn growth efficiency | |
| US20220222819A1 (en) | Crop view and irrigation monitoring | |
| Yuan | Development of a UAV-Based Multi-Dimensional Mapping Framework for Precise Frost Management in Apple Orchards | |
| KR20230029351A (ko) | 농작물 재배 면적 및 생육 상태 관측을 위한 항공 영상 촬영 및 분석 방법 | |
| CN116823040A (zh) | 一种棉花产量计算方法、装置、电子设备及存储介质 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A remote sensing big data interpretation method and system applied to monitoring the non-agricultural conversion of cultivated land Granted publication date: 20230530 Pledgee: Bank of Suzhou Co.,Ltd. Yancheng branch Pledgor: JIANGSU XINGYUE SURVEYING AND MAPPING TECHNOLOGY CO.,LTD. Registration number: Y2024980016212 |