[發明專利]模型訓練方法和農作物產量預估方法

有效

• 申請號: 201911352742.X
• 申請日: 2019-12-25
• 公開（公告）號: CN113033262B
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 劉一珉;卞軍偉;廖鵬程;董景文;翁倩
• 申請（專利權）人: 中移（成都）信息通信科技有限公司;中國移動通信集團有限公司
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06Q10/04;G06Q50/02;G06N3/00;G06N3/08
• 代理公司: 北京東方億思知識產權代理有限責任公司 11258
• 代理人: 趙秀芹

本發明公開了一種模型訓練方法和農作物產量預估方法。該方法包括：獲取樣本歸一化植被指數NDVI、樣本土壤水分SM和樣本中分辨率成像光譜儀MODIS遙感數據和樣本農作物產量；根據樣本NDVI、樣本SM和樣本MODIS遙感數據，確定農作物每個生長期分別對應的NDVI和SM；根據農作物每個生長期分別對應的NDVI和SM以及樣本農作物產量，訓練產量預估模型，提高了農作物估產精度。

技術領域

本發明屬于衛星遙感數據技術領域，尤其涉及一種模型訓練方法和農作物產量預估方法。

背景技術

為了能夠科學制定農產品進出口計劃、調控糧食市場以及指導種植結構調整等，需要精準、及時地開展區域糧食作物的產量監測和評估。而農作物作為主要的糧食作物，能夠精準、及時的預測農作物的產量，才能夠保證農作物的穩產和高產，保障糧食安全。

目前，對農作物進行估產主要利用歷史氣象數據和衛星遙感數據。但是歷史氣象數據具有很強的地域性，不同地區的歷史氣象數據變化比較大，因此利用歷史氣象數據和衛星遙感數據對農作物進行估產，還不能進行大范圍的農作物產量估測，導致農作物估產精度低。

發明內容

本發明實施例提供一種模型訓練方法和農作物產量預估方法，能夠解決目前農作物估產精度低的問題。

第一方面，提供了一種模型訓練方法，其特征在于，方法包括：

獲取樣本歸一化植被指數(Normalized Difference Vegetation Index，NDVI)、樣本土壤水分(Soil Moisture，SM)和樣本中分辨率成像光譜儀(Moderate-resolutionImaging Spectroradiometer，MODIS)遙感數據和樣本農作物產量；

根據樣本NDVI、樣本SM和樣本MODIS遙感數據，確定農作物每個生長期分別對應的NDVI和SM；

根據農作物每個生長期分別對應的NDVI和SM以及樣本農作物產量，訓練產量預估模型。

在一種可能的實現方式中，根據樣本NDVI、樣本SM和樣本MODIS遙感數據，確定農作物每個生長期對應的NDVI和SM，包括：

根據樣本NDVI，確定農作物在每個生長期內的NDVI時間序列數據集；

根據每個生長期的NDVI時間序列數據集、樣本SM和樣本MODIS遙感數據，確定農作物每個生長期對應的NDVI和SM。

在一種可能的實現方式中，樣本NDVI包括第一樣本NDVI和第二樣本NDVI；根據樣本NDVI，確定農作物在生長期內的NDVI時間序列數據集，包括：

將第一樣本NDVI和第二樣本NDVI進行最小二乘回歸，得到目標樣本NDVI；

對目標樣本NDVI進行濾波；

對進行濾波后的目標樣本NDVI進行線性插值，得到農作物在生長期內的NDVI時間序列數據集。

在一種可能的實現方式中，樣本MODIS遙感數據包括陸地表面溫度LST、第三樣本NDVI和地表反照率；根據NDVI時間序列數據集、樣本SM和樣本MODIS遙感數據，確定農作物每個生長期對應的NDVI和SM，包括：

建立樣本SM與LST、第三樣本NDVI、地表反照率之間的線性關系；

分別對LST、第三樣本NDVI、地表反照率進行重采樣，得到目標LST、目標第三樣本NDVI和目標地表反照率；

根據線性關系、目標LST、目標第三樣本NDVI和目標地表反照率，確定目標SM；

采用NDVI時間序列數據集反演目標SM，確定農作物每個生長期對應的NDVI和SM。