[發(fā)明專利]一種基于特征變化的煙草受災(zāi)害程度分析方法及裝置

在審

• 申請?zhí)枺?/td>: 202310241908.0
• 申請日: 2023-03-14
• 公開（公告）號: CN116403105A
• 公開（公告）日: 2023-07-07
• 發(fā)明（設(shè)計）人: 周祖煜;楊肖;張澎彬;陳浩;洪清容;韓明華;林波;陳煜人;劉昕璇;張浩
• 申請（專利權(quán)）人: 浙江領(lǐng)見數(shù)智科技有限公司;杭州領(lǐng)見數(shù)字農(nóng)業(yè)科技有限公司;廈門海晟融創(chuàng)信息技術(shù)有限公司
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V20/13;G06V10/62;G06V10/58;G06V10/774;G06V10/82;G06N3/0442;G06N3/049;G06N3/084
• 代理公司: 浙江杭知橋律師事務(wù)所 33256
• 代理人: 陳麗霞

本申請?zhí)峁┝艘环N基于特征變化的煙草受災(zāi)害程度分析方法及裝置，屬于煙草健康檢測領(lǐng)域，本方案通過時序遙感影像和煙草受澇漬災(zāi)害的時間提取特定的時序特征，而后根據(jù)災(zāi)前的時序特征預(yù)測災(zāi)害不發(fā)生假設(shè)下的煙草特征，接著在預(yù)測特征和實(shí)際特征之間的變化檢測的基礎(chǔ)上，進(jìn)一步分析澇漬災(zāi)害對煙草健康狀況的影響。本方案通過對煙草受災(zāi)時所處的生長期的特征進(jìn)行分析，針對性的選取相適應(yīng)的植被指數(shù)特征進(jìn)行提取，進(jìn)而確保用于評價煙草健康狀況的遙感特征對該時期的煙草的健康狀況具有更高的敏感性，能夠通過遙感技術(shù)手段實(shí)現(xiàn)準(zhǔn)確的受災(zāi)情況監(jiān)測。

技術(shù)領(lǐng)域

本發(fā)明屬于煙草健康檢測領(lǐng)域，尤其涉及一種基于特征變化的煙草受災(zāi)害程度分析方法及裝置。

背景技術(shù)

烤煙屬耐旱作物，成熟期淹水使烤煙主要化學(xué)成分協(xié)調(diào)性變差、致香物質(zhì)含量降低，不利于優(yōu)質(zhì)煙葉品質(zhì)的形成。

隨著全球氣候變暖，極端天氣多發(fā)、頻發(fā)，洪澇災(zāi)害對煙葉生產(chǎn)帶來的影響正日益加劇。客觀、快速地監(jiān)測烤煙的澇漬災(zāi)害發(fā)生范圍，定量評估澇漬災(zāi)對烤煙健康狀況的影響，對后期烤煙產(chǎn)量估算和及時采取有效的治理措施，以及最大限度減少煙農(nóng)損失有重要的現(xiàn)實(shí)意義。

隨著洪澇漬害監(jiān)測對高效、及時和精細(xì)化程度的需求日益提高，傳統(tǒng)的依靠人工方式的澇漬災(zāi)情調(diào)查方式逐漸被淘汰。另有一些以氣象站點(diǎn)獲取的降水量數(shù)據(jù)為基礎(chǔ)的澇漬災(zāi)害監(jiān)測手段多，通常只能對單一監(jiān)測點(diǎn)位給一個精度較高的監(jiān)測結(jié)果，難以擴(kuò)展到整個空間平面，無法實(shí)現(xiàn)區(qū)域化的精細(xì)監(jiān)測。

近年來，衛(wèi)星遙感技術(shù)的成熟，利用遙感影像分析監(jiān)測農(nóng)業(yè)災(zāi)情的研究日益增多。現(xiàn)有公開了基于高光譜遙感的胡楊林春尺蠖災(zāi)害監(jiān)測方法(專利申請?zhí)枮椋篊N201810470030.7)，包括以下步驟：第一步，通過光譜儀對樣木進(jìn)行光譜測定，獲得監(jiān)測區(qū)域內(nèi)所有植株的地面高光譜數(shù)據(jù)，第二步，分別對獲取的健康植株及受害植株的地面高光譜數(shù)據(jù)進(jìn)行處理，第三步，對胡楊光譜進(jìn)行特征分析，采用紅邊效應(yīng)監(jiān)測胡楊林春尺蠖災(zāi)害程度，第四步，構(gòu)建基于紅邊特征參數(shù)的胡楊林春尺蠖災(zāi)害衛(wèi)星遙感監(jiān)測模型，第五步，將待監(jiān)測區(qū)域的Hyperion數(shù)據(jù)帶入基于紅邊特征參數(shù)的胡楊林春尺蠖災(zāi)害衛(wèi)星遙感監(jiān)測模型。

該公開方案僅通過紅邊特征參數(shù)進(jìn)行胡楊林春尺蠖災(zāi)害程度的監(jiān)測，沒有考慮遙感影像提取的特征對不同生長期的作物的狀態(tài)的敏感性，在作物的不同生長期，敏感植被指數(shù)特征是不同的，尤其是一年一作或一年兩作的短期性作物，災(zāi)害發(fā)生時間的不同會對應(yīng)作物的不同生長期，如果只依據(jù)特定的植被指數(shù)特征進(jìn)行災(zāi)害監(jiān)測，那么會存在較大的誤差，監(jiān)測效果參差不齊；該方案中構(gòu)建模型是采用健康植株及受害植株的地面高光譜數(shù)據(jù)，雖然也對模型進(jìn)行了精度篩選，以使用精度最高的模型進(jìn)行監(jiān)測，但是還是忽略了災(zāi)害發(fā)生前到發(fā)生后這段時間內(nèi)作物自身的生長所帶來的差異，對于胡楊林這種生長期長，變化不明顯的植株來說，影響不大，但是對于煙草這種生長期短，短時間內(nèi)生長變化較快的作物來說，忽略作物自身生長所帶來的差異會導(dǎo)致監(jiān)測結(jié)果的明顯誤差。

發(fā)明內(nèi)容

本申請?zhí)峁┝艘环N基于特征變化的煙草受災(zāi)害程度分析方法及裝置，旨在解決現(xiàn)有技術(shù)對作物進(jìn)行災(zāi)害程度監(jiān)測時，未依據(jù)作物生長期的不同選擇不同的敏感植被指數(shù)特征，以及忽略作物自身的生長所帶來的差異，導(dǎo)致監(jiān)測結(jié)果存在明顯誤差，監(jiān)測效果參差不齊的問題。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案，包括：

獲取待測煙田的時序遙感數(shù)據(jù)并進(jìn)行預(yù)處理，得到時序遙感影像；

依據(jù)災(zāi)害的發(fā)生時間確定待測煙田中煙草的生長階段，并根據(jù)生長階段選擇植被指數(shù)以對時序遙感影像進(jìn)行特征提取，得到第一時序特征圖像集合；

將第一時序特征圖像集合按照時間進(jìn)行劃分，得到前N年未受災(zāi)年份的第二時序特征圖像集合、本年度災(zāi)前的第三時序特征圖像集合和本年度災(zāi)后的第一特征圖像，N為自然數(shù)；

基于第二時序特征圖像集合進(jìn)行特征變化預(yù)測模型的訓(xùn)練與測試，構(gòu)建LSTM預(yù)測模型；