[发明专利]模型训练方法和农作物产量预估方法

说明书

本发明公开了一种模型训练方法和农作物产量预估方法。该方法包括：获取样本归一化植被指数NDVI、样本土壤水分SM和样本中分辨率成像光谱仪MODIS遥感数据和样本农作物产量；根据样本NDVI、样本SM和样本MODIS遥感数据，确定农作物每个生长期分别对应的NDVI和SM；根据农作物每个生长期分别对应的NDVI和SM以及样本农作物产量，训练产量预估模型，提高了农作物估产精度。

技术领域

本发明属于卫星遥感数据技术领域，尤其涉及一种模型训练方法和农作物产量预估方法。

背景技术

为了能够科学制定农产品进出口计划、调控粮食市场以及指导种植结构调整等，需要精准、及时地开展区域粮食作物的产量监测和评估。而农作物作为主要的粮食作物，能够精准、及时的预测农作物的产量，才能够保证农作物的稳产和高产，保障粮食安全。

目前，对农作物进行估产主要利用历史气象数据和卫星遥感数据。但是历史气象数据具有很强的地域性，不同地区的历史气象数据变化比较大，因此利用历史气象数据和卫星遥感数据对农作物进行估产，还不能进行大范围的农作物产量估测，导致农作物估产精度低。

发明内容

本发明实施例提供一种模型训练方法和农作物产量预估方法，能够解决目前农作物估产精度低的问题。

第一方面，提供了一种模型训练方法，其特征在于，方法包括：

获取样本归一化植被指数(Normalized Difference Vegetation Index，NDVI)、样本土壤水分(Soil Moisture，SM)和样本中分辨率成像光谱仪(Moderate-resolutionImaging Spectroradiometer，MODIS)遥感数据和样本农作物产量；

根据样本NDVI、样本SM和样本MODIS遥感数据，确定农作物每个生长期分别对应的NDVI和SM；

根据农作物每个生长期分别对应的NDVI和SM以及样本农作物产量，训练产量预估模型。

在一种可能的实现方式中，根据样本NDVI、样本SM和样本MODIS遥感数据，确定农作物每个生长期对应的NDVI和SM，包括：

根据样本NDVI，确定农作物在每个生长期内的NDVI时间序列数据集；

根据每个生长期的NDVI时间序列数据集、样本SM和样本MODIS遥感数据，确定农作物每个生长期对应的NDVI和SM。

在一种可能的实现方式中，样本NDVI包括第一样本NDVI和第二样本NDVI；根据样本NDVI，确定农作物在生长期内的NDVI时间序列数据集，包括：

将第一样本NDVI和第二样本NDVI进行最小二乘回归，得到目标样本NDVI；

对目标样本NDVI进行滤波；

对进行滤波后的目标样本NDVI进行线性插值，得到农作物在生长期内的NDVI时间序列数据集。

在一种可能的实现方式中，样本MODIS遥感数据包括陆地表面温度LST、第三样本NDVI和地表反照率；根据NDVI时间序列数据集、样本SM和样本MODIS遥感数据，确定农作物每个生长期对应的NDVI和SM，包括：

建立样本SM与LST、第三样本NDVI、地表反照率之间的线性关系；

分别对LST、第三样本NDVI、地表反照率进行重采样，得到目标LST、目标第三样本NDVI和目标地表反照率；

根据线性关系、目标LST、目标第三样本NDVI和目标地表反照率，确定目标SM；

采用NDVI时间序列数据集反演目标SM，确定农作物每个生长期对应的NDVI和SM。