[发明专利]基于SAR的玉米留茬方式识别方法、装置和介质

说明书

本发明提供一种基于SAR的玉米留茬方式识别方法、装置和介质，该方法包括：获取作业区Sentinel‑1SAR数据，计算作业区的总体后向散射系数；基于稀疏留茬地表结构数学表达，构建适用于留茬散射特性分析的单体散射模型，分析留茬后向散射特性；构建留茬区总散射模型，并生成留茬后向散射系数分离算法，从所述总体后向散射系数去除土壤散射贡献，分离留茬后向散射系数；针对所述留茬方式及其散射特性，构建新型雷达指数，结合留茬层后向散射系数、SAR纹理等特征构建留茬识别特征，并优选特征形成识别特征集；基于深度学习框架设计1D CNN神经网络结构，实现作业区玉米留茬方式的识别。本发明将为大范围留茬识别信息的提取提供高精度低样本的技术。

技术领域

本发明涉及农业信息化技术领域，尤其涉及一种基于SAR的玉米留茬方式识别方法、装置和介质。

背景技术

留茬免耕作为保护性耕作技术的关键技术之一，能够有效减少水土流失，降低土壤表面风蚀和水蚀的影响，有助于改善土壤质量，增加土壤有机质含量。不同留茬方式对土地保护的效果有一定差异，其所适用的区域也不尽相同。因此，快速、准确地获取留茬方式的分布状况为及时准确了解保护性耕作实施情况及评估提供数据基础。由于遥感技术能为农业监测快速有效地提供大面积信息，因此，近年来国内外学者也积极应用遥感技术进行留茬的监测。

研究者首先利用光学遥感数据，所用数据源涵盖了光学遥感卫星数据、地面高光谱数据和先进星载热发射和反射辐射仪(ASTER)等。在光学遥感中，作物留茬的光谱特性易受作物类型、品种、水分含量和纤维素含量等多种因素的影响。因此，国内外学者在研究留茬光谱特性的同时，还尝试构建各种留茬监测指数进行作物留茬监测。然而，光学遥感指数容易收到土壤水分、地物阴影等因素的影响，且光学遥感数据在云、雨、雪、雾等天气下存在数据获取困难、数据质量不佳、高覆盖区域信号饱和等问题，限制了其在留茬监测应用中的发展。

合成孔径雷达(Synthetic Aperture Radar，SAR)遥感技术是一种主动发射信号的遥感技术，不受云、雨、雾等天气影响，能够为留茬信息提取提供全天候、全天时遥感信息。此外，SAR对农作物的几何结构和介电性能敏感，为留茬方式的识别提供了新的契机。目前，已有研究利用留茬的光谱特征或后向散射系数或二者特征简单的叠加融合与留茬类型的相关关系进行作物留茬的监测。但这些方法容易受到土壤湿度、土壤粗糙度等土壤因素的影响，其监测结果存在一定的误差。因此，如何去除不同土壤特性对留茬监测的影响、并借助光学遥感数据从散射模型机理出发分离出玉米留茬对SAR后向散射系数的贡献进而实现特定留茬方式识别是一个亟待解决的问题。

发明内容

为解决现有的技术存在如下问题：光学遥感留茬数据获取存在障碍，SAR遥感数据精度不够，且简单利用留茬的光谱特征或后向散射系数或二者特征简单的叠加融合与留茬类型的相关关系进行识别容易受到土壤因素的影响，其监测结果存在一定的误差。

本发明提供一种基于SAR的玉米留茬方式识别方法、装置和存储介质，用以解决现有技术中的部分问题。

具体地，本发明实施例提供了以下技术方案：

第一方面，本发明实施例提供一种基于SAR的玉米留茬方式识别方法，包括：

根据星载SAR遥感数据，获取作业区的总体后向散射系数；

基于稀疏留茬地表结构数学表达，构建适用于留茬散射特性分析的单体散射模型，以分析留茬后向散射特性；

构建留茬覆盖区总后向散射模型，从所述作业区的总体后向散射系数去除土壤散射贡献，分离出留茬后向散射系数；

根据总后向散射量与留茬方式之间的关系，构建新型雷达指数，结合留茬层散射贡献和SAR纹理，组成留茬方式的识别特征集，并对识别特征集进行特征优选；

基于深度学习框架设计1D CNN神经网络结构，使用经训练的1D CNN神经网络模型对留茬方式进行识别，从而得到整个作业区留茬方式的分布信息。