[发明专利]基于生长前后期氮素输出累积指数的土豆制图方法

说明书

本发明涉及一种基于生长前后期氮素输出累积指数的土豆制图方法，该方法首先建立植被指数、氮素指数时序数据集，对氮素指数时序数据进行时序差分，获得氮素指数差分时序数据集，进而对其实施取绝对值操作，获得氮素指数变化量时序数据集，同时基于植被指数时序曲线获得农作物物候期。在农作物生长前期，分别计算氮素输出量和氮素变化量，两者相除获得农作物生长前期氮素输出率；在农作物生长后期，分别计算氮素累积量和氮素变化量，两者相除获得农作物生长后期氮素累积率；在此基础上，构建生长前后期氮素输出累积指数，建立土豆制图方法。该方法简便易行，精度合理，适用于大尺度土豆自动制图。

技术领域

本发明属于农作物生长监测技术领域，具体涉及一种基于生长前后期氮素输出累积指数的土豆制图方法。

背景技术

高时效精准获取农作物时空分布信息，对于确保农业可持续发展意义重大。传统农情调查收集数据成本非常昂贵，而且耗时长、覆盖范围极为有限。随着时序遥感数据源的不断丰富，时空分辨率和光谱分辨率均持续提高，并且向公众免费开放，为农情遥感监测带来了难得的机遇。但是，基于时序遥感数据开展农作物遥感制图面临两方面的挑战：一方面，农作物光谱通常具有一定的相似性；另一方面，同一种农作物由于种植熟制、不同区域与年份气候差异以及耕作管理条件等多方面因素，导致同一种农作物光谱存在很强的类内异质性，甚至远远超过了不同农作物之间的光谱差异。因此，如何有效地提取不同农作物独特的时序变化特征，巧妙地对应农作物光谱类内异质性问题，成为基于时序遥感数据开展农作物制图的关键技术瓶颈。

土豆作为全球第四大粮食作物，对环境适应能力强。土豆在我国分布范围很广，即使在高寒地带、土壤气候条件差的区域，土豆也能正常生长，因此土豆对于确保我国粮食稳产增收具有不可忽略的重要意义。虽然土豆在农业生产中具有举足轻重的地位，但目前依然缺乏有效的土豆时序遥感制图方法。基于时序遥感数据，特别是利用农作物物候特征开展农作物遥感制图技术方法研究方兴未艾，但相关研究技术仍集中在水稻、玉米和小麦等三种主要农作物方面。如：利用水稻需要漫灌移栽的特点，设计水体植被比值指数用于水稻分布信息提取；利用冬小麦冬天播种、生长期较长并且收割成熟期通常处于其他农作物生长盛期的特点，设计生长期植被指数增量指标，用于冬小麦制图。相比而言，土豆的农作物物候期与其他农作物接近，而且很难找到类似于水稻需要漫灌等独特耕作管理措施，因此很难依据植被指数时序特征设计有效的土豆制图方法。

Sentinel时序遥感数据，时空分辨率和光谱分辨率均较为理想。哨兵2号(Sentinel-2)作为新型光学遥感卫星，具有宽幅和高时空分辨率以及免费共享等多重优势。其所特有的红光边缘波段，为监测植被生长与健康状态非常有效。哨兵数据特有的三个红光边沿波段，给农作物遥感制图带来很好的机遇。但哨兵数据作为一种较为新型的遥感时序数据，基于哨兵时序数据的农作物制图技术方法相对匮乏。

发明内容

本发明的目的在于提供一种基于生长前后期氮素输出累积指数的土豆制图方法，该方法简便易行，精度合理，适用于大尺度土豆自动制图。

为实现上述目的，本发明采用的技术方案是：一种基于生长前后期氮素输出累积指数的土豆制图方法，包括如下步骤：

步骤S01：建立研究区植被指数时序数据集和氮素指数时序数据集；

步骤S02：建立氮素指数差分时序数据集；

步骤S03：建立氮素指数变化量时序数据集；

步骤S04：逐像元动态获取农作物物候期；

步骤S05：获取农作物生长前期氮素输出率指标；

步骤S06：获取农作物生长后期氮素累积率指标；

步骤S07：建立生长前后期氮素输出累积指数；

步骤S08：构建土豆制图技术流程方法；

步骤S09：获得研究区土豆空间分布图。