[发明专利]一种农作物高精度制图方法及系统

说明书

本发明提供一种农作物高精度制图方法及系统，该方法包括：根据预设年份内目标区域的陆地卫星表面反射率影像，获取所述目标区域对应的月均值时序合成影像集合；将所述月均值时序合成影像集合输入到训练好的分类模型中，得到所述目标区域在所述预设年份内的农作物空间分布制图结果，其中，所述训练好的分类模型是由具有月均值时序合成影像像素特征的农作物采样点，对随机森林分类器进行训练得到的。本发明通过获取农作物区域的陆地卫星表面反射率影像，基于由随机森林分类器训练得到的分类模型，对陆地卫星表面反射率影像进行分类，得到农作物区域更为精准的空间分布图，更加准确的对农作物分布区域进行监测和评估。

技术领域

本发明涉及农业遥感技术领域，尤其涉及一种农作物高精度制图方法及系统。

背景技术

快速增长的人口和复杂的气候变化，为全球粮食安全带来了巨大压力。农作物空间分布监测，是调控农业生产、调整种植结构的重要基础之一，及时、准确地绘制高精度农作物分布图，对粮食安全和环境可持续发展至关重要。

随着卫星遥感和地面监测等技术的日渐成熟，农作物监测也越来越精准，基于遥感技术，在开展农作物制图及评价上正在发挥积极的作用。然而，由于高质量农作物样本不易收集，且大范围农作物分布区域制图也被明显的时空异质性干扰，严重限制了农作物空间分布制图精度。

因此，现在亟需一种农作物高精度制图方法及系统来解决上述问题。

发明内容

针对现有技术存在的问题，本发明提供一种农作物高精度制图方法及系统。

本发明提供一种农作物高精度制图方法，包括：

根据预设年份内目标区域的陆地卫星表面反射率影像，获取所述目标区域对应的月均值时序合成影像集合；

将所述月均值时序合成影像集合输入到训练好的分类模型中，得到所述目标区域在所述预设年份内的农作物空间分布制图结果，其中，所述训练好的分类模型是由具有农作物月均值时序合成影像像素特征的农作物采样点，对随机森林分类器进行训练得到的。

根据本发明提供的一种农作物高精度制图方法，所述训练好的分类模型通过以下步骤得到：

对目标农作物在生长周期内的样本陆地卫星表面反射率影像进行均值处理，得到样本月均值时序合成影像集合，并获取所述样本陆地卫星表面反射率影像对应区域的历史农作物分布区遥感影像数据；

对所述历史农作物分布区遥感影像数据进行形态学图像处理，获取农作物种植区域影像，并确定所述农作物种植区域影像中所有的农作物采样点；

基于所述农作物种植区影像中农作物的类型，对所述农作物采样点标记对应的农作物采样点类型标签，得到标签标记后的农作物采样点；

根据所述样本月均值时序合成影像集合中图像的像素值，为所述标签标记后的农作物采样点匹配对应的农作物月均值时序合成影像像素特征，构建得到训练样本集；

将所述训练样本集输入到随机森林分类器进行训练，得到训练好的分类模型。

根据本发明提供的一种农作物高精度制图方法，所述对所述历史农作物分布区遥感影像数据进行形态学图像处理，获取农作物种植区域影像，并确定所述农作物种植区域影像中所有的农作物采样点，包括：

根据不同年度的历史农作物分布区遥感影像数据之间的交集区域影像，确定初始农作物种植区域样本图像；

对所述初始农作物种植区样本图像进行图像腐蚀处理，得到农作物种植区域影像；

对所述农作物种植区域影像的质心进行提取，确定所述农作物种植区域影像中的第一初始农作物样本采样点；