(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211414732.6 (22)申请日 2022.11.11 (71)申请人 中国农业科 学院农业资源与农业区 划研究所 地址 100089 北京市海淀区中关村南大街 12号 申请人 河北地质大 学 (72)发明人 孙营伟　冷佩　李召良　段四波　 高懋芳　刘萌　尚国琲　张霞　 郭晓楠　 (74)专利代理 机构 成都睿道专利代理事务所 (普通合伙) 51217 专利代理师 陶红 (51)Int.Cl. G06Q 10/04(2012.01)G06Q 10/06(2012.01) G06Q 50/02(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G01D 21/02(2006.01) (54)发明名称 天地一体化的作物长势智能监测方法、 装置 及电子设备 (57)摘要 本发明属于遥感技术领域， 涉及天地一体化 的作物长势智能监测方法、 装置及电子设备， 该 方法包括： 获取卫星时序遥感数据， 并构建第一 作物长势评估指数； 获取连续的近地面观测数 据， 构建第二作物长势评估指数； 基于第二作物 长势评估指数， 对第一作物长势评估指数缺失值 补充， 构建模型标签； 对第一作物长势评估指数 连续插值， 得到重构的作物长势数据； 利用标签 训练神经网络， 获取指数映射模型； 对重构 的作 物长势数据校正， 得到目标作物长势评估数据。 本发明实现了综合使用航天遥感数据与近地面 数据对作物长势进行监测的目的， 解决现有 方法 中采用航天遥感数据的精度和时间密度不足以 及近地面观测数据存在的数据范围小、 精度低、 不连续的问题。 权利要求书3页 说明书8页 附图3页 CN 115511224 A 2022.12.23 CN 115511224 A 1.天地一体化的作物长势智能监测方法， 其特 征在于， 包括： 收集遥感卫星数据， 获取目标区域内的卫星时序遥感数据； 根据所述 卫星时序遥感数据， 计算作物生长状态参数与 作物受胁迫状态参数； 利用所述作物生长状态参数与所述作物 受胁迫状态参数， 构建基于卫星时序遥感数据 的第一作 物长势评估指数； 所述第一作 物长势评估指数用于表征作 物生长状态与作 物生长 背景的关系； 采集目标作物的生长数据， 获取包含所述目标作物每天的生长指数数据的近地面观测 数据； 利用所述生长指数数据基于统计模型， 构建基于所述近地面观测数据的第 二作物长势 评估指数； 以所述近地面观测数据为基准， 对所述遥感卫星数据中相同位置、 相同时间的所述第 一作物长势评估指数的缺 失值进行补充， 得到所述第一作物长势评估指数模型与所述第二 作物长势评估指数的映射模型训练标签； 采用平均插值的方式对所述第 一作物长势评估指数进行连续插值， 得到重构的连续的 作物长势数据； 构建神经网络模型， 利用所述映射模型训练标签对所述神经网络模型进行训练， 得到 作物长势数据映射模型； 利用所述作物长势数据映射模型对重构的连续的所述作物长势数据进行校正， 得到目 标作物长势评估数据。 2.根据权利要求1所述天地一体化的作物长势智能监测方法， 其特征在于， 收集遥感卫 星数据， 获取目标区域内的卫星时序遥感数据， 包括： 收集遥感卫星数据， 对所述遥感卫星 数据进行辐 射校正和几何配准， 并将所有的数据重采样到相同的空间分辨率， 获取目标区 域内的卫星时序遥感数据。 3.根据权利要求1所述天地一体化的作物长势智能监测方法， 其特征在于， 利用所述作 物生长状态参数与所述作 物受胁迫状态参数， 采用线性回归的方式构建基于卫星时序遥感 数据的所述第一作物长势评估指数。 4.根据权利要求1所述天地一体化的作物长势智能监测方法， 其特征在于， 所述作物生 长状态参数包括归一化植被指数、 增强型植被指数与绿度指数； 所述作物受胁迫状态参数 包括红边指数与土壤植被指数。 5.根据权利要求1所述天地一体化的作物长势智能监测方法， 其特征在于， 采集目标作 物的生长数据， 获取包 含所述目标作物每天的生长指数 数据的近地 面观测数据， 包括： 利用搭设在 农田中的传感器对目标作物的所述 生长数据进行实时观测； 对观测的所述 生长数据进行统计得到所述 生长指数 数据； 所述生长数据包括作物的株 高、 茎粗、 叶片密度与病虫密度； 所述生长指数数据包括目 标作物每天的平均株高指数与平均叶片密度指数。 6.根据权利要求1所述天地一体化的作物长势智能监测方法， 其特征在于， 以所述近地 面观测数据为基准， 对所述遥感卫星数据中相同位置、 相同时间的所述第一作物长势评估 指数的缺 失值进行补充， 得到所述第一作物长势评估指数模型与所述第二作 物长势评估指 数的映射模型训练标签， 包括：权　利　要　求　书 1/3 页 2 CN 115511224 A 2定义所述遥感卫星数据中与地面观测地理位置一致的点为参考点， 获取若干所述参考 点前后的卫星 数据序列点位数值， 定义所述参考点的卫星 数据序列点位以及所述参考点前 后的点的卫星数据 序列点位对应的地 面观测序列值； 利用求导的方式， 分别获取用于表征相邻的所述卫星数据序列点位数值变化的导数， 确定所述参考点的卫星数据序列点位数值与所述参考点前后的点的卫星数据序列点位数 值之间的关系， 构建拟合方程： 若所述拟合方程中所有所述导数的符号一致， 或者所述拟合方程中所述导数的符号存 在差异且所述导数的符号存在差异的位置位于除所述参考点以外的点， 则直接对所述拟合 方程进行二次函数拟合； 若所述拟合方程中所述导数的符号存在差异的位置位于所述参考点， 则利用两组由除 该所述参考点以外的点的所述卫星数据序列点位数值与该所述卫星数据序列点位数值对 应的所述地面观测数值组成的数据组分段拟合二次函数， 分别利用两组所述数据组计算两 组所述参考点的卫星 数据数值， 取两组所述参考点的卫星 数据数值的平均值得到所述参考 点的目标卫星数据序列点位数值， 将所述 目标卫星数据序列点位数值、 所述 目标卫星数据 序列点位数值对应的地面观测数值、 所述参考点的卫星数据序列点位数值以及所述参考点 对应的所述 地面观测数值组合得到所述训练标签。 7.天地一体化的作物长势智能监测装置， 其特征在于， 包括第 一获取单元、 第 一处理单 元、 第一构建单元、 第二获取单元、 第二构建单元、 第二处理单元、 重构单元、 网络模型单元 与校正单 元； 所述第一获取 单元， 用于收集遥感卫星数据， 获取目标区域内的卫星时序遥感数据； 所述第一处理单元， 用于根据所述卫星时序遥感数据， 计算作物生长状态参数与作物 受胁迫状态参数； 所述第一构建单元， 用于利用所述作物生长状态参数与所述作物受胁迫状态参数， 构 建基于卫星时序遥感数据的第一作 物长势评估指数； 所述第一作 物长势评估指数用于表征 作物生长状态与 作物生长背景的关系； 所述第二获取单元， 用于采集目标作物的生长数据， 获取包含所述目标作物每天的生 长指数数据的近地 面观测数据； 所述第二构建单元， 用于利用所述生长指数数据基于统计模型， 构建基于所述近地面 观测数据的第二作物长势评估指数； 所述第二处理单元， 用于以所述近地面观测数据为基准， 对所述遥感卫星数据中相同 位置、 相同时间的所述第一作物长势评估指数 的缺失值进行补充， 得到所述第一作物长势 评估指数模型与所述第二作物长势评估指数的映射模型训练标签； 所述重构单元， 用于采用平均插值的方式对所述第一作物长势评估指数进行连续插 值， 得到重构的连续的作物长势数据； 所述网络模型单元， 用于构建神经网络模型， 利用所述映射模型训练标签对所述神经 网络模型进行训练， 得到作物长势数据映射模型； 所述校正单元， 用于利用所述作物长势数据映射模型对重构的连续的所述作物长势数 据进行校正， 得到目标作物长势评估数据。 8.一种电子设备， 其特 征在于， 包括：权　利　要　求　书 2/3 页 3 CN 115511224 A 3