1.本发明涉及农业遥感技术领域，尤其涉及一种集成先验知识的农田玉米秸秆信息提取方法及系统。
背景技术：2.农田玉米秸秆在每年秋季随着玉米成熟而收获，在大型农业机械化作业过程中，将玉米与秸秆同时进行回收利用，但因冬季不种小麦空闲，或有部分散户种植区域在玉米收获后，秸秆并未及时处理和采收，而存在秸秆在秋天或冬天焚烧的隐患，是农业和环保部门监管的高风险区域。每年的秋冬季是秸秆焚烧防控的重点时期，农田秸秆分布调查是秸秆焚烧防控工作的基础信息。
3.目前，玉米秸秆防控监管方法主要是采用大量人员实地调查，统计调查信息并上报的形式，不仅需要大量人力参与，而且效率较低。而随着遥感等辅助技术的引入，已有采用遥感技术运用于农田玉米秸秆的信息提取，但仅限于在秋冬季直接进行提取，而未考虑秸秆出自夏季生长旺季的玉米农田之中。充分考虑在秋冬季的影像中，因玉米秸秆呈黄色、黄褐色等，枯草、树木落叶等同秸秆存在异物同谱，会给玉米秸秆的遥感提取带来一定的误差。
4.为改进上述遥感技术在农田玉米秸秆提取中的应用，提高精度和效率，需要提出一种新的农田玉米秸秆信息提取方法。
技术实现要素：5.本发明提供一种集成先验知识的农田玉米秸秆信息提取方法及系统，用以解决现有技术中针对农田玉米秸秆信息提取中精度和效率均不高的缺陷。
6.第一方面，本发明提供一种集成先验知识的农田玉米秸秆信息提取方法，包括：
7.获取目标区域的多时相玉米秸秆遥感影像；
8.对所述多时相玉米秸秆遥感影像进行去噪和特征提取，得到多个遥感植被指数；
9.分别确定所述多个遥感植被指数中的第一时间段遥感植被指数和第二时间段遥感秸秆指数；
10.根据所述第一时间段遥感植被指数作为先验知识，结合所述第二时间段遥感秸秆指数，通过分类算法得到目标时间段玉米秸秆分布范围信息。
11.根据本发明提供的一种集成先验知识的农田玉米秸秆信息提取方法，所述根据所述第一时间段遥感植被指数作为先验知识，结合所述第二时间段遥感秸秆指数，通过分类算法得到目标时间段玉米秸秆分布范围信息之后，包括：
12.将所述目标时间段玉米秸秆分布范围信息进行转换，得到玉米秸秆分布图。
13.根据本发明提供的一种集成先验知识的农田玉米秸秆信息提取方法，所述获取目标区域的多时相玉米秸秆遥感影像，包括：
14.获取所述目标区域的哨兵二号遥感影像集合；
15.通过谷歌地图引擎gee，确定所述哨兵二号遥感影像集合中处于第一时间段和第二时间段的玉米秸秆数据，构成所述多时相玉米秸秆遥感影像。
16.根据本发明提供的一种集成先验知识的农田玉米秸秆信息提取方法，对所述多时相玉米秸秆遥感影像进行去噪和特征提取，得到多个遥感植被指数，包括：
17.对所述多时相玉米秸秆遥感影像进行拼接和去除云层处理，得到目标区域无云影像数据；
18.提取所述目标区域无云影像数据的玉米物候特征和周年地物光谱特征，得到最佳分类时间节点和所述多个遥感植被指数。
19.根据本发明提供的一种基于先验知识的农田玉米秸秆信息提取方法，所述对所述多时相玉米秸秆遥感影像进行拼接和去除云层处理，得到目标区域无云影像数据，包括：
20.获取目标区域矢量数据，利用gee区域筛选功能筛选出与所述目标区域矢量数据重叠的哨兵二号影像数据；
21.通过时间筛选功能提取所述哨兵二号影像数据中预设时间段内的影像集合；
22.利用哨兵二号预设波段数据作为云掩模数据，对所述影像集合进行云量筛选，得到筛选后的影像集合；
23.拼接所述筛选后的影像集合，并按照矢量文件裁剪所述筛选后的影像集合，得到所述目标区域无云影像数据。
24.根据本发明提供的一种集成先验知识的农田玉米秸秆信息提取方法，所述提取所述目标区域无云影像数据的玉米物候特征和周年地物光谱特征，得到最佳分类时间节点和所述多个遥感植被指数，包括：
25.获取农作物生长发育数据集；
26.基于所述农作物生长发育数据集，得到目标区域农作物全年物候信息图；
27.基于所述目标区域农作物全年物候信息图，提取所述玉米物候特征；
28.对所述玉米物候特征进行周年地物光谱特征分析，获得所述最佳分类时间节点和所述多个遥感植被指数。
29.根据本发明提供的一种集成先验知识的农田玉米秸秆信息提取方法，所述分别确定所述多个玉米秸秆植被指数中的第一时间段遥感植被指数和第二时间段遥感秸秆指数，包括：
30.基于所述目标区域无云影像数据中的哨兵二号第四波段反射率值和哨兵二号第八波段反射率值，得到第一时间段归一化植被指数；
31.基于增益因子、第一气溶胶阻抗系数、第二气溶胶阻抗系数和冠层背景调整因子，以及哨兵二号第二波段反射率值、所述哨兵二号第四波段反射率值和所述哨兵二号第八波段反射率值，得到第一时间段增强植被指数；
32.基于所述哨兵二号第四波段反射率值和所述哨兵二号第八波段反射率值，得到第二时间段归一化短波红外秸秆指数；
33.基于所述目标区域无云影像数据中的哨兵二号第九波段反射率值和哨兵二号第十二波段反射率值，得到第二时间段叠加红外秸秆指数；
34.基于所述哨兵二号第四波段反射率值、哨兵二号第五波段反射率值和所述哨兵二号第十二波段反射率值，以及第四波段调节系数、第五波段调节系数和第十二波段调节系
数，得到第二时间段叠积近红秸秆指数。
35.根据本发明提供的一种集成先验知识的农田玉米秸秆信息提取方法，所述根据所述第一时间段遥感植被指数作为先验知识，结合所述第二时间段遥感秸秆指数，通过分类算法得到目标时间段玉米秸秆分布范围信息，包括：
36.将所述第一时间段遥感植被指数和所述第二时间段遥感秸秆指数进行特征融合，得到特征融合数据；
37.将所述特征融合数据输入训练好的最大似然分类模型进行分类，得到所述目标时间段玉米秸秆分布范围信息。
38.根据本发明提供的一种农田玉米秸秆信息提取方法，所述将所述目标时间段玉米秸秆分布范围信息进行转换，得到玉米秸秆分布图，包括：
39.将所述目标时间段玉米秸秆分布范围信息转换为矢量文件；
40.将所述矢量文件与哨兵二号遥感影像集合进行叠加，获得所述玉米秸秆分布图。
41.第二方面，本发明还提供一种集成先验知识的农田玉米秸秆信息提取系统，包括：
42.获取模块，用于获取目标区域的多时相玉米秸秆遥感影像；
43.提取模块，用于对所述多时相玉米秸秆遥感影像进行去噪和特征提取，得到多个遥感植被指数；
44.确定模块，用于分别确定所述多个遥感植被指数中的第一时间段植被指数和第二时间段遥感秸秆指数；
45.计算模块，用于根据所述第一时间段遥感植被指数和所述第二时间段遥感秸秆指数，得到目标时间段玉米秸秆分布范围信息。
46.第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述集成先验知识的农田玉米秸秆信息提取方法。
47.第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述集成先验知识的农田玉米秸秆信息提取方法。
48.第五方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述集成先验知识的农田玉米秸秆信息提取方法。
49.本发明提供的集成先验知识的农田玉米秸秆信息提取方法及系统，通过遥感大数据平台，综合多时序和多种玉米秸秆植被指数进行秋冬季农田玉米秸秆提取，结合夏季玉米生成季遥感信息作为先验知识，提升了玉米秸秆卫星遥感提取精度和提取效率。
附图说明
50.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
51.图1是本发明提供的集成先验知识的农田玉米秸秆信息提取方法的流程示意图之一；
52.图2是本发明提供的集成先验知识的农田玉米秸秆信息提取方法的流程示意图之二；
53.图3是本发明提供的集成先验知识的农田玉米秸秆信息提取系统的结构示意图；
54.图4是本发明提供的电子设备的结构示意图。
具体实施方式
55.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
56.针对现有的玉米秸秆信息提取技术中的不足，本发明提出一种新的农田玉米秸秆信息提取方法，结合玉米秸秆生长的先验知识和多时相遥感数据，有效提高农田玉米秸秆的提取精度和提取效率。
57.图1是本发明提供的集成先验知识的农田玉米秸秆信息提取方法的流程示意图之一，如图1所示，包括：
58.步骤100：获取目标区域的多时相玉米秸秆遥感影像；
59.步骤200：对所述多时相玉米秸秆遥感影像进行去噪和特征提取，得到多个遥感植被指数；
60.步骤300：分别确定所述多个遥感植被指数中的第一时间段遥感植被指数和第二时间段遥感秸秆指数；
61.步骤400：根据所述第一时间段遥感植被指数作为先验知识，结合所述第二时间段遥感秸秆指数，通过分类算法得到目标时间段玉米秸秆分布范围信息。
62.首先采用谷歌地图引擎(google earth engine，gee)的遥感大数据平台，在选定的目标区域内获取玉米生长季典型时间段(通常为7、8月)以及玉米成熟时间段(通常为11月)的哨兵二号遥感影像数据，并进行一系列的预处理；依据gee平台中哨兵二号数据中的特定波段，如qa60波段对哨兵二号遥感影像数据进行去云操作，剔除云量较大的影像；然后采用玉米生长季典型时间段中的指定植被指数作为先验知识，针对目标区域农田区域中的直立秸秆和平铺秸秆的光谱特征进一步计算玉米成熟时间段中的秸秆指数，采用随机森林算法提取玉米秸秆分布范围信息。
63.需要说明的是，gee具有全球尺度的卫星数据库，提供可以进行在线可视化计算和分析处理的云平台，该平台能够存取卫星图像和其他地球观测数据数据库中的资料，并提供足够的运算能力对这些数据进行处理，相比于完整的遥感图像处理平台(the environment for visualizing images，envi)等传统的处理影像工具，gee可以快速、批量处理数量巨大的影像。
64.哨兵二号(sentinel-2a)卫星是“全球环境与安全监测”计划的第二颗卫星，哨兵二号卫星携带一枚多光谱成像仪，可覆盖13个光谱波段，幅宽达290千米，具有10米空间分辨率，重访周期10天。从可见光和近红外到短波红外，具有不同的空间分辨率，在光学数据中，哨兵二号数据是唯一一个在红边范围含有三个波段的数据，通常用来监测植被健康信息。
65.本发明通过遥感大数据平台，综合多时序和多种玉米秸秆植被指数进行秋冬季农田玉米秸秆提取，结合夏季玉米生成季遥感信息作为先验知识，提升了玉米秸秆卫星遥感提取精度和提取效率。
66.基于上述实施例，所述获取目标区域的多时相玉米秸秆遥感影像，包括：
67.获取所述目标区域的哨兵二号遥感影像集合；
68.通过谷歌地图引擎gee，确定所述哨兵二号遥感影像集合中处于第一时间段和第二时间段的玉米秸秆数据，构成所述多时相玉米秸秆遥感影像。
69.本发明首先通过gee平台获取多时相玉米秸秆遥感影像，分别提取目标区域中夏季玉米生长季7、8月和玉米成熟后的冬季11月的哨兵二号l2a级遥感影像，由于gee平台包含了自2019年以来的所有哨兵二号影像，该数据是经正射校正和亚像元级几何精校正处理，包含经过大气校正的大气底层反射率数据，因此无需进行额外的预处理工作。
70.具体地，通过gee平台获取的哨兵二号数据主要包含16个波段，具体包括：b1(443.9nm)、b2(496.6nm)、b3(560.0nm)、b4(664.5nm)、b5(703.9nm)、b6(740.2nm)、b7(782.5nm)、b8(835.1nm)、b8b(864.8nm)、b9(945.0nm)、b10(1373.5nm)、b11(1613.7nm)、b12(2202.4nm)、qa10、qa20和qa60，其中b1-b12为哨兵二号原始数据，本发明采用qa60作为后续处理的云掩模数据。
71.本发明采用具有处理植被指数信息的哨兵二号数据，具有信息全面，无需进一步处理的优点。
72.基于上述任一实施例，对所述多时相玉米秸秆遥感影像进行去噪和特征提取，得到多个遥感植被指数，包括：
73.对所述多时相玉米秸秆遥感影像进行拼接和去除云层处理，得到目标区域无云影像数据；
74.提取所述目标区域无云影像数据的玉米物候特征和周年地物光谱特征，得到最佳分类时间节点和所述多个遥感植被指数。
75.其中，所述对所述多时相玉米秸秆遥感影像进行拼接和去除云层处理，得到目标区域无云影像数据，包括：
76.获取目标区域矢量数据，利用gee区域筛选功能筛选出与所述目标区域矢量数据重叠的哨兵二号影像数据；
77.通过时间筛选功能提取所述哨兵二号影像数据中预设时间段内的影像集合；
78.利用哨兵二号预设波段数据作为云掩模数据，对所述影像集合进行云量筛选，得到筛选后的影像集合；
79.拼接所述筛选后的影像集合，并按照矢量文件裁剪所述筛选后的影像集合，得到所述目标区域无云影像数据。
80.其中，所述提取所述目标区域无云影像数据的玉米物候特征和周年地物光谱特征，得到最佳分类时间节点和所述多个遥感植被指数，包括：
81.获取农作物生长发育数据集；
82.基于所述农作物生长发育数据集，得到目标区域农作物全年物候信息图；
83.基于所述目标区域农作物全年物候信息图，提取所述玉米物候特征；
84.对所述玉米物候特征进行周年地物光谱特征分析，获得所述最佳分类时间节点和
所述多个遥感植被指数。
85.具体地，本发明采用gee大数据平台进行卫星遥感影像拼接和去云操作。
86.鉴于卫星影像受云层影响非常严重，云层产生的遮挡，导致影像波段信息获取不去，特别是夏季，雨水较多且云层较厚，导致高质量影像获取较为困难，通过gee平台可以有效降低云层遮挡对影像的影响。本发明借助gee专用的矢量数据上传、影像筛选、时间筛选和裁剪功能，首先上传目标区域的矢量数据，利用gee区域筛选功能筛选出与矢量数据有重叠的哨兵二号影像数据，再通过时间筛选功能设定获取特定时间段内的影像集，然后根据哨兵二号中的qa60波段的值，进行云量筛选，影像中的少量云层编写去云函数，将云层进行掩模，最大限度保留完整影像，最后将处理好的影像进行拼接，以及按照矢量文件进行裁剪，得到目标区域的无云影像数据，用于后续的特征提取处理。
87.进一步地，通过气象数据网和地方统计机构年鉴提供的农作物生长发育数据集，利用光谱分析和实地考察询问的方式，总结得到目标区范围主要农作物全年物候信息图。
88.由于秋冬季田间玉米秸秆必然属于夏季玉米农田种植范围内，故把夏季玉米遥感信息作为先验知识，并将玉米生长季处于峰值或较大值的归一化植被指数(normalized difference vegetation index，ndvi)和增强植被指数-2(2band enhanced vegetation index，evi2)作为特征，用于秋冬季田间玉米秸秆提取。通过周年地物光谱特征分析可以发现，11月份农田秸秆光谱与冬小麦区域有明显的光谱差异，可以作为区分秋冬季田间玉米秸秆的最佳时间。
89.本发明采用gee平台进行数据的去云操作，减少了数据中的干扰因素，并采用玉米物候特征和周年地物光谱特征分析，较准确地得到玉米秸秆分布的先验知识和区分秋冬季玉米秸秆的最佳时间。
90.基于上述任一实施例，所述分别确定所述多个玉米秸秆植被指数中的第一时间段遥感植被指数和第二时间段遥感秸秆指数，包括：
91.基于所述目标区域无云影像数据中的哨兵二号第四波段反射率值和哨兵二号第八波段反射率值，得到第一时间段归一化植被指数；
92.基于增益因子、第一气溶胶阻抗系数、第二气溶胶阻抗系数和冠层背景调整因子，以及哨兵二号第二波段反射率值、所述哨兵二号第四波段反射率值和所述哨兵二号第八波段反射率值，得到第一时间段增强植被指数；
93.基于所述哨兵二号第四波段反射率值和所述哨兵二号第八波段反射率值，得到第二时间段归一化短波红外秸秆指数；
94.基于所述目标区域无云影像数据中的哨兵二号第九波段反射率值和哨兵二号第十二波段反射率值，得到第二时间段叠加红外秸秆指数；
95.基于所述哨兵二号第四波段反射率值、哨兵二号第五波段反射率值和所述哨兵二号第十二波段反射率值，以及第四波段调节系数、第五波段调节系数和第十二波段调节系数，得到第二时间段叠积近红秸秆指数。
96.具体地，本发明采用夏天玉米生长季7、8月份的去云遥感影像的ndvi和evi两种植被指数，作为秋冬季农田玉米秸秆的重要特征，根据对玉米的研究不难发现，无论是春玉米还是夏玉米，7、8月份玉米长势都处于最优时间点，能有效突出玉米种植情况，对应的植被指数计算公式如下：
[0097][0098][0099]
其中，b4为哨兵二号卫星影像中b4波段反射率值，b8为哨兵二号卫星影像中b8波段反射率值，b4为哨兵二号红光波段，b8为哨兵二号近红外波段；g为增益因子，取值2.5；c1、c2为气溶胶阻抗系数，取值6和7.5；l为冠层背景调整因子，取值1。
[0100]
此外，本发明还采用玉米成熟后的11月份的3种秸秆植被指数作为秋冬季秸秆提取特征，分别包括归一化短波红外秸秆指数(normalized difference short wave infrared straw index，ndssi)、叠加红外秸秆指数(accumulation infrared straw index，airsi)和叠积近红秸秆指数(product near-infrared straw index，pnisi)，具体的秸秆指数计算公式如下：
[0101][0102][0103][0104]
其中，b4为哨兵二号卫星影像中b4波段反射率值，b5为哨兵二号卫星影像中b5波段反射率值，b8为哨兵二号卫星影像中b8波段反射率值，b9为哨兵二号卫星影像中b9波段反射率值，b12为哨兵二号卫星影像中b12波段反射率值。a为b4波段调节系数，此处取1.8，b为b5波段调节系数，此处取1.5，c为b12波段调节系数，此处取10000。
[0105]
本发明通过综合3个时序和5种秸秆植被指数提取秋冬季农田玉米秸秆，与现有的卫星遥感提取相比，提升了玉米秸秆提取的精度和提取效率。
[0106]
基于上述任一实施例，所述根据所述第一时间段遥感植被指数作为先验知识，结合所述第二时间段遥感秸秆指数，通过分类算法得到目标时间段玉米秸秆分布范围信息，包括：
[0107]
将所述第一时间段遥感植被指数和所述第二时间段遥感秸秆指数进行特征融合，得到特征融合数据；
[0108]
将所述特征融合数据输入训练好的最大似然分类模型进行分类，得到所述目标时间段玉米秸秆分布范围信息。
[0109]
具体地，根据前述实施例的分析，夏季玉米长势最好的时间段在7至8月，而11月中旬时农田玉米秸秆与其它地物具有明显差异。
[0110]
本发明以7、8月份研究ndvi数据和evi数据作为先验知识，与11月份的3种秸秆指数数据结合，组合成为秋冬季玉米秸秆提取特征数据，进行秋冬季农田玉米秸秆提取。
[0111]
通过gee平台编程，完成上述5种植被指数的计算以及下载，利用envi软件将波段值进行融合，完成秋冬季农田玉米秸秆提取。基于实测数据，构建最大似然分类的训练集，将融合后的特征数据组合放入最大似然分类器中进行分类，获得秋冬季农田玉米秸秆分布范围信息。
[0112]
本发明通过对多种植被指数进行融合，并采用最大似然分类模型进行训练分类，
具有客观准确和训练效率高的特点。
[0113]
基于上述任一实施例，所述根据所述第一时间段遥感植被指数作为先验知识，结合所述第二时间段遥感秸秆指数，通过分类算法得到目标时间段玉米秸秆分布范围信息之后，包括：
[0114]
将所述目标时间段玉米秸秆分布范围信息进行转换，得到玉米秸秆分布图。
[0115]
其中，所述将所述目标时间段玉米秸秆分布范围信息进行转换，得到玉米秸秆分布图，包括：
[0116]
将所述目标时间段玉米秸秆分布范围信息转换为矢量文件；
[0117]
将所述矢量文件与哨兵二号遥感影像集合进行叠加，获得所述玉米秸秆分布图。
[0118]
具体地，由于生成的目标时间段玉米秸秆分布范围信息是栅格影像，为了在实际应用中便于识别，通过栅格转矢量工具，将该目标时间段玉米秸秆分布范围信息转化为shp格式的农田玉米秸秆分布图，即矢量文件，通过arcgis软件来完成。
[0119]
shp文件即是shape文件，是由esri开发，一个esri(environmental systems research institute)的shape文件包括一个主文件，一个索引文件，和一个dbase表，其中主文件的后缀就是.shp。shp文件由固定长度的文件头和接着的变长度记录组成，每个变长度记录是由固定长度的记录头和接着的变长度记录内容组成。
[0120]
最后将生成的矢量文件，即shp格式的农田玉米秸秆分布图与哨兵二号遥感影像进行叠加，生成最终的玉米秸秆分布图。
[0121]
以图2所示的农田玉米秸秆信息提取方法的流程示意图之二，包括本发明方案的完整步骤：
[0122]
(1)通过gee平台获取多时相卫星遥感影像；
[0123]
(2)卫星遥感影像拼接裁剪去云；
[0124]
(3)玉米物候特征和周年地物光谱特征分析；
[0125]
(4)夏天玉米生长季遥感植被指数计算；
[0126]
(5)秋冬季秸秆指数计算；
[0127]
(6)多时相影像农田玉米秸秆提取；
[0128]
(7)秋冬季农田玉米秸秆提取结果栅格转矢量；
[0129]
(8)秋冬季农田玉米秸秆分布图制作。
[0130]
本发明采用下级7、8月玉米生长季卫星遥感影像作为秸秆提取的先验知识，再采用玉米成熟后的11月份的3种秸秆指数进行农田玉米秸秆秋冬季遥感提取方法，可以提高农田玉米秸秆提取精度和效率，减少人工调查时间与成本，为秸秆焚烧监管提供数据支撑。
[0131]
下面对本发明提供的集成先验知识的农田玉米秸秆信息提取系统进行描述，下文描述的集成先验知识的农田玉米秸秆信息提取系统与上文描述的集成先验知识的农田玉米秸秆信息提取方法可相互对应参照。
[0132]
图3是本发明提供的集成先验知识的农田玉米秸秆信息提取系统的结构示意图，如图3所示，包括：获取模块31、提取模块32、确定模块33和计算模块34，其中：
[0133]
获取模块31用于获取目标区域的多时相玉米秸秆遥感影像；提取模块32用于对所述多时相玉米秸秆遥感影像进行去噪和特征提取，得到多个遥感植被指数；确定模块33用于分别确定所述多个遥感植被指数中的第一时间段遥感植被指数和第二时间段遥感秸秆
指数；计算模块34用于根据所述第一时间段遥感植被指数作为先验知识，结合所述第二时间段遥感秸秆指数，通过分类算法得到目标时间段玉米秸秆分布范围信息。
[0134]
本发明通过遥感大数据平台，综合多时序和多种玉米秸秆植被指数进行秋冬季农田玉米秸秆提取，结合夏季玉米生成季遥感信息作为先验知识，提升了玉米秸秆卫星遥感提取精度和提取效率。
[0135]
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(communications interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行集成先验知识的农田玉米秸秆信息提取方法，该方法包括：获取目标区域的多时相玉米秸秆遥感影像；对所述多时相玉米秸秆遥感影像进行去噪和特征提取，得到多个遥感植被指数；分别确定所述多个遥感植被指数中的第一时间段遥感植被指数和第二时间段遥感秸秆指数；根据所述第一时间段遥感植被指数作为先验知识，结合所述第二时间段遥感秸秆指数，通过分类算法得到目标时间段玉米秸秆分布范围信息。
[0136]
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0137]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的集成先验知识的农田玉米秸秆信息提取方法，该方法包括：获取目标区域的多时相玉米秸秆遥感影像；对所述多时相玉米秸秆遥感影像进行去噪和特征提取，得到多个遥感植被指数；分别确定所述多个遥感植被指数中的第一时间段遥感植被指数和第二时间段遥感秸秆指数；根据所述第一时间段遥感植被指数作为先验知识，结合所述第二时间段遥感秸秆指数，通过分类算法得到目标时间段玉米秸秆分布范围信息。
[0138]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的集成先验知识的农田玉米秸秆信息提取方法，该方法包括：获取目标区域的多时相玉米秸秆遥感影像；对所述多时相玉米秸秆遥感影像进行去噪和特征提取，得到多个遥感植被指数；分别确定所述多个遥感植被指数中的第一时间段遥感植被指数和第二时间段遥感秸秆指数；根据所述第一时间段遥感植被指数作为先验知识，结合所述第二时间段遥感秸秆指数，通过分类算法得到目标时间段玉米秸秆分布范围信息。
[0139]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单
元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0140]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0141]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
技术特征：1.一种集成先验知识的农田玉米秸秆信息提取方法，其特征在于，包括：获取目标区域的多时相玉米秸秆遥感影像；对所述多时相玉米秸秆遥感影像进行去噪和特征提取，得到多个遥感植被指数；分别确定所述多个遥感植被指数中的第一时间段遥感植被指数和第二时间段遥感秸秆指数；根据所述第一时间段遥感植被指数作为先验知识，结合所述第二时间段遥感秸秆指数，通过分类算法得到目标时间段玉米秸秆分布范围信息。2.根据权利要求1所述的集成先验知识的农田玉米秸秆信息提取方法，其特征在于，所述根据所述第一时间段遥感植被指数作为先验知识，结合所述第二时间段遥感秸秆指数，通过分类算法得到目标时间段玉米秸秆分布范围信息之后，包括：将所述目标时间段玉米秸秆分布范围信息进行转换，得到玉米秸秆分布图。3.根据权利要求1所述的集成先验知识的农田玉米秸秆信息提取方法，其特征在于，所述获取目标区域的多时相玉米秸秆遥感影像，包括：获取所述目标区域的哨兵二号遥感影像集合；通过谷歌地图引擎gee，确定所述哨兵二号遥感影像集合中处于第一时间段和第二时间段的玉米秸秆数据，构成所述多时相玉米秸秆遥感影像。4.根据权利要求1所述的集成先验知识的农田玉米秸秆信息提取方法，其特征在于，对所述多时相玉米秸秆遥感影像进行去噪和特征提取，得到多个遥感植被指数，包括：对所述多时相玉米秸秆遥感影像进行拼接和去除云层处理，得到目标区域无云影像数据；提取所述目标区域无云影像数据的玉米物候特征和周年地物光谱特征，得到最佳分类时间节点和所述多个遥感植被指数。5.根据权利要求4所述的集成先验知识的农田玉米秸秆信息提取方法，其特征在于，所述对所述多时相玉米秸秆遥感影像进行拼接和去除云层处理，得到目标区域无云影像数据，包括：获取目标区域矢量数据，利用gee区域筛选功能筛选出与所述目标区域矢量数据重叠的哨兵二号影像数据；通过时间筛选功能提取所述哨兵二号影像数据中预设时间段内的影像集合；利用哨兵二号预设波段数据作为云掩模数据，对所述影像集合进行云量筛选，得到筛选后的影像集合；拼接所述筛选后的影像集合，并按照矢量文件裁剪所述筛选后的影像集合，得到所述目标区域无云影像数据。6.根据权利要求4所述的集成先验知识的农田玉米秸秆信息提取方法，其特征在于，所述提取所述目标区域无云影像数据的玉米物候特征和周年地物光谱特征，得到最佳分类时间节点和所述多个遥感植被指数，包括：获取农作物生长发育数据集；基于所述农作物生长发育数据集，得到目标区域农作物全年物候信息图；基于所述目标区域农作物全年物候信息图，提取所述玉米物候特征；对所述玉米物候特征进行周年地物光谱特征分析，获得所述最佳分类时间节点和所述
多个遥感植被指数。7.根据权利要求4所述的集成先验知识的农田玉米秸秆信息提取方法，其特征在于，所述分别确定所述多个玉米秸秆植被指数中的第一时间段遥感植被指数和第二时间段遥感秸秆指数，包括：基于所述目标区域无云影像数据中的哨兵二号第四波段反射率值和哨兵二号第八波段反射率值，得到第一时间段归一化植被指数；基于增益因子、第一气溶胶阻抗系数、第二气溶胶阻抗系数和冠层背景调整因子，以及哨兵二号第二波段反射率值、所述哨兵二号第四波段反射率值和所述哨兵二号第八波段反射率值，得到第一时间段增强植被指数；基于所述哨兵二号第四波段反射率值和所述哨兵二号第八波段反射率值，得到第二时间段归一化短波红外秸秆指数；基于所述目标区域无云影像数据中的哨兵二号第九波段反射率值和哨兵二号第十二波段反射率值，得到第二时间段叠加红外秸秆指数；基于所述哨兵二号第四波段反射率值、哨兵二号第五波段反射率值和所述哨兵二号第十二波段反射率值，以及第四波段调节系数、第五波段调节系数和第十二波段调节系数，得到第二时间段叠积近红秸秆指数。8.根据权利要求1所述的集成先验知识的农田玉米秸秆信息提取方法，其特征在于，所述根据所述第一时间段遥感植被指数作为先验知识，结合所述第二时间段遥感秸秆指数，通过分类算法得到目标时间段玉米秸秆分布范围信息，包括：将所述第一时间段遥感植被指数和所述第二时间段遥感秸秆指数进行特征融合，得到特征融合数据；将所述特征融合数据输入训练好的最大似然分类模型进行分类，得到所述目标时间段玉米秸秆分布范围信息。9.根据权利要求2所述的集成先验知识的农田玉米秸秆信息提取方法，其特征在于，所述将所述目标时间段玉米秸秆分布范围信息进行转换，得到玉米秸秆分布图，包括：将所述目标时间段玉米秸秆分布范围信息转换为矢量文件；将所述矢量文件与哨兵二号遥感影像集合进行叠加，获得所述玉米秸秆分布图。10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至9任一项所述集成先验知识的农田玉米秸秆信息提取方法。
技术总结本发明提供一种集成先验知识的农田玉米秸秆信息提取方法及系统，属于农业遥感技术领域，包括：获取目标区域的多时相玉米地遥感影像；对所述多时相玉米地遥感影像进行去噪和特征提取，得到多个遥感植被指数；分别确定所述多个玉米遥感植被指数中的第一时间段遥感植被指数和第二时间段遥感秸秆指数；根据所述第一时间段遥感植被指数作为先验知识，结合所述第二时间段遥感秸秆指数，得到目标时间段玉米秸秆分布范围信息。本发明通过遥感大数据平台，综合多时序和多种玉米地遥感植被指数进行秋冬季农田玉米秸秆提取，结合夏季玉米生长季遥感信息作为先验知识，提升了玉米秸秆卫星遥感提取精度和提取效率。感提取精度和提取效率。感提取精度和提取效率。
技术研发人员：李存军 潘瑜春 任艳敏 郑翔宇 孟浩然 刘玉 李淑华 卢闯
受保护的技术使用者：北京市农林科学院信息技术研究中心
技术研发日：2022.06.21
技术公布日：2022/11/1
