申请/专利权人:广东省国土资源测绘院
申请日:2023-08-28
公开(公告)日:2024-06-11
公开(公告)号:CN117496363B
主分类号:G06V20/13
分类号:G06V20/13;G06V20/10;G06V10/766;G06T3/4076;G06V10/30;G06V10/34
优先权:
专利状态码:有效-授权
法律状态:2024.06.11#授权;2024.02.23#实质审查的生效;2024.02.02#公开
摘要:本发明公开了一种融合主被动微波遥感的作物产量估算方法、系统及相关设备,涉及作物产量估算遥感领域,其包括步骤:获取遥感数据并对该遥感数据进行预处理,所述遥感数据至少包含有SMAP植被光学厚度产品、Sentinel‑1SAR后向散射数据、作物产量数据和Sentinel‑2植被指数产品;根据所述Sentinel‑1SAR后向散射数据和建立的研究区的土壤‑植被散射模型,反演获得植被含水量分布信息;根据所述植被含水量分布信息和SMAP植被光学厚度产品,建立微波植被光学厚度降尺度模型;根据所述作物产量数据和所述微波植被光学厚度降尺度模型,建立高分辨率作物产量动态估算模型,根据所述高分辨率作物产量动态估算模型,反演获得研究区作物产量。
主权项:1.一种融合主被动微波遥感的作物产量估算方法,其特征在于,包括步骤:获取遥感数据并对该遥感数据进行预处理,所述遥感数据至少包含有SMAP植被光学厚度产品、Sentinel-1SAR后向散射数据、作物产量数据和Sentinel-2植被指数产品;根据所述Sentinel-1SAR后向散射数据和建立的研究区的土壤-植被散射模型,反演获得植被含水量分布信息;根据所述植被含水量分布信息和SMAP植被光学厚度产品,建立微波植被光学厚度降尺度模型;其中,建立微波植被光学厚度降尺度模型,具体包括:以植被含水量分布信息作为高分辨率植被光学厚度辅助变量信息,在机器学习模型梯度提升决策树框架下,在低分辨率尺度下与微波植被光学厚度建立回归模型,引入梯度提升决策树回归表达辅助变量和微波植被光学厚度之间的非线性关系,然后将回归模型应用于高分辨率的辅助变量,从而获得研究区高分辨率微波植被光学厚度产品,用于下一步研究区作物产量的反演;根据所述作物产量数据和所述微波植被光学厚度降尺度模型,建立高分辨率作物产量动态估算模型,根据所述高分辨率作物产量动态估算模型,反演获得研究区作物产量;还包括对所述高分辨率作物产量动态估算模型的精度进行评价的步骤:采用直接验证方法或间接验证法对所述高分辨率作物产量动态估算模型的精度进行评价,其中,直接验证方法:根据作物产量数据,构建作物产量产品的地面验证数据库,通过计算调整后的决定系数和均方根误差,对模型估算精度进行直接评价;间接验证法:借助来源于Sentinel-2植被指数产品,通过计算空间相关性,对研究区作物产量的年际变化趋势进行验证。
全文数据:
权利要求:
百度查询: 广东省国土资源测绘院 融合主被动微波遥感的作物产量估算方法、系统及设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。