[发明专利]一种小麦条锈病遥感预测方法及装置

权利要求书

1.一种小麦条锈病遥感预测方法，其特征在于，包括：

基于高分辨多光谱成像卫星拍摄获得的数据获取待预测区域的多时相遥感影像数据；其中，所述多时相遥感影像数据是指不同时期的遥感影像数据；所述遥感影像数据中包括多个能够表征条锈病胁迫下小麦生长状况变化的植被指数，作为候选特征；

基于所述多时相遥感影像数据中的每个时期的候选特征，提取所述多时相遥感影像数据中的目标遥感特征，所述目标遥感特征为不同时期对应的能够用于预测条锈病的遥感特征；

将所述目标遥感特征输入至小麦条锈病时序预测模型，获得针对不同时期的预测结果，所述小麦条锈病时序预测模型为基于训练样本对神经网络模型进行训练得到的模型，所述训练样本是基于小麦条锈病星地同步观测数据生成的；

基于所述不同时期的预测结果，确定目标时期的所述待预测区域的小麦条锈病的目标预测结果。

2.根据权利要求1所述的方法，其特征在于，所述获取待预测区域的多时相遥感影像数据，包括：

获取原始遥感影像数据，所述原始遥感影像数据是基于高分辨多光谱成像卫星拍摄获得的；

将所述原始遥感影像数据中的像元值转换为地表反射率，获得转换后的遥感影像数据；

根据所述转换后的遥感影像数据，获取不同时期的遥感影像数据，所述不同时期中的每一时期分别处于小麦的不同生长期；

对所述不同时期的遥感影像数据进行预处理，并对预处理后的遥感影像数据进行待预测区域的数据提取，获得待预测区域的多时相遥感影像数据。

3.根据权利要求1所述的方法，其特征在于，所述提取所述多时相遥感影像数据中的目标遥感特征，包括：

获取所述多时相遥感影像数据中的每个时期的候选特征；

计算每个时期的候选特征与条锈病发生情况之间的权重系数；

基于权重系数最高的候选特征为基准，计算各个候选特征之间的相关性，获得相关性计算结果；

基于所述相关性计算结果，在所述候选特征中进行特征筛选，获得筛选后的特征；

将不同时期的筛选后的特征对应的不同组合的特征组输入至预创建的序列前向选择模型，获得不同组合的特征组对应的预测精度，所述序列前向选择模型是基于支持向量机构建的；

基于所述预测精度，确定每一时期对应的目标遥感特征。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于小麦条锈病星地同步观测数据，创建小麦条锈病预测模型，包括：

基于小麦条锈病星地同步观测数据，确定不同时期的样本数据；

将所述样本数据进行划分，得到训练集和预测集；

对所述训练集和预测集进行样本平衡处理，获得处理后的训练集和预测集；

基于所述训练集对神经网络模型进行训练，获得初始预测模型；

基于所述预测集对所述初始预测模型进行预测和调整，获得小麦条锈病时序预测模型。

5.根据权利要求2所述的方法，其特征在于，所述对所述不同时期的遥感影像数据进行预处理，包括：

对所述不同时期的遥感影像数据进行辐射校正和大气校正，获得校正后的不同时期的遥感影像数据。

6.一种小麦条锈病遥感预测装置，其特征在于，包括：

获取单元，用于基于高分辨多光谱成像卫星拍摄获得的数据获取待预测区域的多时相遥感影像数据；其中，所述多时相遥感影像数据是指不同时期的遥感影像数据；所述遥感影像数据中包括多个能够表征条锈病胁迫下小麦生长状况变化的植被指数，作为候选特征；

提取单元，用于基于所述多时相遥感影像数据中的每个时期的候选特征，提取所述多时相遥感影像数据中的目标遥感特征，所述目标遥感特征为不同时期对应的能够用于预测条锈病的遥感特征；

模型预测单元，用于将所述目标遥感特征输入至小麦条锈病时序预测模型，获得针对不同时期的预测结果，所述小麦条锈病时序预测模型为基于训练样本对神经网络模型进行训练得到的模型，所述训练样本是基于小麦条锈病星地同步观测数据生成的；

结果确定单元，用于基于所述不同时期的预测结果，确定目标时期的所述待预测区域的小麦条锈病的目标预测结果。