基于时序遥感数据的农作物长势监测评估方法及系统与流程

本发明涉及农作物长势监测，尤其涉及基于时序遥感数据的农作物长势监测评估方法及系统。

背景技术：

1、现有基于时序遥感数据的农作物长势监测评估方法，主要通过获取目标区域的时序卫星遥感影像，计算归一化植被指数或增强型植被指数等绿度指标，构建覆盖作物全生育期的植被指数时间序列，并采用与历史同期均值、特定丰年曲线或邻近像元进行对比分析的方式，对作物长势进行等级划分或异常识别，能够利用遥感技术的大范围、高频次和客观量化特性，替代或部分替代传统的人工田间调查，实现对区域尺度作物生长状态的实时、动态监测，为粮食产量预估和农业灾害快速评估提供了高效的数据支撑手段；

2、现有监测评估方法其核心在于将评估逻辑建立在“与历史平均或固定状态的比较”之上，输出的结果多为“当前长势相对历史好坏”的状态性诊断，无法解决“当前偏离是否达到需要人工干预的程度、最佳干预时机在何时、应具体采取何种调控措施”等决策性问题，导致遥感监测信息与田间精准行动之间存在显著断层，而且缺乏将农学调控机理、实时环境可行性校验与决策风险量化进行有机融合的能力，使得评估结果难以直接转化为可执行的处方级调控方案。

技术实现思路

1、本发明的目的在于提供基于时序遥感数据的农作物长势监测评估方法及系统，能够通过动态对标产量最优基准并融合农学机理与实时环境校验，直接输出经风险量化的处方级调控方案，打通了从遥感数据到田间精准行动的闭环。

2、为实现上述目的，本发明提供了基于时序遥感数据的农作物长势监测评估方法，包括以下步骤：

3、获取目标田块当年生长期内的时序遥感影像，构建植被指数时间序列；

4、生成与当年作物发育进程动态同步的最优长势参考曲线，将所述植被指数时间序列与所述最优长势参考曲线进行时间对齐匹配，计算得到长势偏差值序列，并依据生育阶段将其分解为阶段偏差曲线；

5、调用具备自进化能力的农情调控知识模型，以各所述阶段偏差曲线为输入进行分析，输出各阶段的调控需求指数及对应的初步调控措施类型；

6、以各阶段对产量形成的贡献比例为权重，对所述调控需求指数进行加权融合，生成综合调控紧急度，并结合所述初步调控措施类型，输出推荐调控措施组合及建议的调控时机窗口；

7、获取目标田块的实时或预报土壤墒情及气象信息，对所述推荐调控措施组合进行可行性动态校验与修正，生成最终调控决策方案，并利用所述农情调控知识模型中的概率评估子模型，输出采取所述最终调控决策方案后的预期产量响应概率分布；

8、将包含本次监测评估与调控决策全流程数据的数据链反馈至所述农情调控知识模型，驱动其进行自适应学习与优化。

9、其中，所述生成与当年作物发育进程动态同步的最优长势参考曲线，具体包括：

10、筛选同一生态区该作物历史最高产量年份的时序遥感影像，提取植被指数，并以生长度日为尺度进行时间归一化，合成标准生长度日与植被指数的参考曲线；

11、根据当年实时累积生长度日，将所述标准参考曲线动态缩放映射至日历时间轴，得到与当年发育进程精确同步的所述最优长势参考曲线。

12、其中，所述时间对齐匹配采用导数动态时间规整算法，且匹配路径的允许最大时间偏移量受该作物到达各关键发育期所需有效积温的合理范围约束。

13、其中，所述依据生育阶段将其分解为阶段偏差曲线，具体为：

14、依据该作物完成各关键发育阶段所需的生长度日阈值，动态划分生育阶段节点，将所述长势偏差值序列分段，形成与各生育阶段对应的阶段偏差曲线。

15、其中，所述农情调控知识模型包括阶段调控响应子模型，该子模型为基于作物生理规律的规则模型，针对各生育阶段预设有负偏差幅度阈值与持续天数阈值；

16、当某一阶段的阶段偏差曲线中累积负偏差超过对应的阈值且持续时间超过预设天数时，以偏差幅度与持续时间的加权积分计算该阶段的调控需求指数，并输出与该阶段适配的追肥、灌溉或病虫害防治的初步调控措施类型；

17、其中，所述加权积分的权重由该阶段对水分和养分胁迫的产量敏感度系数决定。

18、其中，所述以各阶段对产量形成的贡献比例为权重，对所述调控需求指数进行加权融合，生成综合调控紧急度，具体为：

19、当所述综合调控紧急度超过预设触发阈值时，生成包含人工干预建议、推荐调控措施组合及其优先级排序的结果，并根据各阶段初步措施的出现频次和权重确定最终的推荐调控措施组合。

20、其中，所述可行性动态校验包括：

21、当预报未来设定时段内有有效降雨时，自动降低灌溉类调控措施的推荐优先级或暂时抑制该措施建议，并将对应的调控时机窗口向后顺延至降雨结束后。

22、其中，所述概率评估子模型为分位数森林模型，该模型以历史年份各阶段偏差曲线的特征变量及对应的气象、土壤因子为输入，以实际产量响应为输出训练得到；用于评估时，输出在当前环境条件下采取所述最终调控决策方案后的产量提升效果的概率分布，并给出该提升效果超过预设经济回报阈值的概率。

23、其中，所述驱动其进行自适应学习与优化具体包括：

24、采用增量学习与迁移学习相结合的混合策略，利用反馈的所述数据链对所述农情调控知识模型进行参数更新；

25、其中，增量学习用于吸收新样本以适应生产环境的缓慢变化，迁移学习用于将已习得的调控知识快速适配至新作物品种或变更的种植模式。

26、其中，基于时序遥感数据的农作物长势监测评估系统，用于实现所述的基于时序遥感数据的农作物长势监测评估方法，包括遥感数据获取与处理模块、基准曲线生成与同步模块、偏差分解与对齐模块、农情调控知识模型模块、决策融合与输出模块、环境校验与风险量化模块和闭环优化模块；

27、所述偏差分解与对齐模块分别与所述遥感数据获取与处理模块和所述基准曲线生成与同步模块连接，所述农情调控知识模型模块内嵌阶段调控响应子模型和概率评估子模型，其输入端与所述偏差分解与对齐模块连接，所述决策融合与输出模块与所述农情调控知识模型模块的输出端连接，所述环境校验与风险量化模块分别与所述决策融合与输出模块和所述农情调控知识模型模块连接，所述闭环优化模块分别与所述遥感数据获取与处理模块、所述基准曲线生成与同步模块、所述偏差分解与对齐模块、所述农情调控知识模型模块、所述决策融合与输出模块及所述环境校验与风险量化模块连接；

28、所述遥感数据获取与处理模块，用于获取目标田块当年生长期内的时序遥感影像，并构建植被指数时间序列；

29、所述基准曲线生成与同步模块，用于生成与当年作物发育进程动态同步的最优长势参考曲线；

30、所述偏差分解与对齐模块，用于将所述植被指数时间序列与所述最优长势参考曲线进行时间对齐匹配，计算长势偏差，并依据生育阶段分解为阶段偏差曲线；

31、所述农情调控知识模型模块，用于根据各所述阶段偏差曲线输出各阶段的调控需求指数及初步调控措施类型；

32、所述决策融合与输出模块，用于以各阶段产量贡献比例为权重融合所述调控需求指数，生成综合调控紧急度，并结合初步调控措施类型输出推荐调控措施组合及建议的调控时机窗口；

33、所述环境校验与风险量化模块，用于获取实时或预报环境信息，对推荐调控措施组合进行可行性校验与修正，生成最终调控决策方案，并调用所述概率评估子模型输出预期产量响应概率分布；

34、所述闭环优化模块，用于收集本次监测评估与调控决策全流程数据形成数据链，并将所述数据链反馈至所述农情调控知识模型模块，驱动其进行自适应学习与优化。

35、本发明的基于时序遥感数据的农作物长势监测评估方法及系统，首先获取目标田块当年时序遥感影像并构建植被指数曲线，同时以历史最高产量年份的遥感数据为基础，利用生长度日归一化方法生成与当年作物发育进程动态同步的“最优长势参考曲线”，作为兼具高产导向与当年气候适应性的动态对标基准，通过导数动态时间规整算法将当年实际曲线与参考曲线对齐后，计算长势偏差，并依据积温阈值将偏差序列按作物关键生育阶段分解为独立的阶段偏差曲线，随后，调用内嵌农学调控知识规则的阶段调控响应子模型，结合各阶段的胁迫敏感度系数，对阶段偏差的幅度与持续时间进行加权积分，输出各阶段的量化调控需求指数及适配的追肥、灌溉或病虫害防治等初步措施，系统再以各生育阶段对产量形成的贡献比例为权重，融合所有阶段的调控需求，生成综合调控紧急度，并据此输出包含推荐措施组合、优先级排序及建议干预时机的初步调控处方，该处方经实时气象预报和土壤墒情信息的可行性动态校验修正后，形成最终方案；同时，利用分位数森林模型输出采取该方案后预期产量提升效果的概率分布，为种植者提供决策风险量化参考，最后，整个监测、调控以及反馈的全流程数据被闭环反馈至知识模型，通过增量学习与迁移学习的混合策略驱动模型持续自进化，实现评估与决策能力的不断优化。