草原草地草种图像化分类与健康状态长期监测方法及系统与流程
本发明涉及草原生态遥感监测的图像处理,具体涉及草原草地草种图像化分类与健康状态长期监测方法及系统。
背景技术:
1、草原是我国面积最大的陆地生态系统之一,其草种分布格局与草地健康状态的长期演化,是草原生态保护与牧区可持续管理的核心依据。长期以来,草原状况主要依靠管护人员现场徒步巡查记录,在大型草原上人工巡查覆盖能力受限;单纯依靠肉眼观察难以区分光谱与形态相近的草种;单一时期数据也难以把握草地的长期演化趋势。随着卫星遥感、无人机航拍与地面物联网监测的发展,基于遥感影像对草种进行分类、对草地健康进行评估已成为草原数字化管理的重要手段。
2、公开号为cn120953792a的中国专利申请,公开了一种高寒地区中间偃麦草地生态修复状态监测方法及系统,该方法基于融合地形与数字高程模型数据的遥感影像序列,采用带掩膜注意力机制的深度学习分割模型提取草种候选区块掩膜,进而提取植被指数、形态纹理特征与环境因子参数序列,训练因子交互模型以判定草地修复状态并输出时序演化评估结果,并将预测与观测的偏差反馈以调整遥感特征提取策略。然而,该方案将草种分类与健康状态评估作为先分类、后逐类评估的串接流水线处理,默认二者相互独立;实际上,同一条多光谱信号既是判定草地健康退化的判据,又是导致草种误分类的根源,一株处于胁迫或衰老状态的草与另一草种的健康个体在光谱上高度重叠,健康态漂移与草种混淆在信号层是相互纠缠的。串接流水线无法在信号层将二者分离,因而会把分类误差累积进逐类健康档案,并且无法区分某草种正在退化与某草种被误分类为另一草种这两种情形,多期累积之后使退化区域、恢复区域与稳定区域的划分归因失真,草地长期健康演化的可靠性因此受到制约。
3、公开号为cn118865125a的中国专利申请,公开了一种基于无人机多光谱影像的草原空斑检测与牧草补播方法,该方法以无人机搭载多光谱相机获取草地影像,融合深度学习分割算法检测草地空斑区域并生成补播处方。该方案数据源单一且面向单期空斑检测,未沿时间轴构建多期演化追踪,同样未在信号层解决健康态漂移对草种识别的干扰。公开号为cn120976763a的中国专利申请,公开了一种基于多源遥感图像数据的草原干旱识别评估方法及系统,该方案对多源遥感数据按同质斑块分割并反演干旱强度,侧重草地干旱与载畜量评估,未对草种执行精细的图像化分类,也未将草种身份与健康状态在信号层解耦。
4、由此可见,现有草原遥感监测技术尚未认识到并解决草种分类与健康状态评估在光谱信号层相互纠缠、健康态漂移反向污染草种分类进而污染逐类健康档案与长期演化归因这一核心技术瓶颈,导致草地长期健康监测的归因可靠性不足。
技术实现思路
1、针对现有技术中草原生态遥感监测存在的草种分类与健康状态评估在光谱信号层相互纠缠、健康态漂移反向污染草种分类进而污染逐类健康档案与长期演化归因的核心技术瓶颈,本发明提供一种草原草地草种图像化分类与健康状态长期监测方法及系统,通过将地块光谱时序轨迹相对物候基准分解为物种归属光谱分量与健康归属光谱分量,并使草种分类与健康状态评估以对方结果为条件进行双向条件化迭代耦合,在不改变现有多源遥感采集硬件的前提下,从光谱信号层将草种身份信息与健康胁迫信息解耦并互不污染的原理层面上,实现草原草地草种的可靠图像化分类与草地健康状态的可靠长期监测。
2、本发明的技术方案为:
3、草原草地草种图像化分类与健康状态长期监测方法,包括以下步骤:
4、步骤s1,接入草原目标区域的多源多期观测数据,并将所述多源多期观测数据归一化至统一时空基准,构建统一时空基准数据基底,所述多源多期观测数据包括卫星遥感影像数据、无人机航拍影像数据、地面巡查相机影像数据与草地环境监测数据,所述统一时空基准包括统一空间坐标基准与统一时间序列;
5、步骤s2,基于所述统一时空基准数据基底按地块提取地块光谱时序轨迹,并将所述地块光谱时序轨迹相对物候基准分解为物种归属光谱分量与健康归属光谱分量;
6、步骤s3,以所述健康归属光谱分量为条件,对所述物种归属光谱分量执行草种图像化分类,将地块判别为草种类别,得到草种分类结果,所述草种类别包括禾本科牧草、豆科牧草、莎草科牧草、杂类草与毒害草;
7、步骤s4,以所述草种分类结果为条件,结合所述草地环境监测数据对所述健康归属光谱分量执行健康状态评估,得到草地健康参数,所述草地健康参数包括植被覆盖度、叶绿素含量指数、土壤湿度水平与植被生物量;
8、步骤s5,将所述草种分类结果与所述草地健康参数双向条件化迭代耦合,输出草种分类结果与草地健康参数;
9、步骤s6,沿时间轴追踪多期所述草地健康参数与所述草种分类结果,划分长期演化区域,输出草地长期演化结果,所述长期演化区域包括退化区域、恢复区域与稳定区域。
10、进一步地,所述将所述地块光谱时序轨迹相对物候基准分解,包括将同一地块在不同传感器与不同采集时间下的光谱响应对齐至物候基准得到相位对齐残差,并将所述相位对齐残差沿物候特征方向与健康胁迫方向分别记为物种归属光谱分量与健康归属光谱分量;进一步以物候相位区间内的基线曲率作为混叠判据剔除物候混叠残差;进一步将剔除物候混叠残差后的地块光谱时序轨迹对齐为等相位采样序列并执行低秩-稀疏分解。所述双向条件化迭代耦合以当前健康归属光谱分量调整草种图像化分类的类间判别边界,并以更新草种分类结果约束低秩分量所在的物种子空间,迭代直至类别变更地块占比低于预设收敛阈值。
11、本发明还提供草原草地草种图像化分类与健康状态长期监测系统,包括:多时期多源数据接入引擎,用于接入草原目标区域的多源多期观测数据;多源遥感数据时空配准引擎,用于将所述多源多期观测数据归一化至统一时空基准构建统一时空基准数据基底,按地块提取地块光谱时序轨迹,并将所述地块光谱时序轨迹相对物候基准分解为物种归属光谱分量与健康归属光谱分量;草种图像化分类引擎,用于以所述健康归属光谱分量为条件对所述物种归属光谱分量执行草种图像化分类得到草种分类结果;草地健康状态多维评估引擎,用于以所述草种分类结果为条件结合所述草地环境监测数据对所述健康归属光谱分量执行健康状态评估得到草地健康参数,并将所述草种分类结果与所述草地健康参数双向条件化迭代耦合;单类草种数字化档案管理引擎,用于按所述草种类别统计草种特征参数构建单类草种数字化档案;草地长期演化追踪引擎,用于沿时间轴追踪多期所述草地健康参数与所述草种分类结果划分长期演化区域并输出草地长期演化结果;异常变化识别引擎,用于识别草地异常变化情形;草地数字孪生可视化引擎,用于将所述草种分类结果、所述草地健康参数与所述草地长期演化结果渲染为草地数字孪生可视化结果;分级预警推送引擎,用于对所述草地异常变化情形按严重程度分级推送。
12、本发明的有益效果在于:
13、第一,通过将地块光谱时序轨迹相对物候基准分解为物种归属光谱分量与健康归属光谱分量,实现了草种身份信息与健康胁迫信息在光谱信号层的分离。其机理在于,同一地块在不同传感器与不同采集时间下的光谱不一致性,在现有技术中被视为需要通过配准与辐射校正消除的误差,而实际上该不一致性在对齐至物候基准后,其沿物候特征方向的分量稳定地表征草种的类内共有特征、其沿健康胁迫方向的分量表征偏离基准的健康偏移,二者本可分离;相比将分类与健康评估串接处理,本方案在信号层先行解耦,使后续分类不再被健康态漂移干扰,从源头上避免了分类误差向健康档案的累积。
14、第二,通过以健康归属光谱分量为条件对物种归属光谱分量执行草种图像化分类、以草种分类结果为条件对健康归属光谱分量执行健康状态评估,并将二者双向条件化迭代耦合,实现了草种分类与健康评估的联合估计。其机理在于,健康态漂移会使不同草种的光谱互相靠拢,仅凭物种归属分量仍可能误判,以健康归属分量的能量为条件调整类间判别边界可补偿这一漂移;反过来,以更新后的草种分类结果约束低秩分量的物种子空间,可抑制健康归属分量中混入的物种特征,使健康评估不被误分类污染;相比现有单向串接流水线,双向耦合使分类与健康评估互为约束、互不污染,二者联合估计所解决的信号纠缠是任一任务单独均无法解决的,取得了超过二者简单叠加的协同效果。
15、第三,通过按物候相位区间内的基线曲率剔除物候混叠残差,实现了物候相位漂移与健康胁迫漂移的去混叠。其机理在于,生长季拐点邻域的物候基线曲率显著增大,此处物候相位驱动的季节性漂移与健康胁迫漂移在同一光谱子空间发生混叠,以基线曲率为判据剔除该混叠残差,可避免将季节性物候变化误判为健康退化;相比仅面向单期空斑检测、未处理跨期物候混叠,本方案保证了多期健康评估的时相可比性。
16、第四,通过按草种类别聚合多期健康归属光谱分量构建单类草种健康演化轨迹,并将其与长期演化区域进行一致性校验得到演化一致性置信度,实现了长期演化归因的自洽校验与异常识别。其机理在于,逐类草种的健康演化轨迹与区域级退化、恢复、稳定划分本应在趋势上相互印证,二者的一致性提供了任一方单独均无法提供的自洽置信度,据此可在高置信地块可靠地识别毒害草扩散等异常情形;相比仅侧重区域干旱评估、未建立逐类草种健康演化轨迹,本方案使长期健康监测的归因具备可验证的可靠性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com