一种基于遥感数据分析的水稻产量预测系统的制作方法

本发明属于水稻产量预测领域，涉及数据分析技术，具体是一种基于遥感数据分析的水稻产量预测系统。

背景技术：

1、不同的水稻品种在适应性、抗逆性和产量上存在显著差异，随着农业科技的不断进步，高产栽培技术越来越普及，适宜的气候条件有利于水稻的生长和发育，从而提高产量。

2、现有的水稻产量预测系统往往采用复杂的数据处理模型进行预测分析，在水稻生长全周期的每个生长阶段均需要经历复杂的数据计算之后才能得到最终的预测结果，导致水稻产量预测分析过程效率低下；并且，现有技术无法在监测到产量预测结果不符合预期的情况下直接进行优化决策分析，导致水稻产量预测结果异常时的优化处理工序繁杂，效率较低。

3、针对上述问题，本技术提出一种解决方案。

技术实现思路

1、本发明的目的在于提供一种基于遥感数据分析的水稻产量预测系统，用于解决现有技术的水稻产量预测分析过程效率低下的问题；

2、本发明需要解决的技术问题为：如何提供一种可以快速对水稻各生长阶段进行产量预测的基于遥感数据分析的水稻产量预测系统。

3、本发明的目的可以通过以下技术方案实现：

4、一种基于遥感数据分析的水稻产量预测系统，包括稻田基础信息模块、遥感数据分析模块、历史数据匹配模块、产量预测模块以及种植优化模块；所述稻田基础信息模块、遥感数据分析模块、历史数据匹配模块、产量预测模块以及种植优化模块依次进行通信连接；

5、所述稻田基础信息模块用于对需要进行水稻产量预估的稻田进行基础信息收集：在水稻完成播种、插秧之后，将水稻种植地区标记为预测区域，获取预测区域的种植参数；

6、所述遥感数据分析模块用于对预测区域的水稻生长情况进行监测分析：生成水稻生长监测周期，在水稻生长监测周期内设置监测时间点tj，j=1，2，…，k，k为正整数，在监测时间点tj获取预测区域的生长系数szj；通过监测时间点tj的生长系数绘制预测区域在监测时间点tj时的生长预测曲线q；

7、所述历史数据匹配模块用于对数据库中的历史生长数据进行分析匹配并得到匹配历史生长曲线pl；

8、所述产量预测模块用于根据匹配历史生长曲线pl对预测区域的水稻产量进行预测并得到预测区域的产量预测值yc；

9、所述种植优化模块用于根据产量预测值yc对预测区域的水稻种植过程进行优化。

10、进一步地，种植参数包括种植面积s、直接比对参数以及间接比对参数：直接比对参数包括水稻种类以及土壤类型，间接比对参数包括海拔值以及年平均降水量。

11、进一步地，监测时间点tj的生长系数szj的获取过程包括：将预测区域分割成分析区域i，i=1，2，…，n，n为正整数，在监测时间点tj通过遥感平台获取每个分析区域i在监测时间点tj的叶耳距、定型叶叶长以及植株高度，对叶耳距、定型叶叶长以及植株高度分别进行求和取平均值计算，得到预测区域中水稻在监测时间点tj的叶耳距平均值yjj、定型叶叶长平均值dyj以及植株高度平均值zgj，通过公式szj=k1*yjj+k2*dyj+k3*zgj经数值计算得到预测地区在监测时间点tj的生长系数szj。

12、进一步地，预测区域在监测时间点tj的生长预测曲线的绘制过程具体包括：将生长系数szj作为坐标系y轴，水稻生长监测周期作为坐标系x轴建立直角坐标系，将监测时间点tj在水稻生长监测周期内的执行时长作为横坐标，监测时间点tj对应的生长系数szj作为纵坐标在直角坐标系中标出j个监测点，使用平滑的曲线将所有的监测点连接起来，连成的曲线标记为预测区域的生长预测曲线q。

13、进一步地，历史数据匹配模块对数据库中的历史生长数据进行分析匹配的具体过程包括：从数据库中调取所有水稻的历史生长数据，历史生长数据包括水稻种植地区的历史种植参数、水稻的历史生长曲线以及最终的实际水稻产量；将预测区域的种植参数与历史种植参数进行比对：其中，直接比对参数的比对方式为类型比对法，若直接比对参数的类型数据名称一致，则得到历史生长数据的一级匹配数据；间接比对参数的比对方式为数值区间比对法，将种植参数*相关置信区间（1±a%）得到相关参数范围，若一级匹配数据中的间接比对参数在相关参数范围内，则得到历史生长数据的二级匹配数据，将二级匹配数据所对应的历史生长曲线标记为匹配历史生长曲线pl。

14、进一步地，预测区域的产量预测值yc的获取过程包括：将匹配历史生长曲线pl自左向右进行截取，截取时长为监测时间点tj与水稻生长监测周期开始时刻的时间差值，将截取后的匹配历史生长曲线pl与生长预测曲线q绘制在同一坐标系中，计算所有截取后的匹配历史生长曲线pl与生长预测曲线q的重合系数：在x轴选取若干个点并标记为比对时间点h，h=1，2，…s，s为正整数，获取匹配历史生长曲线pl在时间点h上的历史生长系数lsh与预测生长曲线q在时间点h上的生长系数szh，通过公式，将历史生长系数lsh与生长系数szh进行数值计算得到每条匹配历史生长曲线pl与预测生长曲线q的重合系数ch，重合系数ch数值越小代表重合度越高，将重合度最高的匹配历史生长曲线pl对应的实际水稻产量标记为预测区域的单位产量预测值dy，将单位产量预测值dy与种植面积s经乘法计算得到预测区域的产量预测值yc。

15、进一步地，种植优化模块根据产量预测值yc对预测区域的水稻种植过程进行优化的具体过程包括：通过比较产量预测值yc与预设的产量预测阈值yz对是否采取种植过程优化进行判断，在产量预测值不符合要求时进行种植过程优化：将预测区域的所有匹配历史生长曲线pl按与预测生长曲线q的重合系数ch由小到大的顺序进行排列，选取重合系数ch排列靠前的m个匹配历史生长曲线pl并获取其对应的实际水稻产量，将实际水稻产量最大的匹配历史生长曲线pl标记为预测区域的优化曲线，将水稻生长监测周期的当前监测时间点tj标记为优化时间点，将在优化时间点tj前d1天至后d2天标记为优化分析时段，将优化曲线对应的历史生长数据中在优化分析时段内实施的所有处理手段标记为预测区域的优化手段，并将优化手段发送至管理人员的终端。

16、进一步地，对是否采取种植过程优化进行判断的具体过程包括：若产量预测值yc大于等于产量预测阈值yz，则判定产量预测结果符合要求，无需进行种植过程优化；若产量预测值yc小于产量预测阈值yz，则判定产量预测结果不符合要求，需要进行种植过程优化。

17、本发明具备下述有益效果：

18、通过稻田基础信息模块能获得稻田种植区域的种植面积、水稻种类以及自然条件信息，如土壤类型、海拔值以及平均降水量，进而可以根据种植信息从历史种植数据中筛选与预测产量的水稻种植环境最为相似的数据，排除外在因素对水稻产量预测的干扰，提高了水稻产量预测的精确性；在水稻生长监测周期通过遥感平台对水稻种植区域的高分辨率影像数据进行收集、处理以及分析，得到水稻种植区域在监测时间点的生长系数，绘制生长系数与监测时间点的生长预测曲线，通过生长预测曲线比对的方式简化传统的水稻产量预测分析过程，提高预测分析的效率；通过种植优化模块可以判断产量预测值是否达到了产量预期，若没有达到，触发种植手段优化，调取重合度靠前的历史生长数据在优化分析时段内实施的所有处理手段作为当前水稻种植区域的优化手段，保证了在水稻生命监测周期中处于最佳的生长状态，以达到产量预期。