一種基于hmm的農作物物候動態(tài)估計方法
【技術領域】
[0001] 本發(fā)明涉及一種基于HMM的農作物物候動態(tài)估計方法。
【背景技術】
[0002] 目前，基于分形的農作物物候遙感特征提取受傳統(tǒng)地面作物物候信息單點調查手 段費時、費力，且無法大范圍操作的限制，遙感手段成為農作物物候信息提取的熱點。建立 遙感影像紋理特征與農作物物候的聯系，是遙感物候檢測首當其沖的。分維作為影像紋理 粗糙度的一種表述，可反映農作物發(fā)育過程中NDVI影像紋理的變化。建立分維與農作物物 候的關聯，可為物候檢測提供理論基礎。另外，考慮到遙感影像上農作物耕地呈塊狀零星分 布的特點，需利用分形乘積的原理，設計并實現一種針對遙感影像不規(guī)則R0I的分維估計 算法。
[0003] 目前，大多數作物物候檢測方法，僅依賴單源特征（比如：NDVI指數或有效積溫 等），且只能檢測出少量特定的物候期（比如：變綠期、成熟期、衰落期和休眠期）。集成遙 感光譜值、影像紋理和地面氣象站變量等多源多特征，有望提高農作物物候檢測的種類、準 確度和實時化程度。

【發(fā)明內容】

[0004] 本發(fā)明的目的是提供一種基于HMM的農作物物候動態(tài)估計方法。
[0005] 為達到上述目的，本發(fā)明采用的技術方案是：
[0006] -種基于HMM的農作物物候動態(tài)估計方法，包括：
[0007] 1):建立HMM混合模型，HMM混合模型中包括獲得：
[0008] a、初始概率：農作物在各發(fā)育階段發(fā)生的概率；
[0009] b、局部狀態(tài)轉移矩陣：農作物在整個生育周期過程中的各發(fā)育階段轉移概率；
[0010] C、觀測概率矩陣：在給定發(fā)育階段狀態(tài)的情況下，各觀測變量發(fā)生的概率；
[0011] 2):向HMM混合模型輸入農作物的多源特征，多源特征包括：
[0012] a、NDVI均值；
[0013] b、分維值；
[0014] c、有效積溫；
[0015] 3)、通過HMM混合模型計算出農作物各發(fā)育階段的百分比。
[0016] 優(yōu)選地，初始概率通過統(tǒng)計該地區(qū)同一時期的歷史數據獲得。
[0017] 優(yōu)選地，獲取局部狀態(tài)轉移矩陣包括：
[0018] 1)、選取同一時間點的多年歸一化地面物候調查數據數據，計算其均值；
[0019] 2)、計算出每個時間點的狀態(tài)轉移概率矩陣。
[0020] 優(yōu)選地，獲取NDVI均值包括：
[0021] 1)、影像合成：將每日的MODISNDVI時間序列影像合成為每周的NDVI時間序列影 像；
[0022] 2)、影像掩膜：剔除MODISNDVI時間序列影像上非農作物類型的像元。
[0023] 進一步優(yōu)選地，對剔除MODISNDVI時間序列影像上非農作物類型的像元進行估算 獲得。
[0024] 優(yōu)選地，有效積溫獲取包括：獲取離散點位的地表日最低和最高溫度；將離散點 位的地表日最低和最高溫度轉化為行政區(qū)劃級別面狀溫度數據；對行政區(qū)劃級別的日最低 和最高溫度進行日溫校正，并計算出有效積溫。
[0025] 其中：
[0026] 初始概率（或狀態(tài)先驗概率）：表示起始時刻，不考慮觀測值的情況下，各發(fā)育階 段發(fā)生的概率。
[0027] 局部狀態(tài)轉移矩陣：作物在整個生育周期過程中的各發(fā)育階段轉移概率隨時間變 化而改變。
[0028] 觀測概率：在給定發(fā)育階段狀態(tài)的情況下，各觀測變量發(fā)生的概率。
[0029] NDVI指數：根據植被在遙感影像中光譜響應的差異及動態(tài)變化原理，作為衡量植 被綠度及生長狀況的指數。
[0030] 分維值：用于衡量NDVI影像中農作物類型像元的粗糙度，并作為影像紋理異質性 的指標來反映農作物的生長狀況。
[0031] 有效積溫：在作物生長發(fā)育所需要的其他條件均得到滿足時，在一定溫度范圍內， 氣溫和發(fā)育速度成正相關，并且要積累到一定的溫度總和，才能完成其發(fā)育期，這個溫度的 累積數稱為積溫；每種作物都有其生長的下限溫度，當溫度高于下限溫度時，它才能生長發(fā) 育，這個對作物生長發(fā)育起有效作用的高出的溫度值，稱作有效溫度；作物在整個生育期內 有效溫度的累積，即有效積溫。
[0032] 由于上述技術方案運用，本發(fā)明與現有技術相比具有下列優(yōu)點和效果：
[0033] 本發(fā)明采用的分維值為遙感影像的紋理特征，可用于指示農作物生育過程的變 化，可直接采用提取的多遠特征作為數據輸入，無須額外的過濾或平滑處理，農作物發(fā) 育階段百分比的精度在±12. 91%至±16. 14%之間，而遙感光譜逐像元方法最優(yōu)的為 ±24. 6%，所獲得的結果較好，可實現玉米作物物候信息的動態(tài)估計。
【附圖說明】
[0034] 附圖1為本實施例中HMM混合模型；
[0035] 附圖2為本實施例中玉米在整個生育周期過程中的各發(fā)育階段轉移示意圖。
【具體實施方式】
[0036] 下面結合附圖及實施案例對本發(fā)明作進一步描述：
[0037] 本實施例以玉米為例，其物候動態(tài)估計方法包括：
[0038] 1)、建立HMM混合模型，
[0039] 假設HMM混合模型參數為X(N，M，II，A,B):
[0040] T:觀測值長度，對應每個時間周期的周數，
[0041] N:狀態(tài)數目，對應物候期的數目，
[0042] M:每個狀態(tài)可能的觀測值數，對應特征個數，
[0043] S:隱形狀態(tài)S=以，…，SN}，
[0044] q:狀態(tài)序列q=h，…，qT}，
[0045] 0 :觀測值序列0 =IA，…，0T}，
[0046]II:初始時刻狀態(tài)的概率分布，比如Sj狀態(tài)的概率可記為Jrj，
[0047] A:狀態(tài)轉移矩陣（transitionprobabilitymatrix)，可以表不成 j=P(qt = Sj|qtSJ，其中= 1，(1彡i，j彡N)，對應某時刻從一物候期轉換到另一物候期 的概率。
[0048] B:觀測值的概率分布（emissionprobabilitymatrix)，可以表示成bj⑴= P(0t|qt=S)，（2彡t彡T)，對應某一物候期、特征的分布概率。
[0049] 如圖1為本實施例中HMM混合模型，其中本實施例中隱形狀態(tài)有8個，它們依次 為預備期（pre-season)、播種期（planted)、出苗期（emerged)、抽絲期（silking)、乳熟期 (dough)、臘熟期（dent)、完熟期（mature)和收割期（harvested)。其中，預備期被定義為 玉米種子播種前的一段時期，它僅僅提供模型設計時的便利性，不產生最終的結果，根據模 型變量的定義，全概率可以表示為：
[0050] P(qi=Sr，…，qt=S.j，Oi，…，0t| 入）=，…，OtlqfSr，…，qt=SJ入）.P(qi =Sr，…，qt=S.j| 入）（1-1);
[0051] 假設：DOi，…，0t觀測值序列是一個典型的一階（first-order)馬爾可夫鏈，也就 是說qt僅由qti決定；2)t時刻的觀測值0t只由t時刻的狀態(tài)qt決定（獨立輸出假設）， 為此對于全概率：
[0052]
(1-2)；
[0053] 由于HMM可以看成是馬爾可夫模型和混合模型的組合，故觀測值可以看做是由N 個狀態(tài)共同作用而成，HMM混合模型中，兩個嵌入的隨機過程對應兩條鏈：顯性鏈（觀測值） 和隱性鏈（生育期），該隨機過程反映了作物生育期監(jiān)測和數據觀測本身存在的不確定性， 每個時間節(jié)點上的觀測值都可以看做是多個隱含物候期共同作用的結果，假設觀測量形成 N個簇，那么其可以構模成N個組分的混合，記每個組分的密度分布函數為h(0t)，那么觀測 值概率可以表示為：
[0054]
(1-3)；
[0055] 其中，JrJt)可以看作是第i個組分的權重，
[0056] HMM混合模型至少包含三種概率：初始概率、局部狀態(tài)轉移矩陣、觀測概率矩陣， 其中：
[0057] 初始概率：玉米的播種期主要集中在第14、15周，因此，第13周的玉米作物一般 處于預備期，初始概率可以通過統(tǒng)計該地區(qū)在同一時期的歷史記錄，比如：起始時間若為第 13周，則計算同期可用地面物候調查數據記錄的均值，將其作為初始概率。
[0058] 局部狀態(tài)轉移矩陣：隨玉米作物的生長而變化，例如：在玉米作物生長的初期，其 最有可能出現在生長初期對應的物候期，在轉移矩陣中，從當前發(fā)育階段轉移到其自身的 概率比較高，轉移到下一發(fā)育階段的概率比較低，但是隨著時間的推移，轉移到下一發(fā)育階 段的能力逐漸增強，而轉移到自身的能力逐漸減弱，直至消亡。一般來說，作物的物候期轉 移變化依賴于生物物理機理和外在影響玉米作物生長的因素。前者主要體現在玉米作物自 身的特性上，比如：育種對這種特性的改變；后者主要受外在條件，比如：土壤性質、地表高 程、日照、溫度、降雨、人類活動等。
[0059] 如圖2所示：具體來說及轉移概率a^(t)隨時間t變化而改變，我們假設玉米 發(fā)育階段在整個生育過程中為單向的，發(fā)育階段Si僅能轉移到其自身，或其下一發(fā)育階段 S1+1。a^(t)可通過公式（1-4)直接利用歸一化的地面物候調查數據數據進行計算：
[0060]
Q-4)：；
[0061] 其中，: 1。公式中有4種條件限制，前3種條件限制分別對應于最后一 發(fā)育階段（收割期）轉移到其自身、除了最后一發(fā)育階段的其他階段轉移到其自身、當前發(fā) 育階段轉移到其下一發(fā)育階段，如果qtl=S6，則除了a6,6(t)和a6,7(t)的其他轉移概率均 為0,a6,6(t)和a6,7(t)分別利用公式（1-4)的第2和3種條件限制進行計算，兩者之和為 1〇
[0062] 具體為：1)選取同一時間點的多年歸一化地面物候調查數據數據，計算其均值； 2)利用公式（1-4)計算出每個時間點的狀態(tài)轉移概率矩陣