[发明专利]耕地质量评价方法及相关装置

权利要求书

1.一种耕地质量评价方法，其特征在于，包括：

通过预设遥感装置获取目标耕地的总初级生产力；

通过经验贝叶斯克里金插值法对所述总初级生产力进行数据降尺度处理，以将所述预设遥感装置对应的产品缩小到预设分辨率；

通过皮尔逊乘积矩相关性确定所述目标耕地中作物生长的关键期以及所述关键期对应的总初级生产力；

建立偏最小二乘回归法计算模型，获取训练样本并利用所述训练样本对所述偏最小二乘回归法计算模型进行训练；

将所述关键期对应的总初级生产力输入至所述偏最小二乘回归法计算模型中以实现对所述目标耕地的质量评价。

2.根据权利要求1所述的耕地质量评价方法，其特征在于，所述通过经验贝叶斯克里金插值法对所述总初级生产力进行数据降尺度处理，以将所述预设遥感装置对应的产品缩小到预设分辨率的步骤，包括：

将预设遥感装置获取的图像划分为预设数量的子集；

以克里金方程式预测总初级生产力值：

其中Z_(xi),(i＝1,…,n)是x_i,λ_i,(i＝1,2,3…,n)处的总初级生产力值，表示使用交叉变异函数的参数生成的克里金权重，s_i,(i＝1,…,n)基于和之间的交叉变量估计的克里格权重，n表示观察的总数，变量U_(xi)是一个标准等级，计算式为：

其中，R表示总初级生产力在x_i位置的陆地表面的R阶统计量的等级；

使用预设工具将所述预设遥感装置中预设数量的子集缩小到预设空间分辨率。

3.根据权利要求2所述的耕地质量评价方法，其特征在于，所述使用预设工具将所述预设遥感装置中预设数量的子集缩小到预设空间分辨率的步骤，包括：

使用ArcGIS 10.3Geostatistical Analyst工具的经验贝叶斯克里金插值法将MODISGPP产品缩小到30m空间分辨率。

4.根据权利要求1所述的耕地质量评价方法，其特征在于，所述通过皮尔逊乘积矩相关性确定所述目标耕地中作物生长的关键期以及所述关键期对应的总初级生产力的步骤，包括：

使用皮尔逊乘积矩相关性量化了两个变量之间的线性关系，获得在显着性水平为0.05时具有最高系数的光谱变量，计算公式为：

其中r_i是生长期与耕地质量之间的相关系数，N是耕地质量样本的总数，R_ni是第n个耕地质量样本的第i个生长阶段，是第i个生长阶段的耕地质量样本值的平均值，y是第n个耕地质量，是耕地质量的平均值。

5.根据权利要求4所述的耕地质量评价方法，其特征在于，所述目标耕地中作物生长的关键期包括：分蘖期、拔节期、抽穗期以及成熟期；

所述通过皮尔逊乘积矩相关性确定所述目标耕地中作物生长的关键期以及所述关键期对应的总初级生产力的步骤之后，还包括：

使用方差膨胀因子来缓解总初级生产力预测变量之间的共线性，计算公式为：

其中，是第i个预测变量和其余独立变量之间的确定系数。

6.根据权利要求1所述的耕地质量评价，其特征在于，所述建立偏最小二乘回归法计算模型，获取训练样本并利用所述训练样本对所述偏最小二乘回归法计算模型进行训练的步骤，包括：

建立偏最小二乘归回法计算模型，其公式为：

Y＝Xβ+ε

其中Y是响应变量总初级生产力，X是不同阶段的预测变量GPP，β是回归系数，而ε是残差；

获取训练样本并利用所述训练样本对所述偏最小二乘回归法计算模型进行训练。

7.根据权利要求6所述的耕地质量评价方法，其特征在于，所述获取训练样本并利用所述训练样本对所述偏最小二乘回归法计算模型进行训练的步骤，包括：

获取预设时间段内的预设数量的训练样本，以四个关键生长阶段包括：分蘖期、拔节期、抽穗期以及成熟期的总初级生产力作为预测因子，而耕地质量作为响应变量以对所述偏最小二乘回归法计算模型进行训练。