本發(fā)明涉及圖像處理，尤其涉及一種基于無(wú)人機(jī)光譜數(shù)據(jù)的灌溉處方圖反演方法。

背景技術(shù)：

1、衛(wèi)星遙感、航空遙感和無(wú)人機(jī)遙感技術(shù)的發(fā)展，為獲取農(nóng)田信息提供了新的手段。傳統(tǒng)粗放式灌溉方式造成水資源浪費(fèi)，精準(zhǔn)農(nóng)業(yè)要求根據(jù)作物實(shí)際需水情況進(jìn)行精細(xì)化灌溉。

2、地形起伏導(dǎo)致太陽(yáng)輻射在不同坡度和坡向上的分布不均勻，從而影響地表接收到的能量。不同坡度和坡向上的植被，其生長(zhǎng)狀況和光譜特征也會(huì)受到地形的影響。傳統(tǒng)的遙感反演方法通常假設(shè)地表是水平的，忽略了地形的影響，導(dǎo)致在地形復(fù)雜的區(qū)域(如山地、丘陵)反演精度降低。地形效應(yīng)會(huì)影響植被指數(shù)的計(jì)算、溫度的反演、能量平衡模型的參數(shù)估算等，最終影響灌溉處方圖的準(zhǔn)確性。

3、傳統(tǒng)的遙感反演方法通常只依賴于單一類型的遙感數(shù)據(jù)，如多光譜數(shù)據(jù)或熱紅外數(shù)據(jù)。多光譜數(shù)據(jù)主要反映植被的生長(zhǎng)狀況和覆蓋度，但對(duì)土壤水分信息不敏感。熱紅外數(shù)據(jù)主要反映地表溫度，但容易受到大氣、植被覆蓋等因素的影響。單一數(shù)據(jù)源提供的信息有限，難以全面、準(zhǔn)確地反映作物的缺水狀況。

技術(shù)實(shí)現(xiàn)思路

1、基于此，有必要提供一種基于無(wú)人機(jī)光譜數(shù)據(jù)的灌溉處方圖反演方法，以解決至少一個(gè)上述技術(shù)問(wèn)題。

2、為實(shí)現(xiàn)上述目的，一種基于無(wú)人機(jī)光譜數(shù)據(jù)的灌溉處方圖反演方法，包括以下步驟：

3、步驟s1：對(duì)農(nóng)田區(qū)域進(jìn)行無(wú)人機(jī)數(shù)據(jù)采集，并進(jìn)行多源數(shù)據(jù)配準(zhǔn)與融合，得到融合數(shù)據(jù)集，其中融合數(shù)據(jù)集包括，多光譜圖像、熱紅外圖像、dem數(shù)據(jù)和氣象插值數(shù)據(jù)；

4、步驟s2：根據(jù)多光譜圖像、dem數(shù)據(jù)和無(wú)人機(jī)gps數(shù)據(jù)進(jìn)行微地貌參數(shù)計(jì)算，并進(jìn)行地形-光譜耦合模型構(gòu)建，得到地形起伏度圖和地形-光譜耦合模型；利用地形-光譜耦合模型進(jìn)行植被多維狀態(tài)分析，得到植被指數(shù)圖、冠層溫度圖和水分脅迫初判圖；

5、步驟s3：利用氣象插值數(shù)據(jù)進(jìn)行凈輻射計(jì)算，得到凈輻射圖；根據(jù)凈輻射圖、植被指數(shù)圖和地形起伏度圖進(jìn)行土壤熱通量估算，得到土壤熱通量圖；根據(jù)熱紅外圖像和冠層溫度圖進(jìn)行表觀熱慣量計(jì)算，并進(jìn)行感熱通量估算，得到表觀熱慣量圖和感熱通量圖；根據(jù)土壤熱通量圖、表觀熱慣量圖和感熱通量圖進(jìn)行蒸散發(fā)反演，得到蒸散發(fā)分布圖；

6、步驟s4：根據(jù)水分脅迫初判圖和蒸散發(fā)分布圖進(jìn)行樣本特征提取，并進(jìn)行缺水判斷，得到物候特征數(shù)據(jù)集和缺水診斷指數(shù)；

7、步驟s5：根據(jù)物候特征數(shù)據(jù)和缺水診斷指數(shù)進(jìn)行灌溉管理區(qū)劃分，并進(jìn)行灌溉量計(jì)算，灌溉處方圖。

8、本發(fā)明通過(guò)無(wú)人機(jī)遙感和氣象觀測(cè)獲取了高分辨率、多源的農(nóng)田數(shù)據(jù)，并通過(guò)一系列預(yù)處理和配準(zhǔn)融合操作，生成了包含多光譜、熱紅外、地形和氣象信息的融合數(shù)據(jù)集，為后續(xù)所有分析提供了全面、精確、一致的數(shù)據(jù)基礎(chǔ)。利用dem數(shù)據(jù)提取微地貌參數(shù)，構(gòu)建了地形-光譜耦合模型，并基于此模型對(duì)多光譜和熱紅外數(shù)據(jù)進(jìn)行校正，有效消除了地形對(duì)植被指數(shù)、冠層溫度等關(guān)鍵參數(shù)的影響，提高了這些參數(shù)在地形復(fù)雜區(qū)域的反演精度，為后續(xù)的能量平衡分析和缺水診斷奠定了基礎(chǔ)?；谀芰科胶庠?，利用多源數(shù)據(jù)反演了凈輻射、土壤熱通量、感熱通量和潛熱通量，并創(chuàng)新性地引入表觀熱慣量輔助蒸散發(fā)反演，最終得到了高精度的蒸散發(fā)分布圖。蒸散發(fā)是作物耗水的主要途徑，該步驟的成果為準(zhǔn)確評(píng)估作物需水量提供了關(guān)鍵信息。通過(guò)提取多維特征，利用機(jī)器學(xué)習(xí)方法構(gòu)建了缺水診斷模型，并生成了缺水診斷指數(shù)(wdi)。wdi能夠定量地反映作物缺水的嚴(yán)重程度，實(shí)現(xiàn)了從定性評(píng)估到定量診斷的轉(zhuǎn)變，為灌溉決策提供了更精細(xì)、更準(zhǔn)確的依據(jù)。根據(jù)wdi和氣象數(shù)據(jù)進(jìn)行灌溉分區(qū)，并結(jié)合潛在蒸散發(fā)、作物系數(shù)、實(shí)際蒸散發(fā)和土壤持水能力修正系數(shù)，精細(xì)化計(jì)算了每個(gè)分區(qū)的灌溉量，最終生成了灌溉處方圖。該處方圖能夠指導(dǎo)精準(zhǔn)灌溉系統(tǒng)實(shí)現(xiàn)按需、按量灌溉，是整個(gè)方法的核心成果，具有顯著的節(jié)水潛力。因此，本發(fā)明提供了一種基于無(wú)人機(jī)光譜數(shù)據(jù)的灌溉處方圖反演方法，通過(guò)構(gòu)建精細(xì)的地形-光譜耦合模型消除了地形效應(yīng)，并通過(guò)多源數(shù)據(jù)融合實(shí)現(xiàn)了多光譜、熱紅外、dem和氣象數(shù)據(jù)的協(xié)同反演，解決了現(xiàn)有方法在地貌和數(shù)據(jù)源的弊端問(wèn)題，提高了灌溉處方圖反演的精度和可靠性。

9、優(yōu)選地，步驟s1包括以下步驟：

10、步驟s11：在農(nóng)田內(nèi)均勻布設(shè)至少10個(gè)地面控制點(diǎn)，使用rtk?gnss接收機(jī)測(cè)量控制點(diǎn)坐標(biāo)，水平和垂直精度均優(yōu)于2cm，規(guī)劃無(wú)人機(jī)航線為東西向條帶狀飛行，航高設(shè)定為100米，航向重疊度80％，旁向重疊度70％，通過(guò)無(wú)人機(jī)對(duì)農(nóng)田區(qū)域進(jìn)行無(wú)人機(jī)數(shù)據(jù)采集，并同步獲取氣象數(shù)據(jù)，得到原始光譜數(shù)據(jù)、原始數(shù)字高程模型數(shù)據(jù)、無(wú)人機(jī)gps數(shù)據(jù)以及原始?xì)庀笳緮?shù)據(jù)；

11、步驟s12：對(duì)無(wú)人機(jī)光譜數(shù)據(jù)進(jìn)行光譜數(shù)據(jù)預(yù)處理，得到多光譜圖像和熱紅外圖像；

12、步驟s13：對(duì)數(shù)字高程模型數(shù)據(jù)進(jìn)行dem數(shù)據(jù)預(yù)處理，得到dem數(shù)據(jù)；

13、步驟s14：對(duì)原始?xì)庀笳緮?shù)據(jù)進(jìn)行氣象數(shù)據(jù)插值處理，得到氣象插值數(shù)據(jù)。

14、本發(fā)明通過(guò)獲取了高分辨率、多光譜/熱紅外的農(nóng)田影像，為精細(xì)化農(nóng)業(yè)監(jiān)測(cè)提供了數(shù)據(jù)基礎(chǔ)；同步gps和地面控制點(diǎn)數(shù)據(jù)保證了影像的幾何精度；同步氣象數(shù)據(jù)為后續(xù)能量平衡模型和作物生長(zhǎng)模型提供了必要的環(huán)境輸入，提高了模型精度。通過(guò)輻射定標(biāo)、幾何校正、大氣校正(熱紅外)和圖像配準(zhǔn)，消除了傳感器、幾何畸變和大氣的影響，得到了具有物理意義、空間一致且精確配準(zhǔn)的多光譜和熱紅外圖像，為后續(xù)定量分析和多源數(shù)據(jù)融合奠定了基礎(chǔ)。通過(guò)去噪、插值、平滑和坐標(biāo)轉(zhuǎn)換，提高了dem數(shù)據(jù)的質(zhì)量和精度，并保證了dem數(shù)據(jù)與遙感影像的空間一致性，為后續(xù)地形分析提供了可靠的數(shù)據(jù)。將離散的氣象站數(shù)據(jù)轉(zhuǎn)換為連續(xù)的空間分布數(shù)據(jù)，使其與遙感影像的空間分辨率相匹配，為能量平衡計(jì)算和作物生長(zhǎng)模型提供了空間化的氣象輸入?yún)?shù)。將多光譜、熱紅外、dem和氣象數(shù)據(jù)精確配準(zhǔn)并融合成多維數(shù)據(jù)立方體，實(shí)現(xiàn)了多源數(shù)據(jù)的有效整合，為后續(xù)綜合分析提供了全面、一致的數(shù)據(jù)支持，是提高灌溉處方圖精度的關(guān)鍵。

15、優(yōu)選地，步驟s2中所述的微地貌參數(shù)計(jì)算，并進(jìn)行地形-光譜耦合模型構(gòu)建具體為：

16、對(duì)dem數(shù)據(jù)進(jìn)行微地貌參數(shù)計(jì)算，根據(jù)水平和垂直方向上的高程差，計(jì)算出坡面法向量與正北方向的夾角，單位為度，范圍0-360度，其中0度表示正北，90度表示正東，180度表示正南，270度表示正西，定義一個(gè)5x5像素的窗口，計(jì)算窗口內(nèi)最大高程值與最小高程值之差，作為窗口中心像素的地形起伏度值，單位為米，得到坡度圖、坡向圖和地形起伏度圖；

17、根據(jù)無(wú)人機(jī)gps數(shù)據(jù)、坡度圖和坡向圖進(jìn)行太陽(yáng)幾何參數(shù)計(jì)算，得到太陽(yáng)高度角圖、太陽(yáng)方位角圖和入射角圖；

18、根據(jù)太陽(yáng)高度角圖、太陽(yáng)方位角圖和入射角圖進(jìn)行直接輻射校正系數(shù)計(jì)算，得到總直接輻射校正系數(shù)圖；

19、根據(jù)坡度圖和坡向圖進(jìn)行散射輻射校正系數(shù)計(jì)算，得到散射輻射校正系數(shù)圖；

20、對(duì)多光譜圖像進(jìn)行鄰近效應(yīng)校正系數(shù)計(jì)算，得到鄰近效應(yīng)校正系數(shù)圖；

21、根據(jù)總直接輻射校正系數(shù)圖、散射輻射校正系數(shù)圖以及鄰近效應(yīng)校正系數(shù)圖進(jìn)行分波段輻射傳輸模型構(gòu)建，得到地形-光譜耦合模型。

22、本發(fā)明通過(guò)利用處理后的dem數(shù)據(jù)，計(jì)算得到了坡度、坡向和地形起伏度這三個(gè)關(guān)鍵的微地貌參數(shù)。這些參數(shù)定量描述了農(nóng)田區(qū)域的微地形特征，為后續(xù)分析地形對(duì)輻射和植被指數(shù)的影響提供了基礎(chǔ)數(shù)據(jù)，是地形校正的關(guān)鍵輸入。結(jié)合無(wú)人機(jī)gps數(shù)據(jù)和微地貌參數(shù)，精確計(jì)算了每個(gè)像素的太陽(yáng)高度角、太陽(yáng)方位角和入射角。這些參數(shù)準(zhǔn)確描述了太陽(yáng)相對(duì)于地表的幾何位置，考慮了地形的影響，為后續(xù)輻射校正提供了關(guān)鍵的幾何信息，提高了輻射校正的精度?；谔?yáng)幾何參數(shù)，計(jì)算了總直接輻射校正系數(shù)，該系數(shù)定量描述了地形對(duì)直接太陽(yáng)輻射的影響。通過(guò)該系數(shù)，可以有效消除地形引起的直接輻射差異，為后續(xù)植被指數(shù)的準(zhǔn)確計(jì)算提供了保障?；谄露群推孪?，計(jì)算了散射輻射校正系數(shù)，該系數(shù)定量描述了地形對(duì)天空散射輻射的影響。通過(guò)該系數(shù)，可以有效消除地形引起的散射輻射差異，進(jìn)一步提高了輻射校正的精度。基于校正后的多光譜圖像，計(jì)算了鄰近效應(yīng)校正系數(shù)，該系數(shù)定量描述了相鄰像素之間的輻射相互影響。通過(guò)該系數(shù)，可以有效減弱地形復(fù)雜區(qū)域像素間的輻射干擾，提高了反射率數(shù)據(jù)的準(zhǔn)確性。整合了直接輻射校正系數(shù)、散射輻射校正系數(shù)和鄰近效應(yīng)校正系數(shù)，構(gòu)建了分波段的地形-光譜耦合模型。該模型綜合考慮了地形對(duì)太陽(yáng)輻射的各種影響，能夠?qū)⒂^測(cè)到的受地形影響的反射率校正為水平面反射率，為后續(xù)植被指數(shù)和水分指數(shù)的準(zhǔn)確計(jì)算提供了關(guān)鍵保障，是提高反演精度的核心。

23、優(yōu)選地，步驟s2中所述的植被多維狀態(tài)分析具體為：

24、利用多光譜圖像進(jìn)行光譜指數(shù)計(jì)算，得到初始光譜指數(shù)；利用地形-光譜耦合模型對(duì)初始光譜指數(shù)進(jìn)行光譜指數(shù)修正，得到植被指數(shù)圖和水分指數(shù)圖；

25、利用熱紅外圖像和植被指數(shù)圖進(jìn)行冠層溫度計(jì)算，得到冠層溫度圖；

26、根據(jù)植被指數(shù)圖、水分指數(shù)圖和冠層溫度圖進(jìn)行水分脅迫初判，得到水分脅迫初判圖。

27、本發(fā)明通過(guò)利用校正后的多光譜圖像，計(jì)算了ndvi和ndwi等初始光譜指數(shù)。這些指數(shù)能夠反映植被的生長(zhǎng)狀況和水分含量，為后續(xù)的植被狀態(tài)分析提供了初步的定量指標(biāo)。利用地形-光譜耦合模型對(duì)初始光譜指數(shù)進(jìn)行修正，消除了地形對(duì)光譜指數(shù)的影響，得到了更準(zhǔn)確的植被指數(shù)圖和水分指數(shù)圖。這提高了植被指數(shù)和水分指數(shù)在地形復(fù)雜區(qū)域的可靠性，為后續(xù)分析奠定了基礎(chǔ)。利用校正后的熱紅外圖像和校正后的植被指數(shù)圖，計(jì)算得到了冠層溫度圖。冠層溫度是作物水分狀況的重要指標(biāo)，該步驟為水分脅迫分析提供了關(guān)鍵的熱紅外信息。綜合利用校正后的植被指數(shù)圖、水分指數(shù)圖和冠層溫度圖，采用決策樹(shù)方法，生成了水分脅迫初判圖。該圖初步劃分了農(nóng)田的水分脅迫等級(jí)，為后續(xù)更精細(xì)的缺水診斷提供了基礎(chǔ)，實(shí)現(xiàn)了對(duì)作物水分狀況的初步評(píng)估。

28、優(yōu)選地，步驟s3中所述的土壤熱通量估算具體為：

29、根據(jù)植被指數(shù)圖進(jìn)行植被覆蓋度計(jì)算，得到植被覆蓋度圖；

30、根據(jù)地形起伏度圖進(jìn)行地形修正系數(shù)計(jì)算，得到地形修正系數(shù)圖；

31、對(duì)植被覆蓋度圖和地形修正系數(shù)圖進(jìn)行植被覆蓋度修正計(jì)算，得到修正后植被覆蓋度圖；

32、利用修正后植被覆蓋度圖和凈輻射圖進(jìn)行土壤熱通量與凈輻射的比值估算，得到g/rn比值圖，其中g(shù)為土壤熱通量，rn為凈輻射值；

33、根據(jù)g/rn比值圖進(jìn)行土壤熱通量計(jì)算，得到土壤熱通量圖。

34、本發(fā)明通過(guò)利用校正后的植被指數(shù)圖(ndvi)，通過(guò)像元二分模型計(jì)算得到了植被覆蓋度圖。植被覆蓋度是影響地表能量平衡的關(guān)鍵參數(shù)，該步驟為后續(xù)土壤熱通量的估算提供了重要的植被信息。利用地形起伏度圖計(jì)算了地形修正系數(shù)。地形起伏度反映了地表的粗糙程度，該系數(shù)考慮了地形對(duì)植被覆蓋度計(jì)算的影響，提高了植被覆蓋度估算的準(zhǔn)確性，特別是在地形復(fù)雜的區(qū)域。將植被覆蓋度圖與地形修正系數(shù)圖相結(jié)合，得到了修正后的植被覆蓋度圖。該圖更準(zhǔn)確地反映了實(shí)際的植被覆蓋情況，進(jìn)一步提高了后續(xù)土壤熱通量估算的精度。利用修正后的植被覆蓋度圖和凈輻射圖，估算了土壤熱通量與凈輻射的比值(g/rn)。g/rn是估算土壤熱通量的關(guān)鍵參數(shù)，該步驟通過(guò)經(jīng)驗(yàn)公式建立了g/rn與植被覆蓋度的關(guān)系，為土壤熱通量的計(jì)算提供了依據(jù)。利用g/rn比值圖和凈輻射圖，計(jì)算得到了土壤熱通量圖。土壤熱通量是地表能量平衡的重要組成部分，該步驟的計(jì)算結(jié)果為后續(xù)潛熱通量和蒸散發(fā)的反演提供了關(guān)鍵輸入，是能量平衡閉合的關(guān)鍵環(huán)節(jié)。

35、優(yōu)選地，步驟s3中所述的表觀熱慣量計(jì)算，并進(jìn)行感熱通量估算具體為：

36、對(duì)熱紅外圖像進(jìn)行不同時(shí)相的溫度數(shù)據(jù)提取，得到溫度數(shù)據(jù)集；

37、根據(jù)氣象插值數(shù)據(jù)和溫度數(shù)據(jù)集進(jìn)行表觀熱慣量計(jì)算，得到表觀熱慣量圖；

38、根據(jù)冠層溫度圖、氣象插值數(shù)據(jù)和植被指數(shù)圖進(jìn)行感熱通量估算，得到感熱通量圖。

39、本發(fā)明通過(guò)從校正后的熱紅外圖像中提取了至少兩個(gè)不同時(shí)相的亮度溫度數(shù)據(jù)，為計(jì)算表觀熱慣量提供了必要的時(shí)間序列溫度信息。選擇溫差較大的時(shí)相，有助于提高表觀熱慣量計(jì)算的準(zhǔn)確性。利用不同時(shí)相的溫度數(shù)據(jù)、氣象數(shù)據(jù)(太陽(yáng)輻射)和地表反照率，計(jì)算得到了表觀熱慣量圖。表觀熱慣量反映了土壤熱特性和水分狀況，為后續(xù)的蒸散發(fā)反演和灌溉量計(jì)算提供了重要的土壤信息。利用冠層溫度圖、氣象插值數(shù)據(jù)(風(fēng)速、空氣溫度)和校正后的植被指數(shù)圖，采用空氣動(dòng)力學(xué)方法估算了感熱通量圖。感熱通量是地表能量平衡的另一重要組成部分，該步驟的計(jì)算結(jié)果與凈輻射、土壤熱通量一起，為潛熱通量和蒸散發(fā)的反演提供了關(guān)鍵輸入，保證了能量平衡的閉合。

40、優(yōu)選地，步驟s3中所述的蒸散發(fā)反演具體為：

41、根據(jù)凈輻射圖、表觀熱慣量圖和感熱通量圖進(jìn)行潛熱通量計(jì)算，得到潛熱通量圖；

42、根據(jù)氣象插值數(shù)據(jù)中的空氣溫度進(jìn)行汽化潛熱計(jì)算，得到汽化潛熱圖；

43、根據(jù)潛熱通量圖和汽化潛熱圖進(jìn)行初始蒸散發(fā)計(jì)算，得到初始蒸散發(fā)圖；

44、利用表觀熱慣量圖輔助選擇冷像素，并利用初始蒸散發(fā)圖輔助選擇熱像素，得到冷像素集和熱像素集；

45、計(jì)算冷像素的平均潛熱通量和熱像素的平均感熱通量，進(jìn)行蒸散發(fā)比例因子計(jì)算，得到蒸散發(fā)比例因子圖；

46、計(jì)算冷像素的平均蒸散發(fā)量，根據(jù)蒸散發(fā)比例因子圖進(jìn)行最終蒸散發(fā)計(jì)算，得到蒸散發(fā)分布圖。

47、本發(fā)明通過(guò)利用凈輻射圖、土壤熱通量圖和感熱通量圖，根據(jù)能量平衡原理計(jì)算得到了潛熱通量圖。潛熱通量是蒸散發(fā)過(guò)程消耗的能量，該步驟的計(jì)算結(jié)果直接關(guān)系到蒸散發(fā)的反演精度，是能量平衡閉合的最終環(huán)節(jié)。利用氣象插值數(shù)據(jù)中的空氣溫度，計(jì)算得到了汽化潛熱圖。汽化潛熱是水從液態(tài)轉(zhuǎn)變?yōu)闅鈶B(tài)所需的能量，該參數(shù)將潛熱通量與蒸散發(fā)量聯(lián)系起來(lái)，是能量單位與水量單位轉(zhuǎn)換的關(guān)鍵。利用潛熱通量圖和汽化潛熱圖，計(jì)算得到了初始蒸散發(fā)圖。該圖提供了蒸散發(fā)的初步估算，為后續(xù)的蒸散發(fā)精化計(jì)算提供了基礎(chǔ)。利用表觀熱慣量圖輔助選擇冷像素(高ati、高ndvi)，利用初始蒸散發(fā)圖輔助選擇熱像素(低eti、低ndvi)。這種方法比傳統(tǒng)方法更客觀、更可靠，提高了冷、熱像素選擇的準(zhǔn)確性，為蒸散發(fā)比例因子的計(jì)算提供了關(guān)鍵的端點(diǎn)像元?；诶?、熱像素的平均潛熱通量和感熱通量，計(jì)算得到了蒸散發(fā)比例因子圖。該因子反映了當(dāng)前時(shí)刻蒸散發(fā)占潛在蒸散發(fā)的比例，是計(jì)算實(shí)際蒸散發(fā)的關(guān)鍵參數(shù)。利用蒸散發(fā)比例因子圖和冷像素的平均蒸散發(fā)量(作為潛在蒸散發(fā))，計(jì)算得到了最終的蒸散發(fā)分布圖。該圖提供了高空間分辨率的農(nóng)田實(shí)際蒸散發(fā)信息，是進(jìn)行缺水診斷和制定灌溉處方圖的關(guān)鍵依據(jù)。

48、優(yōu)選地，步驟s4包括以下步驟：

49、步驟s41：獲取歷史灌溉數(shù)據(jù)；對(duì)歷史灌溉數(shù)據(jù)、水分脅迫初判圖和蒸散發(fā)分布圖進(jìn)行樣本數(shù)據(jù)預(yù)處理，得到樣本數(shù)據(jù)集；

50、步驟s42：對(duì)樣本數(shù)據(jù)集進(jìn)行多維特征提取，得到物候特征數(shù)據(jù)集；

51、步驟s43：根據(jù)特征數(shù)據(jù)集進(jìn)行模型選擇與訓(xùn)練，得到缺水診斷模型；

52、步驟s44：將特征數(shù)據(jù)集輸入至缺水診斷模型進(jìn)行缺水診斷指數(shù)生成，得到缺水診斷指數(shù)。

53、本發(fā)明通過(guò)將歷史灌溉數(shù)據(jù)、土壤濕度數(shù)據(jù)、作物產(chǎn)量數(shù)據(jù)與水分脅迫初判圖、蒸散發(fā)分布圖進(jìn)行時(shí)空匹配和整合，并進(jìn)行數(shù)據(jù)清洗和標(biāo)準(zhǔn)化處理，構(gòu)建了高質(zhì)量的樣本數(shù)據(jù)集。該數(shù)據(jù)集為缺水診斷模型的訓(xùn)練提供了可靠的、具有代表性的樣本，是模型構(gòu)建的基礎(chǔ)。從樣本數(shù)據(jù)中提取了累積蒸散發(fā)量、水分虧缺指數(shù)、時(shí)間特征、歷史灌溉特征以及氣象特征的統(tǒng)計(jì)值等多維特征，并結(jié)合了地形特征。這些特征綜合考慮了影響作物缺水的多種因素，提高了模型的輸入信息量，為模型的準(zhǔn)確預(yù)測(cè)提供了更全面的信息。選擇了隨機(jī)森林回歸模型作為缺水診斷模型，并利用訓(xùn)練集、驗(yàn)證集和測(cè)試集對(duì)模型進(jìn)行訓(xùn)練、調(diào)參和評(píng)估。隨機(jī)森林模型具有較強(qiáng)的非線性擬合能力和抗噪能力，能夠有效處理多維特征輸入，提高了模型的預(yù)測(cè)精度和泛化能力。將特征數(shù)據(jù)集輸入到訓(xùn)練好的缺水診斷模型中，生成了缺水診斷指數(shù)(wdi)。wdi是一個(gè)連續(xù)的數(shù)值，能夠定量地表示作物缺水的嚴(yán)重程度，為灌溉決策提供了更精細(xì)、更準(zhǔn)確的依據(jù)，實(shí)現(xiàn)了從定性評(píng)估到定量診斷的轉(zhuǎn)變。

54、優(yōu)選地，步驟s5包括以下步驟：

55、步驟s51：根據(jù)缺水診斷指數(shù)和氣象插值數(shù)據(jù)進(jìn)行wdi閾值設(shè)定與分級(jí)，得到wdi分級(jí)圖；

56、步驟s52：根據(jù)wdi分級(jí)圖進(jìn)行灌溉管理區(qū)劃分，得到灌溉管理區(qū)劃圖；

57、步驟s53：根據(jù)物候特征數(shù)據(jù)和灌溉管理區(qū)劃圖進(jìn)行灌溉量計(jì)算，得到灌溉量分配表；

58、步驟s54：按照灌溉管理區(qū)劃圖的空間位置對(duì)灌溉量分配表中的灌溉量信息進(jìn)行柵格像素賦值，得到灌溉處方圖。

59、本發(fā)明通過(guò)根據(jù)缺水診斷指數(shù)(wdi)、氣象數(shù)據(jù)(特別是未來(lái)降雨預(yù)報(bào))，結(jié)合作物需水特性和歷史灌溉經(jīng)驗(yàn)，設(shè)定了wdi閾值，并將農(nóng)田劃分為不同的缺水等級(jí)。這種方法考慮了未來(lái)的天氣情況，實(shí)現(xiàn)了灌溉決策的動(dòng)態(tài)調(diào)整，提高了灌溉的針對(duì)性和時(shí)效性。根據(jù)wdi分級(jí)圖，采用區(qū)域生長(zhǎng)算法，將農(nóng)田劃分為不同的灌溉管理區(qū)。這種分區(qū)管理方式考慮了作物缺水狀況的空間差異性，并結(jié)合了灌溉系統(tǒng)的實(shí)際布局，便于實(shí)現(xiàn)精準(zhǔn)灌溉，提高了灌溉效率。根據(jù)物候特征數(shù)據(jù)和灌溉管理區(qū)劃圖，采用基于作物需水量的方法，計(jì)算了每個(gè)管理區(qū)的灌溉量。這種方法綜合考慮了作物類型、生長(zhǎng)階段、氣象條件和土壤持水能力，實(shí)現(xiàn)了灌溉量的精細(xì)化計(jì)算，避免了過(guò)度灌溉或灌溉不足，提高了水資源利用效率。將灌溉量分配表中的信息按照灌溉管理區(qū)劃圖的空間位置賦值給柵格像素，生成了灌溉處方圖。該圖以直觀的方式展現(xiàn)了農(nóng)田不同區(qū)域的灌溉需求，可以直接用于指導(dǎo)精準(zhǔn)灌溉系統(tǒng)的運(yùn)行，實(shí)現(xiàn)了從數(shù)據(jù)分析到實(shí)際應(yīng)用的轉(zhuǎn)化，是整個(gè)方法的核心成果。

60、優(yōu)選地，步驟s53具體為：

61、根據(jù)氣象插值數(shù)據(jù)進(jìn)行潛在蒸散發(fā)計(jì)算，得到潛在蒸散發(fā)圖；

62、根據(jù)物候特征數(shù)據(jù)和植被指數(shù)圖進(jìn)行作物系數(shù)計(jì)算，得到作物系數(shù)圖；

63、根據(jù)蒸散發(fā)分布圖、作物系數(shù)圖和潛在蒸散發(fā)圖進(jìn)行實(shí)際蒸散發(fā)估算，得到實(shí)際蒸散發(fā)圖；

64、根據(jù)表觀熱慣量圖進(jìn)行土壤持水能力修正系數(shù)計(jì)算，得到土壤持水能力修正系數(shù)圖；

65、根據(jù)實(shí)際蒸散發(fā)圖進(jìn)行灌溉量初步計(jì)算，得到初步灌溉量圖；

66、利用土壤持水能力修正系數(shù)圖對(duì)初步灌溉量圖進(jìn)行灌溉量修正，得到修正后灌溉量圖；

67、根據(jù)修正后灌溉量圖和灌溉管理區(qū)劃圖進(jìn)行灌溉量分配，得到灌溉量分配表。

68、本發(fā)明通過(guò)利用氣象插值數(shù)據(jù)，采用penman-monteith公式計(jì)算得到了潛在蒸散發(fā)圖。潛在蒸散發(fā)是計(jì)算作物需水量的基準(zhǔn)，該步驟為灌溉量計(jì)算提供了重要的氣象依據(jù)。根據(jù)物候特征數(shù)據(jù)和校正后的植被指數(shù)圖，采用分段線性函數(shù)法計(jì)算得到了作物系數(shù)圖。作物系數(shù)反映了不同作物、不同生長(zhǎng)階段的需水差異，該步驟將作物需水特性與遙感數(shù)據(jù)相結(jié)合，提高了灌溉量計(jì)算的針對(duì)性。利用步驟s3得到的蒸散發(fā)分布圖作為實(shí)測(cè)蒸散發(fā)，該圖提供了高空間分辨率的農(nóng)田實(shí)際蒸散發(fā)信息，避免模型估算帶來(lái)的誤差。利用表觀熱慣量圖計(jì)算得到了土壤持水能力修正系數(shù)圖。該系數(shù)反映了土壤的保水能力，考慮了土壤因素對(duì)灌溉需求的影響，使得灌溉量計(jì)算更加符合實(shí)際情況。利用實(shí)際蒸散發(fā)圖計(jì)算得到初步灌溉量圖，該圖反映了農(nóng)田尺度的實(shí)際需水量。利用土壤持水能力修正系數(shù)圖對(duì)初步灌溉量圖進(jìn)行了修正，得到了修正后灌溉量圖。該修正考慮了土壤因素對(duì)灌溉需求的影響，使得灌溉量計(jì)算更加符合實(shí)際情況，避免了對(duì)保水能力強(qiáng)的區(qū)域的過(guò)度灌溉。根據(jù)修正后灌溉量圖和灌溉管理區(qū)劃圖，計(jì)算得到了灌溉量分配表。該表將灌溉量與灌溉管理區(qū)對(duì)應(yīng)起來(lái)，為灌溉處方圖的生成提供了最終的定量數(shù)據(jù)，實(shí)現(xiàn)了從連續(xù)的灌溉量圖到分區(qū)管理的灌溉量的轉(zhuǎn)換。