本发明涉及农业监测，尤其涉及一种基于遥感卫星数据的耕地变化监测方法及系统。
背景技术：
1、农业监测技术领域专注于利用遥感技术、地理信息系统、卫星影像数据和数据分析方法，对农业环境和农作物的生长情况进行实时监控和评估，通过分析从卫星遥感设备获取的批量数据，农业监测技术能够提供关于土地覆盖、土壤湿度、作物健康状况及其变化的宝贵信息，从而辅助决策者、农业生产者和环境管理者做出基于数据的决策，优化资源分配，提高农业生产效率，同时保护环境。
2、其中，一种基于遥感卫星数据的耕地变化监测方法通过分析遥感卫星数据，精确监测耕地的变化情况，包括耕地面积的扩张或减少、作物种植情况的变更和耕地使用方式的转变。为支持农业政策的制定、土地资源管理和农业可持续发展提供一种高效、准确的监测工具，通过对耕地变化的连续监控，该方法提高了对农业生态变化的响应速度和处理能力，促进资源的合理利用和农业生产的科学管理。
3、传统耕地变化监测方法在实际操作中多依赖于单一技术或算法，缺乏对数据的深层次分析和综合利用，限制了监测的精确性和应对能力，传统耕地变化监测方法难以处理大规模的遥感数据，导致土壤特性分析不够全面，影响了土壤管理的精准度，作物健康监测多依赖于视觉评估或简单的遥感数据分析，未能实现病害的早期识别和精细管理，灾害影响评估的不足限制了灾害应对措施的时效性和有效性，导致资源分配不佳，农业生产效率提升受阻，环境保护力度不足。
技术实现思路
1、本发明的目的在于克服上述传统技术的不足之处，提供一种基于遥感卫星数据的耕地变化监测方法及系统。
2、本发明的目的是通过以下技术措施来达到的：
3、一种基于遥感卫星数据的耕地变化监测方法，包括以下步骤：
4、s1：基于遥感卫星数据，采用k-均值聚类算法，结合处理后的图形信息，包括辐射校正和大气校正，将土地类型分为耕地和非耕地，生成耕地区域划分信息；
5、s2：基于所述耕地区域划分信息，采用光谱分析方法，结合遥感图像中的光谱信息与土壤光谱数据库，从光谱数据中提取特征值，包括反射率和吸收特性，通过支持向量机算法，进行土壤特性分析，包括土壤肥力、ph值和有机质，对土壤类型进行分类，生成耕地质量基础信息；
6、s3：基于所述耕地覆盖区域划分信息，采用长短期记忆网络，通过时间序列数据，分析土壤湿度的变化趋势，结合归一化差异水分指数增强模型，识别干旱和过湿区域，生成耕地湿度分布信息；
7、s4：基于所述耕地覆盖区域划分信息，采用随机森林算法，对作物生长周期内的遥感数据进行分析，识别作物健康状况的多种指标，包括叶绿素含量和生物量，提供作物生长状态的多维评估，包括早期病害的检测，生成作物生长状态评估结果；
8、s5：基于所述耕地区域划分信息和作物健康监测信息，通过卷积神经网络和决策树算法，结合灾前灾后遥感图像数据，分析灾害影响，包括灾害对作物覆盖度、土壤侵蚀情况的影响，生成灾害影响分析结果；
9、s6：基于所述耕地质量基础信息，采用克里金插值法，估计未采样点土壤特性，结合主成分分析，对土壤物理化学特性进行空间分析，识别影响土壤质量关键因素，揭示土壤特性空间分布和变异性，生成土壤特性分析结果；
10、s7：基于所述耕地湿度分布信息、作物生长状态评估结果、灾害影响分析结果、土壤特性分析结果，采用多标准决策分析和人工神经网络，分析多种农业管理活动，包括灌溉计划、施肥方案和病虫害防治措施，通过训练数据识别耕地管理策略，匹配符合耕地状况的管理策略，生成耕地资源管理方案。
11、作为本发明的进一步方案，所述耕地区域划分信息包括耕地边界坐标、耕地总面积和非耕地区域特征，所述耕地质量基础信息包括土壤类型分类结果、关键肥力指标值和土壤改良方案，所述耕地湿度分布信息包括干旱风险区域、过湿风险区域和正常水分区域，所述作物生长状态评估结果包括健康作物面积、受病害影响作物面积和生长趋势预测信息，所述灾害影响分析结果包括受灾作物面积、土壤侵蚀程度和预估恢复时间，所述土壤特性分析结果包括土壤物理特性分布图、化学特性分布图和土壤改良优先级区域，所述耕地资源管理方案包括灌溉优化方案、施肥优化方案和病虫害防控策略。
12、作为本发明的进一步方案，基于遥感卫星数据，采用k-均值聚类算法，结合处理后的图形信息，包括辐射校正和大气校正，将土地类型分为耕地和非耕地，生成耕地区域划分信息的步骤具体为：
13、s101：基于遥感卫星数据，采用绝对辐射定标法，校正传感器的系统偏差，使用modtran模型，消除大气散射和吸收的影响，包括雾和云的散射效应，生成校正后的遥感图像；
14、s102：基于所述校正后的遥感图像，采用k-均值聚类算法，分析图像数据，设置聚类数量，划分土地覆盖类型，包括水体、建筑物、海拔，生成地表类型识别信息；
15、s103：基于所述地表类型识别信息，采用支持向量机算法，识别耕地和非耕地区域，包括森林、水域、草地、耕地类型，结合地籍数据和土地使用记录，验证识别结果，生成耕地区域划分信息。
16、作为本发明的进一步方案，基于所述耕地区域划分信息，采用光谱分析方法，结合遥感图像中的光谱信息与土壤光谱数据库，从光谱数据中提取特征值，包括反射率和吸收特性，通过支持向量机算法，进行土壤特性分析，包括土壤肥力、ph值和有机质，对土壤类型进行分类，生成耕地质量基础信息的步骤具体为：
17、s201：基于所述耕地区域划分信息，采用光谱分析方法，通过遥感图像信息，提取光谱特征和土壤光谱数据库中的光谱信息进行对比，包括反射率和吸收特性，识别多种土壤类型的光谱特征值，生成土壤光谱特征数据；
18、s202：基于所述土壤光谱特征数据，采用支持向量机算法，将提取的特征值输入支持向量机模型中，进行土壤特性分析，识别多种土壤特性，包括土壤肥力、ph值和有机质，生成土壤特性分类结果；
19、s203：基于所述土壤特性分类结果，采用分类决策过程，通过分析耕地区域的土壤特性数据，对区域内土壤类型的进行分类，识别区域内土地耕地质量，生成耕地质量基础信息。
20、作为本发明的进一步方案，基于所述耕地覆盖区域划分信息，采用长短期记忆网络，通过时间序列数据，分析土壤湿度的变化趋势，结合归一化差异水分指数增强模型，识别干旱和过湿区域，生成耕地湿度分布信息的步骤具体为：
21、s301：基于所述耕地覆盖区域划分信息，采用长短期记忆网络，结合对应耕地区域的时间序列遥感数据，模拟和分析土壤湿度随时间的变化趋势，生成土壤湿度变化趋势数据；
22、s302：基于所述土壤湿度变化趋势数据，应用归一化差异水分指数增强模型，通过比较差异化波长的反射率差异，对多个时间点的土壤湿度进行分析，识别土壤和植被的水分状况，生成土壤湿度分析数据；
23、s303：基于所述土壤湿度分析数据，采用阈值分析法和数据分类技术，通过设定湿度阈值，区分干旱、正常和过湿的土壤湿度条件，通过比较土壤湿度指数与预设的干旱和过湿阈值，识别多个区域的土壤湿度状态，生成耕地湿度分布信息。
24、作为本发明的进一步方案，基于所述耕地覆盖区域划分信息，采用随机森林算法，对作物生长周期内的遥感数据进行分析，识别作物健康状况的多种指标，包括叶绿素含量和生物量，提供作物生长状态的多维评估，包括早期病害的检测，生成作物生长状态评估结果的步骤具体为：
25、s401：基于所述耕地覆盖区域划分信息，采用随机森林算法，分析作物生长周期内的遥感数据，包括反射率和光谱指数，识别作物的关键特征，包括植被指数和水分指数，生成作物生长特征数据；
26、s402：基于所述作物生长特征数据，应用逻辑回归分析，根据作物生长关键特征，分析作物健康状态，包括正常、轻度受损和重度受损，评估作物的健康状况，生成作物健康分析信息；
27、s403：基于所述作物健康分析信息，采用决策树分析和主成分分析，结合多个健康指标，分析作物生长状态，获取作物健康评分，识别作物的整体生长状况和耕地问题区域，包括早期病害，生成作物生长状态评估结果。
28、作为本发明的进一步方案，基于所述耕地区域划分信息和作物健康监测信息，通过卷积神经网络和决策树算法，结合灾前灾后遥感图像数据，分析灾害影响，包括灾害对作物覆盖度、土壤侵蚀情况的影响，生成灾害影响分析结果的步骤具体为：
29、s501：基于所述耕地区域划分信息和作物健康监测信息，采用卷积神经网络，进行图像特征提取，识别灾害对作物覆盖度变化的影响，生成灾害特征提取数据；
30、s502：基于所述灾害特征提取数据，采用随机森林算法，对影响作物覆盖度的因素进行分析和分类，分析多种灾害特征对作物覆盖度的影响，包括植被指数变化、土壤裸露度，识别关键影响因素，生成作物覆盖度影响因素分析结果；
31、s503：基于所述作物覆盖度影响因素分析结果，采用决策树算法，通过分析作物覆盖度减少与土壤侵蚀情况的关联性，评估灾害对土壤侵蚀的影响，包括侵蚀程度和分布区域，生成灾害影响分析结果。
32、作为本发明的进一步方案，基于所述耕地质量基础信息，采用克里金插值法，估计未采样点土壤特性，结合主成分分析，对土壤物理化学特性进行空间分析，识别影响土壤质量关键因素，揭示土壤特性空间分布和变异性，生成土壤特性分析结果的步骤具体为：
33、s601：基于所述耕地质量基础信息，采用克里金插值法，通过已有的土壤样本数据，根据空间距离和相似性，预估未采样位置的土壤特性，包括ph值、有机质含量和土壤密度，生成土壤特性插值数据；
34、s602：基于所述土壤特性插值数据，采用主成分分析，通过计算土壤特性数据的协方差矩阵，对土壤的物理化学特性进行特征选择和特征提取，结合多种土壤特征的贡献率，识别关键特征，生成土壤关键特性数据集；
35、s603：基于所述土壤关键特性数据集，使用地理信息系统技术，进行空间映射和趋势分析，分析土壤质量的空间分布模式和影响因素，识别影响土壤质量的关键因素，获取土壤特性的空间分布和变异性，生成土壤特性分析结果。
36、作为本发明的进一步方案，基于所述耕地湿度分布信息、作物生长状态评估结果、灾害影响分析结果、土壤特性分析结果，采用多标准决策分析和人工神经网络，分析多种农业管理活动，包括灌溉计划、施肥方案和病虫害防治措施，通过训练数据识别耕地管理策略，匹配符合耕地状况的管理策略，生成耕地资源管理方案的步骤具体为：
37、s701：基于所述耕地湿度分布信息、作物生长状态评估结果、灾害影响分析结果、土壤特性分析结果，采用层次分析法，通过构建评价标准的层次结构、进行成对比较计算权重、一致性检验，优化评价的准确性和可靠性，生成耕地管理方案评估结果；
38、s702：基于所述耕地管理方案评估结果，采用人工神经网络，通过输入灌溉、施肥、病虫害防治方案的量化指标，训练和优化多层感知器模型，生成耕地管理策略集；
39、s703：基于所述耕地管理策略集，采用决策支持系统，评估耕地管理策略效果，应用综合评价模型，结合耕地状态和管理目标，通过加权总和模型和优先级排序，调整和匹配管理策略，生成耕地资源管理方案。
40、一种基于遥感卫星数据的耕地变化监测系统，所述基于遥感卫星数据的耕地变化监测系统用于执行上述基于遥感卫星数据的耕地变化监测方法，所述系统包括图像预处理模块、耕地区域划分模块、土壤特性与湿度分析模块、作物生长状态评估模块、灾害影响分析模块、耕地资源管理策略模块；
41、所述图像预处理模块基于遥感卫星数据，采用绝对辐射定标法和中等分辨率大气传输模型，消除图像的大气散射和吸收影响，优化数据的准确性和可靠性，生成校正后的遥感图像；
42、所述耕地区域划分模块基于校正后的遥感图像，应用k-均值聚类算法，识别土地类型，包括耕地和非耕地，通过迭代优化，识别耕地的边界和面积，生成耕地区域划分信息；
43、所述土壤特性与湿度分析模块基于耕地区域划分信息，采用光谱分析方法，识别土壤特性特征值，利用长短期记忆网络，分析土壤湿度变化趋势，结合归一化差异水分指数增强模型，评估土壤的物理和化学属性和水分状况，生成土壤特性与湿度分析结果；
44、所述作物生长状态评估模块基于耕地区域划分信息，采用随机森林算法，分析作物生长周期内的遥感数据，包括反射率和光谱指数，评估作物健康状态，包括叶绿素含量和生物量，生成作物生长状态评估结果；
45、所述灾害影响分析模块基于耕地区域划分信息、作物生长状态评估结果，采用卷积神经网络和决策树算法，分析灾害对作物覆盖度和土壤侵蚀情况的影响，生成灾害影响分析结果；
46、所述耕地资源管理策略模块基于土壤特性与湿度分析结果、作物生长状态评估结果和灾害影响分析结果，采用多标准决策分析和人工神经网络，分析和优化农业管理活动，包括灌溉、施肥和病虫害防治措施，通过深度学习模型训练和优化，生成耕地资源管理方案。
47、与现有技术相比，本发明的优点和积极效果在于：
48、本发明中，通过k-均值聚类算法结合遥感数据处理技术，识别耕地与非耕地区域，为后续分析提供了准确的基础数据，采用支持向量机算法和光谱分析方法，优化土壤特性分析结果，评估土壤肥力、ph值和有机质指标，利用长短期记忆网络和归一化差异水分指数增强模型，提高对土壤湿度变化趋势的监测能力，识别干旱和过湿区域，通过随机森林算法，加强作物健康状况的多维评估，包括早期病害的检测，提升作物管理的科学性，利用卷积神经网络和决策树算法，结合灾前灾后遥感图像，有效分析灾害的影响，为灾害应对提供科学依据。采用克里金插值法和主成分分析，分析土壤特性的分布和变异性，为土地资源管理提供精确的数据支持，结合多标准决策分析和人工神经网络，为耕地管理提供多维的策略和方案。
1.一种基于遥感卫星数据的耕地变化监测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于遥感卫星数据的耕地变化监测方法，其特征在于：所述耕地区域划分信息包括耕地边界坐标、耕地总面积和非耕地区域特征，所述耕地质量基础信息包括土壤类型分类结果、关键肥力指标值和土壤改良方案，所述耕地湿度分布信息包括干旱风险区域、过湿风险区域和正常水分区域，所述作物生长状态评估结果包括健康作物面积、受病害影响作物面积和生长趋势预测信息，所述灾害影响分析结果包括受灾作物面积、土壤侵蚀程度和预估恢复时间，所述土壤特性分析结果包括土壤物理特性分布图、化学特性分布图和土壤改良优先级区域，所述耕地资源管理方案包括灌溉优化方案、施肥优化方案和病虫害防控策略。
3.根据权利要求1所述的基于遥感卫星数据的耕地变化监测方法，其特征在于：基于遥感卫星数据，采用k-均值聚类算法，结合处理后的图形信息，包括辐射校正和大气校正，将土地类型分为耕地和非耕地，生成耕地区域划分信息的步骤具体为：
4.根据权利要求1所述的基于遥感卫星数据的耕地变化监测方法，其特征在于：基于所述耕地区域划分信息，采用光谱分析方法，结合遥感图像中的光谱信息与土壤光谱数据库，从光谱数据中提取特征值，包括反射率和吸收特性，通过支持向量机算法，进行土壤特性分析，包括土壤肥力、ph值和有机质，对土壤类型进行分类，生成耕地质量基础信息的步骤具体为：
5.根据权利要求1所述的基于遥感卫星数据的耕地变化监测方法，其特征在于：基于所述耕地覆盖区域划分信息，采用长短期记忆网络，通过时间序列数据，分析土壤湿度的变化趋势，结合归一化差异水分指数增强模型，识别干旱和过湿区域，生成耕地湿度分布信息的步骤具体为：
6.根据权利要求1所述的基于遥感卫星数据的耕地变化监测方法，其特征在于：基于所述耕地覆盖区域划分信息，采用随机森林算法，对作物生长周期内的遥感数据进行分析，识别作物健康状况的多种指标，包括叶绿素含量和生物量，提供作物生长状态的多维评估，包括早期病害的检测，生成作物生长状态评估结果的步骤具体为：
7.根据权利要求1所述的基于遥感卫星数据的耕地变化监测方法，其特征在于：基于所述耕地区域划分信息和作物健康监测信息，通过卷积神经网络和决策树算法，结合灾前灾后遥感图像数据，分析灾害影响，包括灾害对作物覆盖度、土壤侵蚀情况的影响，生成灾害影响分析结果的步骤具体为：
8.根据权利要求1所述的基于遥感卫星数据的耕地变化监测方法，其特征在于：基于所述耕地质量基础信息，采用克里金插值法，估计未采样点土壤特性，结合主成分分析，对土壤物理化学特性进行空间分析，识别影响土壤质量关键因素，揭示土壤特性空间分布和变异性，生成土壤特性分析结果的步骤具体为：
9.根据权利要求1所述的基于遥感卫星数据的耕地变化监测方法，其特征在于：基于所述耕地湿度分布信息、作物生长状态评估结果、灾害影响分析结果、土壤特性分析结果，采用多标准决策分析和人工神经网络，分析多种农业管理活动，包括灌溉计划、施肥方案和病虫害防治措施，通过训练数据识别耕地管理策略，匹配符合耕地状况的管理策略，生成耕地资源管理方案的步骤具体为：
10.一种基于遥感卫星数据的耕地变化监测系统，其特征在于：根据权利要求1-9任一项所述的基于遥感卫星数据的耕地变化监测方法，所述系统包括图像预处理模块、耕地区域划分模块、土壤特性与湿度分析模块、作物生长状态评估模块、灾害影响分析模块、耕地资源管理策略模块；
