种植结构分类方法、装置、计算机设备和存储介质

1.一种种植结构分类方法，其特征在于，所述方法包括：获取目标种植结构的综合图像信息、土地利用数据集、以及所述目标种植结构的历史分类信息；基于所述土地利用数据集，确定所述目标种植结构的目标供地范围；基于所述历史分类信息，识别每个植被种类在不同季节的植被特征信息，并识别所述历史分类信息中不同季节的植被地图信息；针对每个植被种类，基于所述植被种类在不同季节的植被特征信息，在各所述季节的植被地图中，基于植被样本筛选策略，筛选每个季节的子植被样本信息，并将所有季节的子植被样本信息，作为所述植被种类的植被样本信息；所述植被样本筛选策略为植被种类在土地中的范围图像信息的确定策略，所述确定策略包括Sentinel筛选策略，和Landsat筛选策略；对所述综合图像信息中的每个图像信息进行干扰图像去除处理，得到每个图像信息对应的植被图像信息；在各所述植被图像信息中筛选所述目标供地范围中的目标植被图像信息，并分别计算每个目标植被图像信息的植被指数、以及每个目标植被图像信息的水体指数；所述植被指数的计算公式为：上式中，R为目标植被图像信息的红色波段、NIR为目标植被图像信息的近红外波段；所述水体指数的计算公式为：AWEI＝4×(G-SWIR1)-(0.25×NIR+2.75×SWIR2)上式中，G为目标植被图像信息的绿色波段，SWIR1为目标植被图像信息的短波红外波段1，SWIR2为目标植被图像信息的短波红外波段2；将各所述目标植被图像信息、各所述目标植被图像信息的水体指数、以及各所述目标植被图像信息的植被指数，作为所述目标供地范围的各土地图像信息；对所述土地图像信息进行时间序列拟合处理，得到各目标土地图像信息；基于各所述植被种类的植被样本信息，通过随机森林分类模型，对各所述目标土地图像信息进行分类处理，得到所述目标种植结构的各分类信息。 2.根据权利要求1所述的方法，其特征在于，所述基于所述土地利用数据集，确定所述目标种植结构的目标供地范围，包括：识别所述目标种植结构对应的位置信息，并基于所述位置信息在所述土地利用数据集中，查询所述位置信息对应的耕地范围，作为所述目标种植结构的供地范围；基于预设的土地范围延展策略、以及所述耕地范围，在所述土地利用数据集中，筛选所述目标种植结构的非耕地范围，并将所述耕地范围、以及所述非耕地范围的集合作为所述目标种植结构的目标供地范围。 3.根据权利要求1所述的方法，其特征在于，所述对所述土地图像信息进行时间序列拟合处理，得到各目标土地图像信息，包括：获取每个土地图像信息对应的图像信息的采集时间点，并按照时间点的先从前到后的顺序，对各所述土地图像信息的植被指数进行排序处理，得到植被指数序列；通过谐波拟合策略，对所述植被指数进行拟合处理，得到所有土地图像信息对应的植被拟合指数，并将植被拟合指数替换各所述土地图像信息中的植被指数，得到各目标土地图像信息。 4.根据权利要求1所述的方法，其特征在于，所述基于各所述植被种类的植被样本信息，通过随机森林分类模型，对各所述目标土地图像信息进行分类处理，得到所述目标种植结构的各分类信息，包括：基于各所述植被种类的植被样本信息，训练所述随机森林分类模型的分类参数，得到目标随机森林分类模型；将各所述目标土地图像信息，输入所述目标随机森林分类模型，进行植被分类处理，得到每个目标土地图像信息对应的各植被种类的分类图像信息；将各相同植被种类的分类图像信息进行汇总处理，得到所述目标种植结构的各分类信息。 5.一种种植结构分类装置，其特征在于，所述装置包括：获取模块，用于获取目标种植结构的综合图像信息、土地利用数据集、以及所述目标种植结构的历史分类信息；确定模块，用于基于所述土地利用数据集，确定所述目标种植结构的目标供地范围；基于所述历史分类信息，识别每个植被种类在不同季节的植被特征信息，并识别所述历史分类信息中不同季节的植被地图信息；针对每个植被种类，基于所述植被种类在不同季节的植被特征信息，在各所述季节的植被地图中，基于植被样本筛选策略，筛选每个季节的子植被样本信息，并将所有季节的子植被样本信息，作为所述植被种类的植被样本信息；所述植被样本筛选策略为植被种类在土地中的范围图像信息的确定策略，所述确定策略包括Sentinel筛选策略，和Landsat筛选策略；提取模块，用于对所述综合图像信息中的每个图像信息进行干扰图像去除处理，得到每个图像信息对应的植被图像信息；在各所述植被图像信息中筛选所述目标供地范围中的目标植被图像信息，并分别计算每个目标植被图像信息的植被指数、以及每个目标植被图像信息的水体指数；所述植被指数的计算公式为：上式中，R为目标植被图像信息的红色波段、NIR为目标植被图像信息的近红外波段；所述水体指数的计算公式为：AWEI＝4×(G-SWIR1)-(0.25×NIR+2.75×SWIR2)上式中，G为目标植被图像信息的绿色波段，SWIR1为目标植被图像信息的短波红外波段1，SWIR2为目标植被图像信息的短波红外波段2；将各所述目标植被图像信息、各所述目标植被图像信息的水体指数、以及各所述目标植被图像信息的植被指数，作为所述目标供地范围的各土地图像信息；对所述土地图像信息进行时间序列拟合处理，得到各目标土地图像信息；处理模块，用于基于各所述植被种类的植被样本信息，通过随机森林分类模型，对各所述目标土地图像信息进行分类处理，得到所述目标种植结构的各分类信息。 6.根据权利要求5所述的装置，其特征在于，所述确定模块，具体用于：识别所述目标种植结构对应的位置信息，并基于所述位置信息在所述土地利用数据集中，查询所述位置信息对应的耕地范围，作为所述目标种植结构的供地范围；基于预设的土地范围延展策略、以及所述耕地范围，在所述土地利用数据集中，筛选所述目标种植结构的非耕地范围，并将所述耕地范围、以及所述非耕地范围的集合作为所述目标种植结构的目标供地范围。 7.根据权利要求5所述的装置，其特征在于，所述提取模块，具体用于：获取每个土地图像信息对应的图像信息的采集时间点，并按照时间点的先从前到后的顺序，对各所述土地图像信息的植被指数进行排序处理，得到植被指数序列；通过谐波拟合策略，对所述植被指数进行拟合处理，得到所有土地图像信息对应的植被拟合指数，并将植被拟合指数替换各所述土地图像信息中的植被指数，得到各目标土地图像信息。 8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。 9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。 10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。