本发明涉及冬油菜生育期监测，尤其涉及一种冬油菜生育期的监测方法。
背景技术：
1、现有的冬油菜生育期的监测主要使用野外实地照片数据，需要布设站点获取冬油菜的照片数据来实现生育期监测，导致对研究区域的野外条件要求高，对经济投入的需求较大。
2、因此，有人提出了不完全依赖野外实地照片数据的监测方法，但通常都使用单一的光谱数据、土壤数据、温度数据对冬油菜进行生育期监测，因原数据种类的单一性和监测方法的局限性导致冬油菜生育期监测结果的精度尺度较粗，且无法进一步提高。
技术实现思路
1、鉴于上述问题，本发明的目的是提出一种冬油菜生育期的监测方法，以提高冬油菜生育期监测结果的精度。
2、本发明提供的冬油菜生育期的监测方法，包括如下步骤：
3、s1：获取冬油菜的原始光谱遥感数据，基于原始光谱遥感数据对冬油菜生育期进行划分；其中，s1具体包括如下步骤：
4、s11：对原始光谱遥感数据进行预处理；
5、s12：基于预处理后的原始光谱遥感数据计算冬油菜不同生育期所对应的植被指数，再使用s-g滤波方法对多个植被指数进行拟合，获得植被指数时间序列曲线；
6、s13：使用阈值法、导数法和滑动平均法对植被指数时间序列曲线进行基于遥感数据的生育期划分；
7、s2：获取冬油菜的原始温度数据，基于原始温度数据对冬油菜生育期进行划分；其中，s2具体包括如下步骤：
8、s21：使用李森科线性积温模型对原始温度数据处理，获得时序有效积温数据；
9、s22：对时序有效积温数据进行累加求和，获得时序活动积温数据，同时计算历年的冬油菜不同生育期的活动积温数据，并根据历年的活动积温数据对时序活动积温数据进行基于积温数据的生育期划分；
10、s3：对基于遥感数据和积温数据的冬油菜生育期划分结果进行横向比较，并利用平均法获得冬油菜生育期中叶期和成熟期的监测结果；
11、s4：基于遥感数据和积温数据的冬油菜生育期划分结果计算mgra指数，基于mgra指数获得冬油菜生育期中花期和角果期的监测结果。
12、优选地，步骤s11中的预处理包括辐射定标、大气校正和几何校正。
13、优选地，步骤s12中冬油菜不同生育期所对应的植被指数包括绿波段比值植被指数rvigreen、绿波段归一化植被指数ndvigreen、绿边指数cigreen、可见光大气修正指数varigreen、比值黄度指数ryi、归一化黄度指数ndyi、差值黄度指数dyi和归一化植被指数ndvi；
14、rvigreen=g/r；
15、ndvigreen=（nir-g）/（nir+g）；
16、cigreen=（nir-g）/g；
17、varigreen=（g-r）/（g+r）；
18、ryi=g/b；
19、ndyi=（g-b）/（g+b）；
20、dyi=g-b；
21、ndvi=（nir-r）/（nir+r）；
22、其中，r为红光波段；g为绿光波段；b为蓝光波段；nir为近红外波段。
23、优选地，步骤s13具体包括如下步骤：
24、使用导数法识别生育期中叶期、花期、角果期和成熟期的时间点；其中，植被指数时间序列曲线第一个导数为0的上升趋势点识别为苗期进入叶期的时间点；之后上升趋势变为下降趋势的第一个导数为0的转折点识别为叶期进入花期的时间点；之后下降趋势变为上升趋势的第一个导数为0的转折点识别为花期进入角果期的时间点；之后上升趋势变为下降趋势的第一个导数为0的转折点识别为角果期进入成熟期的时间点；
25、使用阈值法识别生育期中叶期、花期、角果期和成熟期的时间点；其中，植被指数时间序列曲线第一次达到最小值点识别为苗期进入叶期的时间点；植被指数时间序列曲线第一次达到最大值点识别为叶期进入花期的时间点；植被指数时间序列曲线第二次达到最小值点识别为花期进入角果期的时间点；植被指数时间序列曲线第二次达到最大值点识别为角果期进入成熟期的时间点；
26、使用滑动平均法对导数法的识别结果和阈值法的识别结果进行处理，确定最终叶期、花期、角果期和成熟期的时间点。
27、优选地，步骤s21中的李森科线性积温模型如下：
28、；
29、；
30、；
31、；
32、其中，lskjw为李森科线性有效积温数据；t为冬油菜在生长阶段的每日温度均值，mint为李森科线性有效积温模型的第一温度；optt为李森科线性有效积温模型的第二温度；maxt为李森科线性有效积温模型的第三温度；mint＜optt＜maxt；k1、k2为李森科线性有效积温模型的常数。
33、优选地，步骤s22中时序活动积温数据为：，为时序活动积温数据。
34、优选地，步骤s3的具体步骤如下：根据表1选取冬油菜各生育期监测所使用的植被指数，获得每种植被指数的生育期监测结果，对不同植被指数得到的监测结果进行横向比较，排除晚于mgra指数花期监测结果的叶期监测结果和早于mgra指数角果期监测结果的成熟期监测结果，对未排除的监测结果取监测时间的取平均值，获得冬油菜生育期中叶期和成熟期的监测结果；
35、表1
36、。
37、优选地，步骤s4中mgra指数的计算公式如下：
38、mgrad=-0.11×nird+0.124×rvigreend+0.745×ndyid+0.205×lskjwsumd+3.186；
39、其中，mgrad为基于遥感数据和积温数据的冬油菜生育期监测结果；nird为基于近红外波段的冬油菜生育期监测结果；rvigreend为基于绿波段比值植被指数的冬油菜生育期监测结果；ndyid为基于归一化黄度指数的冬油菜生育期监测结果；lskjwsumd为基于李森科线性活动积温模型的冬油菜生育期监测结果。
40、优选地，步骤s4的具体步骤如下：
41、根据表1中选取冬油菜各生育期监测所使用的植被指数，获得每种植被指数的生育期监测结果，将获得的植被指数对应于花期和角果期的监测结果带入mgra指数计算公式，分别获得冬油菜生育期中花期和角果期的监测结果。
42、与现有技术相比，本发明能够取得如下技术效果：
43、1、冬油菜生育期监测同时使用多种植被指数和多种划分方法，提高了监测结果的精确性；
44、2、通过建立mgra指数，将遥感数据和积温数据结合使用，进一步提高了冬油菜生育期监测的精度。
1.一种冬油菜生育期的监测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的冬油菜生育期的监测方法，其特征在于，步骤s11中的预处理包括辐射定标、大气校正和几何校正。
3.根据权利要求1或2所述的冬油菜生育期的监测方法，其特征在于，步骤s12中冬油菜不同生育期所对应的植被指数包括绿波段比值植被指数rvigreen、绿波段归一化植被指数ndvigreen、绿边指数cigreen、可见光大气修正指数varigreen、比值黄度指数ryi、归一化黄度指数ndyi、差值黄度指数dyi和归一化植被指数ndvi；
4.根据权利要求1或2所述的冬油菜生育期的监测方法，其特征在于，步骤s13具体包括如下步骤：
5.根据权利要求3所述的冬油菜生育期的监测方法，其特征在于，步骤s21中的李森科线性积温模型如下：
6.根据权利要求5所述的冬油菜生育期的监测方法，其特征在于，步骤s22中所述时序活动积温数据为：，为时序活动积温数据。
7.根据权利要求5所述的冬油菜生育期的监测方法，其特征在于，步骤s3的具体步骤如下：
8.根据权利要求7所述的冬油菜生育期的监测方法，其特征在于，步骤s4中mgra指数的计算公式如下：
9.根据权利要求8所述的冬油菜生育期的监测方法，其特征在于，步骤s4的具体步骤如下：
