电子信息技术

本发明提供了一种基于集合经验模态分解的耕地土壤肥力水平监测方法，包括：通过高分一号遥感探测器采集耕地作物的光谱影像作为数据源；对数据源的光谱影像进行图像预处理，提取NDVI长时间序列；基于集合经验模态分解EEMD方法，对NDVI长时间序列进行不同时间尺度的分解，得到多个IMF分量，并将影响耕地作物长势的多种胁迫因素分解到不同的IMF分量中；结合野外实测数据和历史农情数据，对不同的IMF分量进行甄别，确定代表土壤肥力胁迫作用的组分序列，实现土壤肥力胁迫作用从多种复合胁迫作用结果中的甄别提取。本发明以EEMD方法为主体进行土壤肥力胁迫作用甄别提取，能够有效获取单一胁迫因素对于耕地作物长势的影响，提高了土壤肥力水平监测效率。

1.该土壤肥力监测方法在精准农业领域具有重要应用价值，通过集合经验模态分解技术能够有效解析土壤肥力的多尺度时空变化特征。其动态监测能力可为变量施肥提供数据支撑，帮助农户制定差异化的田间管理方案，实现农业生产的提质增效和化肥减量。

2.在数字农业平台建设中，该方法为土壤肥力大数据分析提供了创新技术手段。通过融合多源遥感数据和地面监测信息，能够构建高精度的土壤肥力演变模型，为区域耕地质量评估和农业政策制定提供科学依据。

3.该方法在生态农业示范区建设中同样具有应用潜力。其长期监测功能可以评估不同种植模式对土壤健康的改善效果，为生态种植、有机农业等可持续农作制度的推广提供量化评价工具。

4.此外，该技术在农业科研领域展现出独特优势。通过解析土壤肥力要素的时空分异规律，能够深化对耕地质量形成机制的认识，为土壤改良技术创新和耕地保育研究提供新的分析方法。

本发明提供的基于集合经验模态分解的耕地土壤肥力水平监测方法，通过集合经验模态分解方法—EEMD，对冬小麦NDVI长时间序列进行分解，获取年内、年间、年际三个时间尺度的胁迫作用曲线，并结合野外实测数据及统计学方法确定了代表土壤肥力胁迫作用的组分，实现土壤肥力胁迫的甄别与提取；其中，EEMD方法依照序列本身的时间尺度进行分解，无需借助任何基函数，相较于传统时域分析方法，EEMD在处理非线性非平稳序列过程中具有明显的优势，理论上能够实现任何信号的分解，同时，不同胁迫作用对于冬小麦长势影响也存在时间尺度上的差异，因此，以EEMD方法为主体的土壤肥力胁迫作用甄别提取方法能够有效获取单一胁迫因素对于冬小麦长势的影响，对土壤肥力水平的监测有很大的帮助。