1.一种估算模型构建方法，其特征在于，包括：

在牧草枯萎期间，每隔预设时间间隔获取牧草样方的光谱数据和所述牧草样方的枯萎牧草生物量，其中，所述光谱数据包括中分辨率成像光谱仪的第三波段光谱数据和第五波段光谱数据；

基于预设算式，计算每个所述光谱数据对应的修订枯草植被指数，其中，所述预设算式包括：式中，R‑DGVI表示修订枯草植被指数，band5表示所述中分辨率成像光谱仪的第五波段光谱数据，band3表示所述中分辨率成像光谱仪的第三波段光谱数据；

对每个所述光谱数据对应的修订枯草植被指数和每个所述光谱数据对应的样方的枯萎牧草生物量进行线性回归，得到枯萎牧草生物量的估算模型。

2.根据权利要求1所述的估算模型构建方法，其特征在于，所述牧草样方包括预设数量的相同面积大小的子样方；

所述在牧草枯萎期间，每隔预设时间间隔获取牧草样方的光谱数据和所述牧草样方的枯萎牧草生物量，包括：在牧草枯萎期间，每隔预设时间间隔获取牧草样方的光谱数据；

逐个对所述牧草样方的每个所述子样方进行牧草刈割以得到所述子样方的枯萎牧草生物量，并在每次刈割后获取所述样方的光谱数据；

对所述预设数量的子样方的牧草重量进行求和，得到所述样方的枯萎牧草生物量。

3.根据权利要求1所述的估算模型构建方法，其特征在于，所述估算模型包括：式中，Y表示枯萎牧草生物量，X表示修订枯草植被指数。

4.根据权利要求1所述的估算模型构建方法，其特征在于，所述方法还包括：对每个所述预设时间间隔的所述样方的枯萎牧草生物量进行线性回归以拟合枯萎牧草生物量与时间的线性关系，得到生物量衰减预测模型，其中，所述生物量衰减预测模型，包括：式中，Y表示枯萎牧草生物量，x表示时间。

5.一种估算方法，其特征在于，包括：

获取待检测区域的光谱数据，其中，所述光谱数据包括中分辨率成像光谱仪的第三波段光谱数据和第五波段光谱数据；

基于预设算式，计算所述光谱数据对应的修订枯草植被指数，其中，所述预设算式包括：式中，R‑DGVI表示修订枯草植被指数，band5表示所述中分辨率成像光谱仪的第五波段光谱数据，band3表示所述中分辨率成像光谱仪的第三波段光谱数据；

将所述修订枯草植被指数输入至枯萎牧草生物量的估算模型中，得到所述待检测区域的枯草生物量估算结果，其中，所述估算模型通过权利要求1‑4任一项所述的估算模型构建方法得到。

6.根据权利要求5所述的估算方法，其特征在于，所述方法还包括：根据预设的枯草生物量等级映射表，得到所述修订枯草植被指数对应的枯草生物量的等级，其中，所述枯草生物量等级映射表包括不同修订枯草植被指数对应的枯草生物量等级。

7.一种估算模型构建装置，其特征在于，包括：

获取模块，用于在牧草枯萎期间，每隔预设时间间隔获取牧草样方的光谱数据和所述牧草样方的枯萎牧草生物量，其中，所述光谱数据包括中分辨率成像光谱仪的第三波段光谱数据和第五波段光谱数据；

计算模块，用于基于预设算式，计算每个所述光谱数据对应的修订枯草植被指数，其中，所述预设算式包括：式中，R‑DGVI表示修订枯草植被指数，band5表示所述中分辨率成像光谱仪的第五波段光谱数据，band3表示所述中分辨率成像光谱仪的第三波段光谱数据；

线性回归模块，用于对每个所述光谱数据对应的修订枯草植被指数和每个所述光谱数据对应的样方的枯萎牧草生物量进行线性回归，得到枯萎牧草生物量的估算模型。

8.一种估算装置，其特征在于，包括：

光谱数据获取模块，用于获取待检测区域的光谱数据，其中，所述光谱数据包括中分辨率成像光谱仪的第三波段光谱数据和第五波段光谱数据；

枯草植被指数计算模块，用于基于预设算式，计算所述光谱数据对应的修订枯草植被指数，其中，所述预设算式包括：式中，R‑DGVI表示修订枯草植被指数，band5表示所述中分辨率成像光谱仪的第五波段光谱数据，band3表示所述中分辨率成像光谱仪的第三波段光谱数据；

生物量估算模块，用于将所述修订枯草植被指数输入至枯萎牧草生物量的估算模型中，得到所述待检测区域的枯草生物量估算结果，其中，所述估算模型通过权利要求1‑4任一项所述的估算模型构建方法得到。

9.一种计算机设备，其特征在于，包括存储器以及处理器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行如权利要求1‑4任一项所述的估算模型构建方法，或如权利要求5‑6任一项所述的估算方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在处理器上运行时执行如权利要求1‑4任一项所述的估算模型构建方法，或如权利要求5‑6任一项所述的估算方法。