基于影像阴影去除的果树冠层氮素含量遥感反演方法及系统技术方案

本申请公开了一种基于影像阴影去除的果树冠层氮素含量遥感反演方法及系统,获取果园无人机多光谱影像并进行预处理；确定影像阴影去除的阴影指数，去除无人机多光谱影像中果树冠层的阴影；建立遥感反演模型对果树冠层氮素含量进行遥感反演。由于无人机植被冠层多光谱影像中通常包含阴影，这些阴影削弱了植被的光谱信息，降低了冠层氮素含量反演精度。基于阴影指数去除阴影前后冠层氮素含量反演模型，不仅避免了将阴影与非阴影区分离的复杂性，还可以有效去除果树冠层阴影且去除阴影后模型反演精度较高、更稳定。

【技术实现步骤摘要】
基于影像阴影去除的果树冠层氮素含量遥感反演方法及系统
本申请涉及果树生长研究
，具体涉及一种基于影像阴影去除的果树冠层氮素含量遥感反演方法。
技术介绍
氮素养分状况是评价果树长势的重要指标，传统的果树氮素含量测量方法费时、费力且不能满足大面积、快速、实时监测的需要。而无人机低空遥感与传统的氮素测量方法相比机动灵活，可以迅速捕获高空间和时间分辨率的影像，快速进行果树冠层氮素含量反演，已经在精准农业领域得到了广泛应用。由于果树冠层具有三维结构，当无人机传感器观测方向与太阳直射方向不一致时，无人机影像中通常包含阴影。这些阴影削弱了冠层光谱信息，降低了冠层氮素含量反演精度。因此，如何去除果树冠层遥感影像中的阴影，以提高氮素含量反演精度，是一个亟需解决的现实问题。传统技术中，阴影去除的方法一般是对原始影像进行归一化、多波段阴影监测等处理,这些方法操作简单快速，但精度较低，且在对阴影进行识别的过程中改变了非阴影区的信息，降低了原影像的精度。近年来，一些模型和算法应用于阴影的识别和去除中，这些方法一般基于先验知识对阴影进行识别或模拟，实现阴影与非阴影区的分离以达到阴影去除的目的。虽然能够将植被与阴影有效分离，但往往包含复杂的参数及高阶函数，操作复杂且费时。
技术实现思路
本申请为了解决上述技术问题，提出了如下技术方案：第一方面，本申请实施例提供了一种基于影像阴影去除的果树冠层氮素含量遥感反演方法,所述方法包括：获取果园无人机多光谱影像并进行预处理；确定影像阴影去除的阴影指数，去除无人机多光谱影像中果树冠层的阴影；建立遥感反演模型对果树冠层氮素含量进行遥感反演。采用上述实现方式，由于无人机植被冠层多光谱影像中通常包含阴影，这些阴影削弱了植被的光谱信息，降低了冠层氮素含量反演精度。基于阴影指数去除阴影前后冠层氮素含量反演模型，不仅避免了将阴影与非阴影区的分离的复杂性，还可以有效去除果树冠层阴影且去除阴影后模型反演精度较高、更稳定。结合第一方面，在第一方面第一种可能的实现方式中，所述获取果园无人机多光谱影像并进行预处理，包括：通过无人接携带的传感器采集所述果树冠层的多光谱遥感影像；对无人机多光谱影像进行拼接；将拼接后的多光谱影像进行几何校正和辐射校正的预处理。结合第一方面第一种可能的实现方式，在第一方面第二种可能的实现方式中，与无人机飞行同步进行果树叶片采集，采样后将样本转入保鲜箱带回，测定叶片氮素含量。结合第一方面，在第一方面第三种可能的实现方式中，所述确定影像阴影去除的阴影指数，去除无人机多光谱影像中果树冠层的阴影，包括：在ENVI中利用波段运算工具计算阴影指数；确定第一预设阈值，大于所述第一预设阈值的像素为植被,小于所述第一预设阈值的像素归为阴影等非植被；基于阈值建立掩膜得到去除阴影后果树冠层多光谱影像。结合第一方面第三种可能的实现方式，在第一方面第四种可能的实现方式中，所述确定第一预设阈值包括：据植被指数的阈值范围，以预设步长为累进值依次提取果树冠层的影像，对比该阈值情况下阴影的识别情况将最大值设为阈值，其中大于所述最大值时，提取的冠层影像过于破碎，不足以保持冠层光谱信息的完整性。结合第一方面，在第一方面第五种可能的实现方式中，所述建立遥感反演模型对果树冠层氮素含量进行遥感反演包括：通过相关性分析方法，将基于原始光谱影像和基于NSVI、NDCSI去除阴影后提取的光谱数据与实测叶片氮素含量进行相关性分析，分别筛选氮素含量的敏感波段并构建光谱参量；采用偏最小二乘及支持向量机方法构建果树冠层氮素含量反演模型并进行精度检验。第二方面，本申请实施例提供了一种基于影像阴影去除的果树冠层氮素含量遥感反演系统,所述系统包括：获取模块，用于获取果园无人机多光谱影像并进行预处理；确定模块，用于确定影像阴影去除的阴影指数，去除无人机多光谱影像中果树冠层的阴影；遥感反演模块，用于建立遥感反演模型对果树冠层氮素含量进行遥感反演。结合第二方面，在第二方面第一种可能的实现方式中，所述获取模块包括：采集单元，用于通过无人接携带的传感器采集所述果树冠层的多光谱遥感影像；拼接单元，用于对无人机多光谱影像进行拼接；校正单元，用于将拼接后的多光谱影像进行几何校正和辐射校正的预处理。结合第二方面，在第二方面第二种可能的实现方式中，所述确定模块包括：计算单元，用于在ENVI中利用波段运算工具计算阴影指数；第一确定单元，用于确定第一预设阈值，大于所述第一预设阈值的像素为植被,小于所述第一预设阈值的像素归为阴影等非植被；第二确定单元，用于基于阈值建立掩膜得到去除阴影后果树冠层多光谱影像。结合第二方面，在第二方面第三种可能的实现方式中，所述遥感反演模块包括：模型建立单元，用于通过相关性分析方法，将基于原始光谱影像和基于NSVI、NDCSI去除阴影后提取的光谱数据与实测叶片氮素含量进行相关性分析，分别筛选氮素含量的敏感波段并构建光谱参量；遥感反演单元，用于采用偏最小二乘及支持向量机方法构建果树冠层氮素含量反演模型并进行精度检验。附图说明图1为本申请实施例提供的一种基于影像阴影去除的果树冠层氮素含量遥感反演方法的流程示意图；图2为本申请实施例提供的植被指数计算结果示意图；图3为本申请实施例提供的NSVI和NDCSI不同阈值下阴影的识别情况示意图；图4为本申请实施例提供的基于NSVI去除阴影后冠层多光谱影像示意图；图5为本申请实施例提供的基于NDCSI去除阴影后冠层多光谱影像示意图；图6为本申请实施例提供的基于原始多光谱影像及基于NSVI、NDCSI去除阴影后多光谱影像各波段光谱反射率平均值示意图；图7为本申请实施例提供的氮素含量反演最佳模型散点示意图；图8为本申请实施例提供的一种基于影像阴影去除的果树冠层氮素含量遥感反演系统示意图。具体实施方式下面结合附图与具体实施方式对本方案进行阐述。图1为本申请实施例提供的一种基于影像阴影去除的果树冠层氮素含量遥感反演方法的流程示意图，参见图1，本申请实施例提供的基于影像阴影去除的果树冠层氮素含量遥感反演方法包括：S101，获取果园无人机多光谱影像并进行预处理。本申请实施例研究区位于胶东半岛中心位置——山东省烟台栖霞市苹果园区(37°12′25″N,120°44′41″E)，暖温带季风性气候，四季分明，年日照时数2631h，秋季昼夜温差大，年平均气温11.6℃，土壤为棕壤，丘陵地形。栖霞市凭借独特的地理位置和良好的气候土壤条件，已成为环渤海湾苹果优势主产区的典型代表。选择晴朗无云无风天气，于10:00-14:00间采集无人机多光谱遥感影像。在试验区四周合适位置布设白色参考板便于进行辐射定标。无人机飞行高度设置为50m，空间分辨率为2.2cm，飞行速度为5m/s。无人机携带的传感器为具有4个多光谱波段和1个全色波段的Sequoia多光谱相机，传感器波段参数如表1所示。表1多光谱传感器的波段参数选用Ph本文档来自技高网...

【技术保护点】
1.一种基于影像阴影去除的果树冠层氮素含量遥感反演方法,其特征在于，所述方法包括：/n获取果园无人机多光谱影像并进行预处理；/n确定影像阴影去除的阴影指数，去除无人机多光谱影像中果树冠层的阴影；/n建立遥感反演模型对果树冠层氮素含量进行遥感反演。/n

【技术特征摘要】
1.一种基于影像阴影去除的果树冠层氮素含量遥感反演方法,其特征在于，所述方法包括：
获取果园无人机多光谱影像并进行预处理；
确定影像阴影去除的阴影指数，去除无人机多光谱影像中果树冠层的阴影；
建立遥感反演模型对果树冠层氮素含量进行遥感反演。


2.根据权利要求1所述的方法,其特征在于，所述获取果园无人机多光谱影像并进行预处理，包括：
通过无人接携带的传感器采集所述果树冠层的多光谱遥感影像；
对无人机多光谱影像进行拼接；
将拼接后的多光谱影像进行几何校正和辐射校正的预处理。


3.根据权利要求2所述的方法,其特征在于，与无人机飞行同步进行果树叶片采集，采样后将样本转入保鲜箱带回，测定叶片氮素含量。


4.根据权利要求1所述的方法,其特征在于，所述确定影像阴影去除的阴影指数，去除无人机多光谱影像中果树冠层的阴影，包括：
在ENVI中利用波段运算工具计算阴影指数；
确定第一预设阈值，大于所述第一预设阈值的像素为植被,小于所述第一预设阈值的像素归为阴影等非植被；
基于阈值建立掩膜得到去除阴影后果树冠层多光谱影像。


5.根据权利要求4所述的方法,其特征在于，所述确定第一预设阈值包括：据植被指数的阈值范围，以预设步长为累进值依次提取果树冠层的影像，对比该阈值情况下阴影的识别情况将最大值设为阈值，其中大于所述最大值时，提取的冠层影像过于破碎，不足以保持冠层光谱信息的完整性。


6.根据权利要求1所述的方法,其特征在于，所述建立遥感反演模型对果树冠层氮素含量进行遥感反演包括：
通过相关性分析方法，将基于原始光谱影像和基于NSVI、NDCSI去除阴...

【专利技术属性】
技术研发人员：朱西存，李美炫，白雪源，彭玉凤，田中宇，李梓臻，
申请(专利权)人：山东农业大学，
类型：发明
国别省市：山东;37