本发明专利技术公开了一种基于无人机多光谱遥感影像的作物生长参数测定方法及系统。所述测定方法包括：将待测作物区域划分为多个小区；利用搭载多光谱遥感影像获取装置的无人机采集多光谱图片；对多光谱图片进行校正处理得到六波段的多光谱正射影像图；采集多光谱图像对应区域的作物的生长参数实测数据；根据光谱反射率和光谱指数构建待测区域作物的生长参数的反演模型；根据模型，通过对多光谱遥感图像的反演，获得大面积作物的生长参数的实时无损监测。本发明专利技术实现了对作物生长参数的大面积无损测定，为智慧农业以及作物管理提供了重要理论依据，进一步促进了无人机多光谱遥感在作物监测方面的应用。测方面的应用。测方面的应用。
【技术实现步骤摘要】
一种基于无人机多光谱遥感影像的作物生长参数测定方法及系统
[0001]本专利技术属于无人机遥感领域，具体涉及一种基于无人机多光谱遥感影像的作物生长参数测定方法及系统。
技术介绍
[0002]地上生物量和叶面积指数是作物生长的两个主要参数，可以反映作物的生长状况，有助于作物生产管理。然而传统的作物生长评估方法是基于破坏性取样，即在田间手工采集数据样本，虽然该方法准确，但破坏性强，劳动密集，耗时，难以用于大规模时空测量。另一种方法是使用田间测量仪器对作物进行评估。虽然对作物的破坏性较小，但外界因素对实验设备有一定的影响，同样难以应用于大田作物快速监测研究中。因此，快速估测地上生物量和叶面积指数对于监测作物生长和指导农业管理措施的制定具有重要意义。
[0003]遥感技术由于能够提供及时、动态、宏观尺度的观测，已经成为一种非破坏性监测作物生长的有效方法。这种方法涉及利用作物冠层的光谱数据估测作物生长参数，已在农业中得到广泛应用。虽然通过卫星和航空遥感技术可以获取大面积的数据，但由于受云和天气变化的影响，维护和运行成本较高，估算精度不高。而在最近几年出现的基于图像的非侵入农作物生长监测方法中，无人机搭载传感器平台以其操作方便、可提供高时空分辨率和合理空间覆盖的影像等优势正成为农作物监测的有力工剧，如作物地块检测、作物生长状况监测、作物产量预测、植物水分状况评估。
[0004]因此，利用搭载多光谱的无人机遥感平台，结合地面实测样本数据，研究以光谱参数反演作物地上生物量和叶面积指数的可行性具有重要意义。根据相关性分析，筛选对作物长势响应较为敏感的指数，借助支持向量机方法构建适用于作物生长参数遥感监测模型，其结果可以为作物的生长监测提供基础数据和理论支撑，从而促进智慧农业和精准农业的发展。
技术实现思路
[0005]为了解决现有技术中作物地上生物量和叶面积指数测量方法准确度不够高、劳动密集、难以用于大规模时空测量的问题，本专利技术提供了一种基于无人机多光谱遥感影像的作物生长参数测定方法及系统。以无人机遥感为平台、使用多光谱相机获取作物冠层光谱信息，通过数字图像处理和机器学习技术，实现作物地上生物量和叶面积指数的快速测定。
[0006]为实现上述专利技术目的，本专利技术采用以下技术方案予以实现：
[0007]一种基于无人机多光谱遥感影像的作物生长参数测定方法，包括以下步骤：
[0008]S1：确定作物待测区域的空间范围，将区域进行划分，利用无人机搭载的多光谱遥感影像获取装置，获得待测区域内作物的多光谱影像；
[0009]S2：获取多光谱影像对应区域的作物的生长参数的实测数据；
[0010]S3：对步骤S1中的多光谱影像进行校正，获得校正后待测区域内作物的光谱反射
率，并计算光谱参数；
[0011]S4：对步骤S3中的光谱参数与作物的生长参数进行相关性分析；根据相关性分析选取建模光谱参数；
[0012]S5：构建作物的生长参数的回归预测模型，基于所述回归预测模型实现作物生长参数的大面积无损监测。
[0013]进一步的，所述步骤S1中将待测区域划分为3m～5m
×
1m～2m的小区。
[0014]进一步的，所述步骤S1中将待测区域划分为5m
×
2m的小区。
[0015]进一步的，所述多光谱遥感影像获取装置为多光谱相机，其飞行高度设为15m，飞行速度为1.1m/s，分辨率为1280*960。
[0016]进一步的，所述生长参数包括叶面积指数和地上生物量。
[0017]进一步的，所述步骤S2中，在获取作物的地上生物量和叶面积指数的实测数据时，选择植被分布较为均一且具有代表性的地点作为取样地，在每个取样地四角及中心设置取样点，对每个取样点进行植被冠层叶面积指数采集，其平均值作为小区作物的叶面积指数值；测定叶面积指数后，将以其中一个取样点为中心1m
×
1m范围内的作物从距地面1cm的高度截取，置于80℃烘箱中24小时，并保持恒定质量状态，然后称量样品以确定干质量，作为小区作物的地上生物量。
[0018]进一步的，所述步骤S3的具体步骤为：
[0019](1)利用多光谱数据反演软件Yusense Map将获取的多光谱影像进行校正，并合成一个tif格式的六波段光谱影像；
[0020](2)利用环境可视化程序ENVI中的掩膜方法将步骤(1)的六波段光谱影像构建待测ROI区域；
[0021](3)利用波段运算工具Bandmath分别计算待测ROI区域内作物的六个波段平均光谱反射率，选取并计算光谱参数。
[0022]进一步的，所述步骤S4的具体步骤为：
[0023](1)利用统计软件SPSS的单因素相关性分析作物的地上生物量和叶面积指数与光谱参数的相关程度；
[0024](2)根据相关性分析结果筛选对生长参数变化敏感度最高的五个光谱参数用于建模。
[0025]进一步的，用于建模的光谱参数包括比值植被指数RVI1、修正简单植被指数MSR、红边叶绿素指数RECI、陆地植被叶绿素监测指数MTCI、归一化植被指数NDV、结构不敏感色素指数/比值植被指数SIPI/RVI1、蓝光波段B.450、绿光波段G.555、红光波段R.660。
[0026]进一步的，对红豆地上生物量变化敏感的光谱参数为RVI1、MSR、RECI、蓝光波段B.450和绿光波段G.555；对红豆叶面积指数变化敏感的光谱参数为RVI1、MSR、RECI、MTCI和蓝光波段B.450。
[0027]进一步的，对绿豆地上生物量变化敏感的光谱参数为RVI1、MSR、NDVI、蓝光波段B.450和红光波段R.660；对绿豆叶面积指数变化敏感的光谱参数为RVI1、MSR、NDVI、SIPI/RVI1和蓝光波段B.450。
[0028]进一步的，所述步骤S5中，采用支持向量机的方法构建作物的地上生物量和叶面积指数的回归预测模型，具体步骤为：
[0029](1)采用随机10折交叉验证方法，将数据集分成10份，轮流将其中9份做训练、1份做测试，并进行10次重复，即每个模型运行100次；
[0030](2)通过计算决定系数R2、均方根误差RMSE和归一化RMSE三个指标的均值，对估测模型的准确度进行评价。
[0031]进一步的，将测试集中测定值与所述回归预测模型的估计值进行比较，以验证所述回归预测模型的稳定性以及精度。
[0032]进一步的，当测试所述回归预测模型的R2、RMSE和NRMSE与训练集的差异越小，表明所述支持向量机回归预测模型稳定性越高。
[0033]进一步的，所述作物包括绿豆和红豆。
[0034]本专利技术还提供了一种基于无人机多光谱遥感影像的作物生长参数测定系统，包括：无人机；多光谱遥感影像获取装置，搭载在所述无人机上，其至少具有六波段，用于采集待测区域内作物的光谱遥感影像；植物冠层数字图像分析仪，用于采集作物的植被冠层的生长参数；本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于无人机多光谱遥感影像的作物生长参数测定方法，其特征在于，包括以下步骤：S1：确定作物待测区域的空间范围，将区域进行划分，利用无人机搭载的多光谱遥感影像获取装置，获得待测区域内作物的多光谱影像；S2：获取多光谱影像对应区域的作物的生长参数的实测数据；S3：对步骤S1中的多光谱影像进行校正，获得校正后待测区域内作物的光谱反射率，并计算光谱参数；S4：对步骤S3中的光谱参数与作物的生长参数进行相关性分析；根据相关性分析选取建模光谱参数；S5：构建作物的生长参数的回归预测模型，基于所述回归预测模型实现作物生长参数的大面积无损监测。2.根据权利要求1所述的基于无人机多光谱遥感影像的作物生长参数测定方法，其特征在于，所述步骤S1中将待测区域划分为3m~5m
×
1m~2m的小区。3.根据权利要求2所述的基于无人机多光谱遥感影像的作物生长参数测定方法，其特征在于，所述生长参数包括叶面积指数和地上生物量；所述步骤S2中，在获取作物的地上生物量和叶面积指数的实测数据时，选择植被分布较为均一且具有代表性的地点作为取样地，在每个取样地四角及中心设置取样点，对每个取样点进行植被冠层叶面积指数采集，其平均值作为小区作物的叶面积指数值；测定叶面积指数后，将以其中一个取样点为中心1m
×
1m范围内的作物从距地面1cm的高度截取，置于80℃烘箱中24小时，并保持恒定质量状态，然后称量样品以确定干质量，作为小区作物的地上生物量。4.根据权利要求1所述的基于无人机多光谱遥感影像的作物生长参数测定方法，其特征在于，所述步骤S3的具体步骤为：（1）利用多光谱数据反演软件将获取的多光谱影像进行校正和拼接，并合成tif格式的六波段光谱影像；（2）利用环境可视化程序中的掩膜方法将步骤（1）的六波段光谱影像构建待测ROI区域；（3）利用波段运算工具分别计算待测ROI区域内作物的六个波段平均光谱反射率，选取并计算光谱参数。5.根据权利要求1所述的基于无人机多光谱遥感影像的作物生长参数测定方法，其特征在于，所述步骤S4的具体步骤为：（1）利用统计软件的...
【专利技术属性】
技术研发人员：丁兆堂，史玉洁，王玉，范凯，陈泗洲，罗丹妮，
申请(专利权)人：青岛农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。