基于叶绿素相对含量的冬小麦旱情无人机快速监测判别方法技术

本发明专利技术公开了一种基于叶绿素相对含量的冬小麦旱情无人机快速监测判别方法，包括：1)通过无人机多载荷低空遥感技术获取多光谱影像和地面实测叶绿素相对含量(SPAD)，计算植被指数NDVI、DVI、RVI、EVI、OSAVI和TCARI；2)计算的植被指数分别与实测叶绿素相对含量在不同生育期构建回归方程，并从中选择该生育期的最优模型方程；3)根据最优模型方程，反演各个生育时期的冬小麦叶绿素相对含量，并对不同干旱胁迫等级之间的叶绿素相对含量阈值进行率定；4)通过实时监测获得待测地块的多光谱影像计算出所需要的植被指数，反演得到叶绿素相对含量值，与阈值进行比对，判断实时旱情等级。本发明专利技术的方法用于冬小麦旱情监测判别精度高、速度快，实用性强。实用性强。实用性强。

【技术实现步骤摘要】
基于叶绿素相对含量的冬小麦旱情无人机快速监测判别方法


[0001]本专利技术属于旱情监测
，尤其涉及冬小麦旱情的监测，具体为一种基于叶绿素相对含量的冬小麦旱情无人机快速监测判别方法。

技术介绍

[0002]干旱是影响作物生长发育与产量的主要自然因素，长期大范围的干旱会造成农作物大幅减产。降水是作物生长发育过程中水分的主要来源，我国主要依靠自然降水给冬小麦植株提供生长所需水分，水分亏缺会影响冬小麦正常的生理代谢活动、影响冬小麦正常生长发育，产量降低。我国农业基础设施薄弱，灌溉技术和制度不够完善，目前大部分地区仍采用大水漫灌的传统方式，这种方式导致灌溉不均匀，水资源利用效率不高。冬小麦不同阶段需水量不同，冬小麦在出苗期、越冬期时植株小，生长慢，对水分的需求少，冬小麦拔节期植株开始拔高，对水分需求较大，抽穗期到灌浆期是植株快速生长时期，对水分十分敏感，缺水将会造成严重影响。当作物长时间受到干旱胁迫时，叶片中的叶绿素含量明显减少，其主要原因有两个：第一，干旱胁迫使叶绿素发生降解；第二，干旱胁迫使植株难以吸收外界元素，从而造成植株缺素，表现为叶绿素含量减少，植株呈黄褐色。
[0003]因此根据冬小麦对水分需求量的不同，及时灌溉才能保证植株的正常生长。在冬小麦生长发育过程中土壤水分状况能够反映植株含水量状况，如果土壤水分不足，作物的生理需水得不到供给，严重影响作物正常的生长发育和生产能力，具体表现在生理参数和外观形态，然而这些参数的变化是十分复杂的，单纯的靠人力去观测这些参数既费时、费力、空间代表性差和易损坏植株，难以对植被进行长期有效且高精度的观测。
[0004]目前冬小麦旱情监测主要有两种思路，一是基于站点所测的土壤湿度数据，其优点是对站点周围的干旱情况可以准确反映，但能架设的观测站点密度有限，对区域的长时间序列观测数据有限，难以反映作物旱情的空间特征；二是基于遥感技术构建反映作物本身生长状态的指标进行作物干旱情监测，遥感技术能够较好的反映土壤水分的变化，能够快速、高效、无损的获取旱情信息，但是遥感影像受到分辨率、天气、重访周期等因素的影响，容易造成数据丢失，时间的不连续和空间分辨率低等问题，并不适用于区域高频率的获取农情信息。
[0005]基于无人机遥感的作物监测现已成为研究的重点，无人机能够随时获取高精度的遥感数据，能够发挥在农田精细尺度和动态连续监测的优势基于无人机的低空遥感技术能为大田区域内信息监测提供快速而便捷的服务。
[0006]基于无人机平台的低空遥感监测具有区域监测、高时空分辨率、云下作业、机动灵活、成本低、快速高效等独特技术优势，能够实现农田精细尺度和动态连续监测，现已经广泛应用到干旱监测方面。但现有无人机旱情监测主要集中在果园，在大田作物的监测中相对较少，而种植间距及不同的冠层结构可能会影响其水分监测性能，无法满足农业精准灌溉的需求。现采用无人机低空遥感进行冬小麦监测，对于划定不同干旱等级阈值的叶绿素相对含量研究相对较少，在作物灌溉用水方面仍有不足。

技术实现思路

[0007]本专利技术的目的在于：基于上述技术缺陷，提出一种通过叶绿素相对含量分析对冬小麦旱情快速监测判别的方法，在不同干旱条件下，提高检测精度和监测效率。
[0008]本专利技术的目的是这样实现的：
[0009]一种基于叶绿素相对含量的冬小麦旱情无人机快速监测判别方法，包括以下步骤：
[0010]1)数据采集：包括通过无人机多载荷低空遥感技术获取的MicaSense RedEdge
‑
M
TM
多光谱影像数据和地面实测叶绿素相对含量数据：通过多光谱影像数据计算NDVI、DVI、RVI、EVI、OSAVI和TCARI植被指数；
[0011]2)构建冬小麦各生长阶段不同干旱程度叶绿素相对含量(SPAD)反演模型：使用NDVI
‑
OTSU方法(计算NDVI后，使用OTSU方法确定小麦与土壤背景二值化分割阈值)进行土壤背景剔除，提取冬小麦冠层纯植被指数像元，选取NDVI、DVI、RVI、EVI、OSAVI和TCARI植被指数分别与实测的叶绿素相对含量在不同生育期构建4种类型的回归方程，并从中选择每个生育期中与叶绿素相对含量(SPAD)相关性最高的回归方程作为该生育时期的最优模型方程；所述不同生育时期指冬小麦的：拔节－抽穗期、抽穗－灌浆期、灌浆－成熟期；所述4种类型的回归方程为一元线性方程、一元多项式方程、指数方程及对数方程；
[0012]3)不同干旱等级的叶绿素相对含量阈值的率定：根据步骤2)中获取的各个生育期的最优模型方程，来反演各个时期的叶绿素相对含量(SPAD)，并对不同干旱等级之间的叶绿素相对含量阈值范围进行率定；
[0013]4)旱情等级的实时判别：通过实时监测获得待测地块的多光谱影像，并计算出所需要的植被指数，将该植被指数带入到步骤2)率定的对应生育期的最优模型方程中反演得到叶绿素相对含量(SPAD)值，然后将该叶绿素相对含量值与步骤3)中该时期的阈值范围进行比对，判断实时旱情等级。
[0014]进一步的优化，步骤1)中所述多光谱影像数据的获取：应用FL
‑
81四旋翼无人机集成搭载多光谱相机获取多光谱航片，飞行高度设置为55m，对应地面分辨率4cm，镜头可获取的波长分别为蓝光波段、绿光波段、红光波段、红边波段、近红外波段。
[0015]进一步的，步骤1)中所述实测叶绿素相对含量：使用SPAD
‑
502Plus叶绿素相对含量测定仪进行测量，每个地块选择8个样本点取平均值作为该地块叶绿素相对含量(SPAD)，样本点在地块内均匀分布。
[0016]进一步的，步骤2)中拔节－抽穗期的最优模型方程为DVI与SPAD的一元多项式回归方程、抽穗－灌浆期的最优模型方程为RVI与SPAD的一元多项式回归方程、灌浆－成熟期的最优模型方程为TCARI与SPAD的一元多项式回归方程，所述SPAD表示的为叶绿素相对含量。
[0017]进一步的，步骤3)率定的不同干旱等级之间的叶绿素相对含量阈值为：对于拔节
‑
抽穗期的叶绿素相对含量：正常情况＞49.8；轻旱46.1～49.8；中旱44.2～46.1；重旱＜44.2；抽穗
‑
灌浆期的叶绿素相对含量：正常情况＞54；轻旱51.5～54；中旱49～51.5；重旱＜49；对于灌浆
‑
成熟期的叶绿素相对含量：正常情况＞59.5；轻旱59.1～59.5；中旱56.5～59.1；重旱＜56.5。
[0018]进一步的，步骤3)率定的不同干旱等级之间的叶绿素相对含量阈值的率定方法
为：首先，计算不同干旱胁迫等级地块反演结果平均值，然后再分别计算相邻两个干旱等级地块的平均值的中值，将其作为相邻干旱等级的阈值。
[0019]本专利技术的优点和有益效果是：
[0020]本专利技术的方法基于无人机多光谱遥感影像，用于冬小麦不同生育期旱情监测判别均具有较高精度。本方法灵活、稳定、快速，通过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于叶绿素相对含量的冬小麦旱情无人机快速监测判别方法，其特征在于：包括以下步骤：步骤1)数据采集：包括通过无人机多载荷低空遥感技术获取的多光谱影像数据和地面实测叶绿素相对含量数据：通过多光谱影像数据计算植被指数，所述植被指数包括NDVI、DVI、RVI、EVI、OSAVI和TCARI；步骤2)构建冬小麦各生长阶段不同干旱程度叶绿素相对含量反演模型：进行土壤背景像元剔除，提取冬小麦纯冠层植被指数像元，选取NDVI、DVI、RVI、EVI、OSAVI和TCARI植被指数分别与实测的叶绿素相对含量在不同生育期构建4种类型的回归方程，并从中选择每个生育期中与叶绿素相对含量相关性最高的回归方程作为该生育期的最优模型方程；所述不同生育期指冬小麦的：拔节
‑
抽穗期、抽穗
‑
灌浆期、灌浆
‑
成熟期；所述4种类型的回归方程为一元线性回归方程、一元多项式回归方程、指数回归方程及对数回归方程；步骤3)不同干旱等级的叶绿素相对含量阈值的率定：根据步骤2)中获取的各个生育期的最优模型方程，来反演各个时期的叶绿素相对含量，并对不同干旱等级之间的叶绿素相对含量阈值进行率定；步骤4)旱情等级的实时判别：通过实时监测获得待测地块的多光谱影像，并计算出所需要的植被指数，将该植被指数带入到步骤2)率定的对应生育期的最优模型方程中反演得到叶绿素相对含量值，然后将该叶绿素相对含量值与步骤3)中该时期的阈值进行比对，判断实时旱情等级。2.根据权利要求1所述的基于叶绿素相对含量的冬小麦旱情无人机快速监测判别方法，其特征在于：步骤1)中所述多光谱影像数据的获取：应用FL
‑
81四旋翼无人机集成搭载MicaSense RedEdge
‑
M
TM
多光谱相机获取多光谱航片，飞行高度设置为55m，对应地面分辨率4cm...

【专利技术属性】
技术研发人员：宋文龙，刘宏洁，盛高峰，姜晓明，张学君，陈潇，林林，卢奕竹，徐静，黄六峰，陈龙，
申请(专利权)人：渭南市东雷二期抽黄工程管理中心，
类型：发明
国别省市：