一种基于无人机预测玉米产量的方法技术

本申请提供一种基于无人机预测玉米产量的方法，以用于准确预测农田间玉米产量，一方面可对玉米当前生长状况进行可靠的描述，另一方面对田间管理措施的制定提供有效的支持。传统的实地收获测产的方法需要投入大量人力和物力且准确率受到主观因素的影响，利用无人机进行高通量预测产量的方法不仅能够解放劳动力，也能够有效提高效率。粮食高产稳产对我国目前农业生产意义重大，及时高效地预测玉米产量是农艺措施和政策制定的依据，本方法将对玉米产量的早期预测具有重大作用。本发明专利技术的目的在于提供一种精准且及时地预测玉米产量的方法，能够低成本、高通量地实现对田间大面积的玉米产量进行早期预测。玉米产量进行早期预测。玉米产量进行早期预测。

【技术实现步骤摘要】
一种基于无人机预测玉米产量的方法


[0001]本专利技术涉及作物产量遥感预测
，特别涉及一种基于无人机预测玉米产量的方法。

技术介绍

[0002]在气候变化和人口增长的情况下，准确有效地预测区域范围内的作物产量对于农业生产和粮食安全至关重要。作物产量的早期预测可为农业管理和粮食政策制定提供可靠参考，也有利于后续资源投入和经济回报的优化。遥感技术的发展为估算作物产量提供了一种经济且高效的方法。利用一系列新兴传感器和卫星平台，遥感能够提供具有精细的空间和时间分辨率信息，这些信息可用于监测作物生长，并估算作物产量。由于遥感以空间连续的方式提供信息，它不仅能够准确估计作物产量，还能够绘制产量的空间分布图。
[0003]当前使用遥感估算作物产量的方法可分为两大类。第一类是将遥感数据同化作物生长模型，如WOFOST、AquaCrop、DASSAT和DAISY，这些模型常用于估算作物产量。这些模型最初仅用于模拟点尺度的作物生长，但当与遥感数据相结合时，已逐渐用于估算大面积的产量估算。总的来说，这种方法在很大程度上由于其鲁棒性和通用性，正在广泛应用于各种农作物，但模型的精度依赖于输入参数的质量，例如，土壤质地、气象数据、作物品种和农艺措施等，这些参数的不确定性会对模拟过程产生负面影响，从而导致作物产量预测中的较大误差，在面对大面积区域估产时，这些参数并不容易获得。第二类是基于遥感指标进行统计回归的经验模型，这类方法是通过拟合实地测得的产量与遥感数据中选定指标，如植被指数(VIs)之间的关系。这些关系通常是非线性的。机器学习算法的使用非常适合于处理非线性异方差问题，并可用于高效的数据处理和数据挖掘。
[0004]但当前基于这两类方法的产量预测仍具有一定的局限，主要表现在以下几个方面：
[0005](1)以往基于遥感指标的经验模型所采用的遥感指标多为简单的植被指数，其物理意义不强，对产量的解释性不足，因此也使得精度受到限制。
[0006](2)以往的产量预测模型多无法实现早期的预测或预测的时期难以确定。

技术实现思路

[0007]本专利技术针对现有技术中的不足，提供一种基于无人机预测玉米产量的方法；以能够准确地预测目标农田的玉米产量。
[0008]为实现上述目的，本专利技术采用以下技术方案：
[0009]一种基于无人机预测玉米产量的方法，包括以下步骤：
[0010]S1：利用无人机搭载的多光谱传感器和热红外传感器，获取目标农田玉米三叶期至乳熟期的长时间序列多光谱影像和热红外影像；同时获取气象站观测目标农田每日的日平均气温T
a
、日最高气温T
max
、日最低气温T
min
、日照时数n以及日平均风速Ws；
[0011]S2：利用ArcGIS软件的地理配准工具将无人机获取的多光谱影像和热红外影像进
行地理配准，即纠正两种影像中位置的偏移；
[0012]S3：在目标农田附近安装一定高度的支架，并在支架上安装与无人机搭载的同规格多光谱传感器，在无人机工作的同时同步获取天空影像，通过同期获取的天空影像对无人机获取的多光谱影像进行辐射定标，以确定无人机获取的多光谱影像实际反射率；
[0013]S4：在目标农田附近地面布置白、灰、黑金属板各2块，每块金属板上设置温度传感器，每隔一定时间获取一次各金属板的温度，通过各金属板的实测温度对无人机获取的热红外影像进行辐射定标，以确定无人机过境时刻下目标农田地表的实际温度Ts
ins
；
[0014]S5：利用ArcGIS软件中的重采样工具将地理配准及辐射定标后的多光谱影像和热红外影像降采样至同一空间分辨率下；
[0015]S6：利用处理后的多光谱影像计算目标农田长时间序列的归一化植被指数NDVI，得到目标农田长时间序列的NDVI影像；
[0016]S7：基于步骤S6，使用线性插值获得长时间序列NDVI影像中的每日NDVI值，再利用Savitzky
‑
Golay滤波算法进行平滑处理；
[0017]S8：利用处理后的每日NDVI值以及在步骤S1中气象站观测的日平均气温T
a
和日平均风速Ws，计算得到目标农田地表每日平均的实际温度Ts值；
[0018]S9：利用处理后的每日NDVI值、Ts值、Ts
ins
值以及步骤S1中气象站观测的日平均气温T
a
、日最高气温T
max
、日最低气温T
min
、日平均风速Ws、日照时数n，计算目标农田玉米从三叶期至乳熟期的每日实际蒸发蒸腾量ET、每日叶面积指数LAI、每日总初级生产力GPP；
[0019]S10：根据长时间序列的每日LAI变化曲线，确定目标农田玉米的三叶期初至乳熟期末的具体时期，具体为：当LAI变化曲线首次达到0.15且曲线斜率为0.04，判定该时期进入玉米的三叶期；当LAI变化曲线首次跌破2.35且曲线斜率为
‑
0.12，判定该时期进入玉米的乳熟期末；
[0020]S11：计算目标农田的玉米从三叶期至乳熟期末的ET、GPP、Ts的各自累计值，即对应得到C
ET
、C
GPP
、C
T
，同时确定LAI的平均值A
LAI
；
[0021]S12、使用目标农田的C
ET
、C
GPP
、C
T
、A
LAI
，确定目标农田玉米的实际产量。
[0022]为优化上述技术方案，采取的具体措施还包括：
[0023]进一步地，在步骤S3中，通过同期获取的天空影像对无人机获取的多光谱影像进行辐射定标，以确定无人机获取的多光谱影像实际反射率具体内容如下：
[0024][0025]式中，R
i
为无人机获取的多光谱影像第i个波段的实际反射率；DN
i_UAV
为无人机获取的多光谱影像第i个波段的灰度值；DN
i_Ground
为地面支架上多光谱传感器获取的天空影像第i个波段的灰度值。
[0026]进一步地，在步骤S4中，通过各金属板的实测温度对无人机获取的热红外影像进行辐射定标，以确定无人机过境时刻下目标农田地表的实际温度Ts
ins
具体内容如下：
[0027]Ts
ins
＝a
×
DN
′
+b
[0028]式中，DN
′
为热红外影像的灰度值；通过地面布置的6块金属板的灰度值和温度传感器测的温度，结合最小二乘法拟合，分别获得对应参数a、b。
[0029]进一步地，在步骤S6中，归一化植被指数NDVI的具体计算过程如下：
[0030][0031]式中，NIR为多光谱影像中的近红外波段；R为多光谱影像中红色波段的反射率，由数据R
i
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机预测玉米产量的方法，其特征在于，包括以下步骤：S1：利用无人机搭载的多光谱传感器和热红外传感器，获取目标农田玉米三叶期至乳熟期的长时间序列多光谱影像和热红外影像；同时获取气象站观测目标农田每日的日平均气温T
a
、日最高气温T
max
、日最低气温T
min
、日照时数n以及日平均风速Ws；S2：利用ArcGIS软件的地理配准工具将无人机获取的多光谱影像和热红外影像进行地理配准，即纠正两种影像中位置的偏移；S3：在目标农田附近安装一定高度的支架，并在支架上安装与无人机搭载的同规格多光谱传感器，在无人机工作的同时同步获取天空影像，通过同期获取的天空影像对无人机获取的多光谱影像进行辐射定标，以确定无人机获取的多光谱影像实际反射率；S4：在目标农田附近地面布置白、灰、黑金属板各2块，每块金属板上设置温度传感器，每隔一定时间获取一次各金属板的温度，通过各金属板的实测温度对无人机获取的热红外影像进行辐射定标，以确定无人机过境时刻下目标农田地表的实际温度Ts
ins
；S5：利用ArcGIS软件中的重采样工具将地理配准及辐射定标后的多光谱影像和热红外影像降采样至同一空间分辨率下；S6：利用处理后的多光谱影像计算目标农田长时间序列的归一化植被指数NDVI，得到目标农田长时间序列的NDVI影像；S7：基于步骤S6，使用线性插值获得长时间序列NDVI影像中的每日NDVI值，再利用Savitzky
‑
Golay滤波算法进行平滑处理；S8：利用处理后的每日NDVI值以及在步骤S1中气象站观测的日平均气温T
a
和日平均风速Ws，计算得到目标农田地表每日平均的实际温度Ts值；S9：利用处理后的每日NDVI值、Ts值、Ts
ins
值以及步骤S1中气象站观测的日平均气温T
a
、日最高气温T
max
、日最低气温T
min
、日平均风速Ws、日照时数n，计算目标农田玉米从三叶期至乳熟期的每日实际蒸发蒸腾量ET、每日叶面积指数LAI、每日总初级生产力GPP；S10：根据长时间序列的每日LAI变化曲线，确定目标农田玉米的三叶期初至乳熟期末的具体时期，具体为：当LAI变化曲线首次达到0.15且曲线斜率为0.04，判定该时期进入玉米的三叶期；当LAI变化曲线首次跌破2.35且曲线斜率为
‑
0.12，判定该时期进入玉米的乳熟期末；S11：计算目标农田的玉米从三叶期至乳熟期末的ET、GPP、Ts的各自累计值，即对应得到C
ET
、C
GPP
、C
T
，同时确定LAI的平均值A
LAI
；S12、使用目标农田的C
ET
、C
GPP
、C
T
、A
LAI
，确定目标农田玉米的实际产量。2.根据权利要求1所述的一种基于无人机预测玉米产量的方法，其特征在于，在步骤S3中，通过同期获取的天空影像对无人机获取的多光谱影像进行辐射定标，以确定无人机获取的多光谱影像实际反射率具体内容如下：式中，R
i
为无人机获取的多光谱影像第i个波段的实际反射率；DN
i_UAV
为无人机获取的多光谱影像第i个波段的灰度值；DN
i_Ground
为地面支架上多光谱传感器获取的天空影像第i个波段的灰度值。3.根据权利要求1所述的一种基于无人机预测玉米产量的方法，其特征在于，在步骤S4
中，通过各金属板的实测温度对无人机获取的热红外影像进行辐射定标，以确定无人机过境时刻下目...

【专利技术属性】
技术研发人员：程明瀚，孙成明，
申请(专利权)人：扬州大学，
类型：发明
国别省市：