一种基于无人机多光谱遥感反演冬小麦植株含水率的方法技术

本发明专利技术提供了一种基于无人机多光谱遥感反演冬小麦植株含水率的方法，本发明专利技术通过对光谱反射率和植株含水率的相关性分析，利用两种回归分析方法建立光谱反射率模型以及光谱植被指数模型，通过模型的相关性(R

A Method of Retrieving Water Content of Winter Wheat Plants Based on UAV Multispectral Remote Sensing

【技术实现步骤摘要】
一种基于无人机多光谱遥感反演冬小麦植株含水率的方法
本专利技术属于植物生长监测领域，尤其涉及一种基于无人机多光谱遥感反演冬小麦植株含水率的方法。
技术介绍
植株含水率是反映作物水分状况的指标之一，也是开展作物水分亏缺诊断的重要基础，及时准确的获取植株含水率信息，对精准农业发展以及农业水资源高效利用具有重要意义。传统估算植株含水率的方法主要是通过破坏性采样测定，操作繁琐、耗费大量人力物力，不足以满足实施快速监测的要求，因而研究较为简单且精度较高的植株含水率估算方法成为当前热点。目前国内外基于卫星遥感或者地面遥感对植株含水率的研究已经取得了一定进展，无人机遥感技术由于其平台具有移动性强、适用性好的优势，且获取影像分辨率高、作业周期短，在农业、水质监测和测绘等领域发挥着越来越重要的作用，为农情监测研究提供了新的解决方案。现有研究显示了无人机遥感技术在获取植被冠层信息的潜力，通过搭载传感器获取遥感影像从而反演特定指标的研究方法越来越热门，但利用无人机多光谱遥感直接反演作物植株含水率的研究鲜有报道。本专利技术将利用无人机搭载多光谱相机获取冬小麦光谱反射率，构建植株含水率与光谱反射率以及光谱植被指数模型，并从中优选构建植株含水率估算模型，旨在获得一种简便准确地预测冬小麦植株含水率的实时性区域监测方法。
技术实现思路
针对现有技术中的上述不足，本专利技术提供的一种基于无人机多光谱遥感反演冬小麦植株含水率的方法能够实现简便且准确地预测冬小麦植株含水率的实时性区域监测。为了达到以上目的，本专利技术采用的技术方案为：本方案提供一种基于无人机多光谱遥感反演冬小麦植株含水率的方法，包括如下步骤：S1、利用无人机多光谱遥感技术获取研究区域内冬小麦植株的五波段光谱影像；S2、利用湿基含水率方法计算研究区域内冬小麦植株的含水率；S3、根据所述五波段的光谱影像计算得到研究区域冬小麦的光谱反射率；S4、利用ENVI软件裁剪所述冬小麦的光谱反射率的影像提取6种光谱植被指数；S5、分析所述冬小麦植株的含水率分别与所述光谱反射率以及6种光谱植被指数的相关度，并分别利用强迫进入法以及逐步回归法建立多个光谱反射率反演模型和多个光谱植被指数反演模型；S6、分别分析所述多个光谱反射率反演模型和多个光谱植被指数反演模型中的参数得到最优光谱反射率反演模型以及最优光谱植被指数反演模型；S7、分别将所述最优光谱反射率反演模型以及最优光谱植被指数反演模型中的植株含水率的模拟值与预测的实测值进行验证，得到最优的反演模型，从而完成对冬小麦植株含水率的反演。进一步地，所述步骤S2中利用湿基含水率方法计算研究区域内冬小麦植株的含水率Cw的表达式如下：其中，Lw表示冬小麦植株的鲜重，Ld表示冬小麦植株的干重。再进一步地，所述步骤S3包括如下步骤：A1、将所述五波段的光谱影像合成一个tif格式的五波段光谱影像；A2、根据所述合成的五波段光谱影像利用掩膜方法构建ROI区域；A3、利用波段运算工具Bandmath分别计算ROI区域内五个波段的光谱反射率；A4、计算所述ROI区域内五个波段的光谱反射率的平均光谱反射率，得到研究区域冬小麦的光谱反射率。再进一步地，所述步骤S4中6种光谱植被指数包括：归一化光谱植被指数NDVI、土壤调节光谱植被指数SAVI、增强型光谱植被指数EVI、比值光谱植被指数SR、绿度归一化光谱植被指数GNDVI以及抗大气指数VARI。再进一步地，所述归一化光谱植被指数NDVI的表达式如下：所述土壤调节光谱植被指数SAVI的表达式如下：所述增强型光谱植被指数EVI的表达式如下：所述比值光谱植被指数SR的表达式如下：所述绿度归一化光谱植被指数GNDVI的表达式如下：所述抗大气指数VARI的表达式如下：上述各式中，Rblue、Rgreen、Rred、Rnir分别为灰板对RedEdge相机蓝、绿、红、近红外波段的平均反射率。再进一步地，所述步骤S5中构建多个光谱反射率反常模型包括如下步骤：B1、利用SPSS软件的多元回归法分析所述冬小麦植株的含水率与所述冬小麦的光谱反射率的相关程度；B2、利用强迫进入法建立一个包含五波段反射率的光谱反射率反演模型；B3、根据所述相关程度的大小利用逐步回归法依次将所述冬小麦植株的含水率逐个引入光谱反射率反演模型，得到多个光谱反射率反演模型。再进一步地，所述步骤S5中构建多个光谱植被指数反演模型包括如下步骤：C1、利用SPSS软件的多元回归法分析所述冬小麦植株的含水率与所述冬小麦的光谱植被指数的相关程度；C2、利用强迫进入法建立一个包含6种光谱植被指数的光谱植被指数反演模型；C3、根据所述相关程度的大小利用逐步回归法依次将所述冬小麦植株的含水率逐个引入光谱植被指数反演模型，得到多个光谱植被指数反演模型。再进一步地，所述步骤S6具体为：D1、分析所述多个光谱反射率反演模型中每个模型的决定系数R2、均方根误差RMSE以及相对误差RE参数；D2、根据分析结果取决定系数R2最大，均方根误差RMSE和相对误差RE最小的模型作为最优光谱反射率反演模型；D3、分析所述多个光谱植被指数反演模型中每个模型的决定系数R2、均方根误差RMSE以及相对误差RE参数；D4、根据分析结果取决定系数R2最大，均方根误差RMSE和相对误差RE最小的模型作为最优光谱植被指数反演模型。再进一步地，所述决定系数R2的表达式如下：所述均方根误差RMSE的表达式如下：所述相对误差RE的表达式如下：上述各式中，n表示验证样本个数，i表示样本编号，表示冬小麦植株含水率的预测值，yi表示冬小麦植株含水率的实测值，表示冬小麦植株含水率的平均值。本专利技术的有益效果：(1)本专利技术通过植株的含水率分别与光谱反射率以及光谱植被指数相关性分析，利用两种回归分析方法建立光谱反射率模型以及光谱植被指数模型，通过模型的相关性(R2)、相对误差(RE)及均方根误差(RMSE)检验确定出最优的基于光谱信息的植株含水率估算模型，为实现精准作物监测提供了理论依据，进一步加强无人机多光谱遥感监测的适用性；(2)本专利技术采用多个波段光谱反射率建模，由近红外波段、红波段和蓝波段建立的光谱反射率模型精度高，且简便稳定；(3)本专利技术采用多个光谱指数综合分析模型，有效地提高了模型的精度。附图说明图1为本专利技术的方法流程图。图2为本实施例中冬小麦不同生育期不同水分处理下植株含水率的示意图。图3为本实施例中不同建模方法下植株含水率的模拟值与实测值对比的示意图。具体实施方式下面对本专利技术的具体实施方式进行描述，以便于本
的技术人员理解本专利技术，但应该清楚，本专利技术不限于具体实施方式的范围，对本
的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本专利技术的精神和范围内，这些变化是显而易见的，一切利用本专利技术构思的专利技术创造均在保护之列。实施例如图1所示，本专利技术提供了一种基于无人机多光谱遥感反演冬小麦植株含水率的方法，其实现方法如下：S1、利用无人机多光谱遥感技术获取研究区域内冬小麦植株的五波段光谱影像；S2、利用湿基含水率方法计算研究区域内冬小麦植株的含水率，其表达式如下：其中，Cw表示冬小麦植株的含水率，Lw表示冬小麦植株的鲜重，Ld表示冬小麦植株的干重；S3、根据所述五波段的光谱影像计算得到研究区域冬小麦的光谱反射率，其实本文档来自技高网...

【技术保护点】
1.一种基于无人机多光谱遥感反演冬小麦植株含水率的方法，其特征在于，包括如下步骤：S1、利用无人机多光谱遥感技术获取研究区域内冬小麦植株的五波段光谱影像；S2、利用湿基含水率方法计算研究区域内冬小麦植株的含水率；S3、根据所述五波段的光谱影像计算得到研究区域冬小麦的光谱反射率；S4、利用ENVI软件裁剪所述冬小麦的光谱反射率的影像提取6种光谱植被指数；S5、分析所述冬小麦植株的含水率分别与所述光谱反射率以及6种光谱植被指数的相关度，并分别利用强迫进入法以及逐步回归法建立多个光谱反射率反演模型和多个光谱植被指数反演模型；S6、分别分析所述多个光谱反射率反演模型和多个光谱植被指数反演模型中的参数得到最优光谱反射率反演模型以及最优光谱植被指数反演模型；S7、分别将所述最优光谱反射率反演模型以及最优光谱植被指数反演模型中的植株含水率的模拟值与预测的实测值进行验证，得到最优的反演模型，从而完成对冬小麦植株含水率的反演。

【技术特征摘要】
1.一种基于无人机多光谱遥感反演冬小麦植株含水率的方法，其特征在于，包括如下步骤：S1、利用无人机多光谱遥感技术获取研究区域内冬小麦植株的五波段光谱影像；S2、利用湿基含水率方法计算研究区域内冬小麦植株的含水率；S3、根据所述五波段的光谱影像计算得到研究区域冬小麦的光谱反射率；S4、利用ENVI软件裁剪所述冬小麦的光谱反射率的影像提取6种光谱植被指数；S5、分析所述冬小麦植株的含水率分别与所述光谱反射率以及6种光谱植被指数的相关度，并分别利用强迫进入法以及逐步回归法建立多个光谱反射率反演模型和多个光谱植被指数反演模型；S6、分别分析所述多个光谱反射率反演模型和多个光谱植被指数反演模型中的参数得到最优光谱反射率反演模型以及最优光谱植被指数反演模型；S7、分别将所述最优光谱反射率反演模型以及最优光谱植被指数反演模型中的植株含水率的模拟值与预测的实测值进行验证，得到最优的反演模型，从而完成对冬小麦植株含水率的反演。2.根据权利要求1所述的基于无人机多光谱遥感反演冬小麦植株含水率的方法，其特征在于，所述步骤S2中利用湿基含水率方法计算研究区域内冬小麦植株的含水率Cw的表达式如下：其中，Lw表示冬小麦植株的鲜重，Ld表示冬小麦植株的干重。3.根据权利要求1所述的基于无人机多光谱遥感反演冬小麦植株含水率的方法，其特征在于，所述步骤S3包括如下步骤：A1、将所述五波段的光谱影像合成一个tif格式的五波段光谱影像；A2、根据所述合成的五波段光谱影像利用掩膜方法构建ROI区域；A3、利用波段运算工具Bandmath分别计算ROI区域内五个波段的光谱反射率；A4、计算所述ROI区域内五个波段的光谱反射率的平均光谱反射率，得到研究区域冬小麦的光谱反射率。4.根据权利要求1所述的基于无人机多光谱遥感反演冬小麦植株含水率的方法，其特征在于，所述步骤S4中6种光谱植被指数包括：归一化光谱植被指数NDVI、土壤调节光谱植被指数SAVI、增强型光谱植被指数EVI、比值光谱植被指数SR、绿度归一化光谱植被指数GNDVI以及抗大气指数VARI。5.根据权利要求4所述的基于无人机多光谱遥感反演冬小麦植株含水率的方法，其特征在于，所述归一化光谱植被指数NDVI的表达式如下：所述土壤调节光谱植被指数SAVI的表达式如下：所述增强型光谱植被指数EVI的表达式如下：所述...

【专利技术属性】
技术研发人员：张宝忠，陈鹤，魏青，魏征，
申请(专利权)人：中国水利水电科学研究院，
类型：发明
国别省市：北京,11