基于高光谱和叶面积指数的烟叶产量分布图生成方法技术

本申请公开了一种基于高光谱和叶面积指数的烟叶产量分布图生成方法，包括以下步骤：根据产量预估需求，确定烟株叶面积指数估算和烟叶产量预估时期；获取待估产烟田高光谱遥感图像，样本点高光谱数据、烟株LAI和烟叶产量；利用样本点高光谱数据和烟株LAI建立烟株LAI估算模型；利用样本点烟株LAI和烟叶产量建立烟叶产量预估模型；提取烟株种植区的高光谱遥感图像；将提取的烟株种植区高光谱遥感图像输入建立的烟株LAI估算模型，计算得到烟田LAI估算图；将得到的烟田LAI估算图输入建立的烟叶产量预估模型，计算得到烟叶产量分布图。相比传统基于点源的调查方法，烟叶产量分布图不仅能提供更准确的烟叶产量信息，而且能够提供产量的空间分布信息。量的空间分布信息。量的空间分布信息。

【技术实现步骤摘要】
基于高光谱和叶面积指数的烟叶产量分布图生成方法


[0001]本申请涉及农作物估产和高光谱遥感
，特别是一种基于高光谱和叶面积指数的烟叶产量分布图生成方法。

技术介绍

[0002]烤烟是一种主要的经济作物，尤其是在中低纬度、雨热同期的地区。同时，由于烟草的专卖制度，烤烟的种植等受到严格的监督和管理。烟叶产量是烟草农业的重要指标。
[0003]常规的烟叶产量预估主要是通过区域调查进行烟叶估产。通过选择代表性的样区，对样区内的烟叶进行采烤，得到烟区的烟叶产量，进而外推得到更大区域的烟叶产量。常规调查方法不仅效率低、成本高，而且基于有限点源的田间调查数据外推得到的区域烟叶产量数据精度较低。
[0004]遥感技术具有覆盖范围大、受地表状况限制少、周期性重访等优势，在农作物估产领域取得了广泛的应用。遥感农作物估产，以卫星遥感和粮食作物产量预估为主。现有估产模型主要针对大豆、棉花等一些特色农产品。遥感估产模型的发展和应用，在粮食安全和粮食贸易等方面发挥了不可替代的作用。
[0005]已有的光学遥感农作物估产中主要使用的多光谱遥感数据，这主要得益于多光谱数据易于获取、处理方法成熟。反射光谱技术能够获得地物连续的反射光谱。相比多光谱遥感技术，反射光谱技术的光谱分辨率高、波段个数更多，能够获得更丰富的地物光谱信息，对地物具有更强的探测能力。
[0006]随着遥感技术的发展，高光谱遥感集成了遥感技术和反射光谱技术，在获取遥感图像的同时能够得到地物的反射光谱数据，具备对地物进行大范围精细探测的能力，有效弥补了多光谱遥感监测能力的不足和点源监测代表性不足的问题。
[0007]例如陈虹,谢玲,陈林琳.基于低空无人机遥感的高粱生长状况监测[J].中国农机化学报,2021,42(04):170
‑
175.DOI:10.13733/j.jcam.issn.2095
‑
5553.2021.04.24.中公开的利用无人机搭载的多光谱相机获取高粱拔节期、抽穗开花期、灌浆成熟期多光谱遥感图像,构建常用的4种植被指数与叶面积指数(Leaf Area Index,LAI)和植被覆盖度FVC之间的回归模型，以实现准确地估算高粱作物的叶面积指数和植被覆盖度。但现有模型主要集中于高粱、小麦等窄叶作物的面积预估方面。
[0008]烟草是以叶片为主要采收对象的经济作物，种植面积较大。对于评价烟草种类的优劣、种植技术的好坏产量的预估对实际种植生产至关重要。叶面积指数的监测叶面积指数(LAI)是反应作物冠层结构的重要指标。利用高光谱遥感技术来反演叶面积指数,通常在遥感技术上用于估测产量和土壤水分蒸发蒸腾量模型的输出参数。但现有利用高光谱数据估计烟叶产量的模型所得结果无法分区反映烟田不同区域的产量，所得结果不直观。

技术实现思路

[0009]针对多光谱遥感监测能力不足和点源监测代表性不足的问题，本申请提供了一种
基于高光谱和叶面积指数的烟叶产量分布图生成方法，不仅能够获得更准确的烟叶产量数据，而且能够获得烟叶产量的空间分布。结合遥感技术的特点，可利用多时相多尺度的高光谱遥感图像，快速生成多种烟叶产量分布图，为烟叶种植和采烤提供更有效的支撑。
[0010]本申请提供了一种基于高光谱和叶面积指数的烟叶产量分布图生成方法，包括以下步骤：
[0011]S1：根据产量预估需求，确定烟叶估产时期和样本点烟株；
[0012]S2：获取待估产烟田的高光谱遥感图像，获取样本点烟株的高光谱数据、叶面积指数、烟叶产量数据；
[0013]S3：利用样本点烟株的高光谱数据和LAI，建立烟株LAI估算模型；
[0014]S4：利用样本点烟株的LAI和烟叶产量数据，采用曲线拟合方法，建立烟叶产量预估模型；
[0015]S5：从待估产烟田高光谱遥感图像上提取烟株种植区域的高光谱遥感图像；
[0016]S6：将提取的烟株种植区高光谱遥感图像输入烟株LAI估算模型，估算待估产烟田的烟株LAI；
[0017]S7：将步骤S6中所得待估产烟田的LAI估算结果输入烟叶产量预估模型，预估得到烟叶产量分布图。
[0018]优选地，步骤S2中包括以下步骤：
[0019]步骤S21：获取整个待估产烟区的高光谱遥感图像；
[0020]步骤S22：获取样本点的高光谱数据：所述高光谱数据为高光谱遥感图像或为便携式地物光谱仪获取的冠层光谱曲线；
[0021]样本点高光谱数据如是便携式地物光谱仪数据，需根据待估产烟田所用高光谱相机的参数设置，对地物光谱仪测量的冠层光谱数据进行截取和重采样等处理，使得地物光谱仪数据的光谱范围、波段个数、波长等与高光谱相机的相关参数相同；
[0022]步骤S23：获取样本点烟株的LAI：所述LAI为通过测量样本点烟株的农艺性状经计算得到，或利用LAI测量仪器直接测量样本点烟株LAI；
[0023]步骤S24：按照烟叶成熟进度，采摘样本点烟株的烟叶交由烤烟站进行烘烤，烟叶产量数据为从烤烟站获取的烟叶产量。
[0024]优选地，步骤S3包括以下步骤：
[0025]步骤S31：采用回归分析、机器学习或者深度学习算法，利用样本点烟株的高光谱数据和LAI，构建基于冠层反射率光谱的烟株LAI估算模型；
[0026]步骤S32：建模时，采用波段选择算法对高光谱数据进行波段选择，选取关键光谱波段用于构建LAI估算模型。
[0027]优选地，S5中“提取烟株种植区域的高光谱遥感图像”包括以下步骤：
[0028]步骤S51：根据数据处理需要，对待估产烟田高光谱遥感图像进行辐射校正预处理和几何校正预处理，得到几何位置准确的反射遥感图像；
[0029]步骤S52：采用遥感图像分类方法从烟田高光谱遥感图像上提取烟株种植区域，或构建光谱参数提取烟株种植区；
[0030]步骤S53：按照提取的烟株种植区范围，对待估产烟田高光谱遥感图像进行裁剪，得到烟株种植区高光谱遥感图像。
[0031]优选地，步骤S6还包括对所得烟株LAI估算图的处理步骤，具体为：根据LAI的定义，对估算得到的烟株LAI结果进行处理，剔除LAI估算图中小于等于0的LAI值，得到处理后烟株LAI估算图。
[0032]优选地，所用高光谱遥感图像的光谱范围为可见近红外光谱。
[0033]优选地，步骤S7还包括以下步骤：
[0034]步骤S71：对烟叶产量分布图进行产量统计，获得烟叶产量信息；
[0035]步骤S72：按照水肥状况对得到的烟叶产量分布图进行分区统计。
[0036]优选地，在产量统计时，统计参数为均值、中值、总和、方差中的至少一种。
[0037]本申请的另一方面还提供了一种基于高光谱和叶面积指数的烟叶产量分布图生成装置，包括：
[0038]样本确定模块，用于根据产量预估需求，确定烟叶估产时期和样本点烟株；
[0039]数据获取模块，用于获取待估产本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高光谱和叶面积指数的烟叶产量分布图生成方法，其特征在于，包括以下步骤：S1：根据产量预估需求，确定烟叶估产时期和样本点烟株；S2：获取待估产烟田的高光谱遥感图像，获取样本点烟株的高光谱数据、叶面积指数、烟叶产量数据；S3：利用样本点烟株的高光谱数据和LAI，建立烟株LAI估算模型；S4：利用样本点烟株的LAI和烟叶产量数据，采用曲线拟合方法，建立烟叶产量预估模型；S5：从待估产烟田高光谱遥感图像上提取烟株种植区域的高光谱遥感图像；S6：将提取的烟株种植区高光谱遥感图像输入烟株LAI估算模型，估算待估产烟田的烟株LAI；S7：将步骤S6中所得待估产烟田的LAI估算结果输入烟叶产量预估模型，预估得到烟叶产量分布图。2.根据权利要求1所述的基于高光谱和叶面积指数的烟叶产量分布图生成方法，其特征在于，步骤S2中包括以下步骤：步骤S21：获取整个待估产烟区的高光谱遥感图像；步骤S22：获取样本点的高光谱数据：所述高光谱数据为高光谱遥感图像或为便携式地物光谱仪获取的冠层光谱曲线；样本点高光谱数据如是便携式地物光谱仪数据，需根据待估产烟田所用高光谱相机的参数设置，对地物光谱仪测量的冠层光谱数据进行截取和重采样等处理，使得地物光谱仪数据的光谱范围、波段个数、波长等与高光谱相机的相关参数相同；步骤S23：获取样本点烟株的LAI：所述LAI为通过测量样本点烟株的农艺性状经计算得到，或利用LAI测量仪器直接测量样本点烟株LAI；步骤S24：按照烟叶成熟进度，采摘样本点烟株的烟叶交由烤烟站进行烘烤，烟叶产量数据为从烤烟站获取的烟叶产量。3.根据权利要求1所述的基于高光谱和叶面积指数的烟叶产量分布图生成方法，其特征在于，步骤S3包括以下步骤：步骤S31：采用回归分析、机器学习或者深度学习算法，利用样本点烟株的高光谱数据和LAI，构建基于冠层反射率光谱的烟株LAI估算模型；步骤S32：建模时，采用波段选择算法对高光谱数据进行波段选择，选取关键光谱波段用于构建LAI估算模型。4.根据权利要求1所述的基于高光谱和叶面积指数的烟叶产量分布图生成方法，其特征在于，S5中“提取烟株种植区域的高光谱遥感图像”包括以下步...

【专利技术属性】
技术研发人员：李军营，刘朔，孙伟超，刘峰，马二登，邓小鹏，徐照丽，冀新威，侯秋强，单双吕，李浩昊，蒋薇，廖正兰，李佛琳，陈峰，李玉超，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：