本发明专利技术提出了一种基于无人机的冬小麦生物量快速高精准估测方法，其步骤如下：利用无人机多光谱传感器获取研究区域的无人机图像，并对无人机图像进行预处理，得到正射图像与数字表面模型的数据；基于栅格计算提取预处理后的正射图像与数字表面模型中冬小麦株高；根据冬小麦株高，采用BP神经网络回归方法建立生物量估测模型；利用模型决定系数对改进前后的生物量估测模型进行精度评价。本发明专利技术具有简单、快速、精度高的特点，通过对图像数据的分析和转换，充分利用单位株高生物量与株高的关系，即可实现生物量的快速高精准估测，精度比直接利用株高进行生物量估测的方法提高了51.72%，实现了冬小麦生物量的低成本高精准估测。实现了冬小麦生物量的低成本高精准估测。实现了冬小麦生物量的低成本高精准估测。
【技术实现步骤摘要】
一种基于无人机的冬小麦生物量快速高精准估测方法
[0001]本专利技术涉及农业工程的
，尤其涉及一种基于无人机的冬小麦生物量快速高精准估测方法，用于冬小麦生物量估测。
技术介绍
[0002]生物量(AGB)对光能利用、干物质产量形成具有重要影响，其精确估测一直是陆地生态学研究的重点问题之一，原因在于：一方面，作物生物量在全球碳循环中具有重要的作用，准确估测作物生物量有助于掌握气候变化与农田生态系统相互间的反馈作用；另一方面，生物量与作物最终单产和产量的形成密切相关。因此，及时准确地进行作物生物量的估测，对科学管理和合理利用农田，保护和增强其碳汇功能具有极其重要的指导意义，为粮食安全问题提供重要的数据参考。
[0003]近年来，国内外应用遥感技术估测作物生物量的研究越来越多。目前农业上用无人机遥感进行生物量估测主要利用RGB和多光谱的数字正射图像提取光谱参数、计算植被指数等进行模型构建，如杨俊等(2019)、Ma等(2019)、Lu等(2019)利用无人机数码图像估测小麦生物量表明，图像颜色指数与纹理特征结合可以提高小麦生物量估测精度，生物量与光谱指数相关系数最高为0.91。但是，由于无人机获取冠层信息受作物种植区域、作物类型以及作物生育期等多种因素的交互作用，植被指数存在饱和现象，影响生物量估测模型的精度以及模型的迁移能力。
[0004]数字表面模型(Digital surface model，DSM)是超高分辨率无人机图像的另一关键信息，与作物高度直接关联。如Chang等(2017)、牛庆林等(2018)、Watanabe等(2017)利用无人机获取高粱的数字遥感图像，基于数字地面模型(Digital Terrain Model，DTM)和DSM得到了作物的株高，估测株高与实测株高的RMSE(均方根误差)在0.33～0.88m。近几年，RTK(实时动态)和PPK(动态后处理)技术的兴起，让无人机在快速、准确获取株高方面有了较为突出的优势，Forlani等(2018)、Wang等(2022)研究表明，采用PPK、RTK校正获得的CSM(作物表面模型)，可以提高株高估测准确性，但目前通过DSM信息直接用于生物量估测模型构建的研究还较为缺乏，模型的精度不够。
技术实现思路
[0005]针对现有冬小麦生物量估测模型的精度较低，模型的适用性较差的技术问题，本专利技术提出一种基于无人机的冬小麦生物量快速高精准估测方法，通过无人机搭载多光谱相机，结合RTK校正和地面控制点获取冬小麦主要生育期的图像数据构建作物表面模型(CSM)，改进冬小麦生物量估算模型，为冬小麦生物量的快速估算、表型研究和作物水肥决策提供技术支撑和理论依据。
[0006]为了达到上述目的，本专利技术的技术方案是这样实现的：一种基于无人机的冬小麦生物量快速高精准估测方法，其步骤如下：
[0007]步骤一：利用无人机多光谱传感器获取研究区域的无人机图像，并对无人机图像
进行预处理，得到正射图像与数字表面模型的数据；
[0008]步骤二：基于栅格计算提取预处理后的正射图像与数字表面模型中冬小麦株高；
[0009]步骤三：根据冬小麦株高，采用BP神经网络回归方法建立生物量估测模型；
[0010]步骤四：利用模型决定系数对生物量估测模型进行精度评价。
[0011]优选地，所述无人机图像的获取方法为：在2020年冬小麦播种前和2021年冬小麦拔节期、孕穗期和开花期，采用无人机携带K6多光谱传感器于10:00
‑
14:00之间获取试验区的无人机图像；无人机的飞行高度为50m，获取的无人机图像的空间分辨率为0.02m。
[0012]优选地，所述K6多光谱传感器包括中心波长450nm的蓝光波段、中心波长550nm的绿光波段、中心波长685nm的红光波段、中心波长725nm的红边波段、中心波长780nm的近红外波段。
[0013]优选地，在试验区4个顶点及中间位置设置地面控制点，用于飞行位置和海拔高度精准校正；试验区设计5个氮素处理区，每个氮素处理重复3次，50％氮素作为底肥施入，50％氮素在冬小麦拔节期追施；试验区采用随机区组试验设计，每个氮素处理区设置3个冬小麦的品种。
[0014]优选地，所述无人机图像预处理的方法包括：
[0015](1)图像格式转换：采用K6多光谱传感器自带MAPIR Camera Control软件，将MAPIR格式无人机图像批量转换为TIF格式图像；
[0016](2)图像筛选：利用研究区的KML数据，根据地理坐标信息自动删除研究区外的图像；
[0017](3)图像拼接：采用Agisoft PhotoScan Professional 12.0软件，基于3Dmodel模式进行图像拼接，获得研究区正射图像I与数字表面模型；
[0018](4)正射校正：基于RTK地理信息坐标和地面控制点，对步骤(3)获得的研究区正射图像Ⅰ和数字表面模型的地理位置进行精准校正；
[0019](5)辐射定标：基于辐射定标板的DN值，结合定标板的反射特征建立线性转换公式，将正射校正后的正射图像Ⅰ的DN值转换为反射率，获得直接用于生物量反演的正射图像Ⅱ。
[0020]优选地，所述步骤二中冬小麦株高的提取方法为：
[0021]1)将预处理中基于3Dmodel模式进行图像拼接时，对齐所有图像，根据RTK地理信息坐标及图像中包含的信息计算每张图片所对应的摄像头深度信息，深度信息合并构建为密集点云，基于构建的密集点云数据生成网格和纹理得到正射图像Ⅰ和作物表面模型(CSM)；
[0022]2)基于预处理中正射校正后得到的正射图像Ⅱ满足地面控制点处CSM的值与GPS实测数字高程模型DEM的值偏差小于0.01m，达到精度后输出CSM图层；
[0023]3)基于小区感兴趣区域的数据、正射图像II、CSM图层数据，在ArcGIS 10.6软件中通过栅格计算器、提取值输出株高数据图层，得到株高H
dsm
。
[0024]优选地，所述图像拼接将CSM图层导入ArcGIS 10.6软件ArcTooLbox工具，用各个生育期CSM栅格图像减去试验区裸地时期数字高程模型的栅格图像后得到标准化后的冬小麦CSM，记作CSMs，并根据试验区内每个小区的范围来绘制矩形感兴趣区域；通过对标准化后的CSMs分区使用计算平均值工具得到每个小区的株高H
dsm
。
[0025]优选地，所述步骤1)～步骤3)在软件Agisoft PhotoScan Professional 12.0中生成密集点云、生成网格、生成纹理、构建数字高程模型和获得正射图像Ⅰ；采集2020年10月5日裸地无人机图像用于建立试验区地形的数字高程模型DEM；绘制矩形感兴趣区域时，每条边与小区边缘预留1m。
[0026]优选地，所述步骤三中采用BP神经网络回归方法建立生物量估测模型的方法为：设定生物量为y，单位为kg/ha，利用株高H...
【技术保护点】
【技术特征摘要】
1.一种基于无人机的冬小麦生物量快速高精准估测方法，其特征在于，其步骤如下：步骤一：利用无人机多光谱传感器获取研究区域的无人机图像，并对无人机图像进行预处理，得到正射图像与数字表面模型的数据；步骤二：基于栅格计算提取预处理后的正射图像与数字表面模型中冬小麦株高；步骤三：根据冬小麦株高，采用BP神经网络回归方法建立生物量估测模型；步骤四：利用模型决定系数对生物量估测模型进行精度评价。2.根据权利要求1所述的基于无人机的冬小麦生物量快速高精准估测方法，其特征在于，所述无人机图像的获取方法为：在2020年冬小麦播种前和2021年冬小麦拔节期、孕穗期和开花期，采用无人机携带K6多光谱传感器于10:00
‑
14:00之间获取试验区的无人机图像；无人机的飞行高度为50m，获取的无人机图像的空间分辨率为0.02m。3.根据权利要求2所述的基于无人机的冬小麦生物量快速高精准估测方法，其特征在于，所述K6多光谱传感器包括中心波长450nm的蓝光波段、中心波长550nm的绿光波段、中心波长685nm的红光波段、中心波长725nm的红边波段、中心波长780nm的近红外波段。4.根据权利要求2或3所述的基于无人机的冬小麦生物量快速高精准估测方法，其特征在于，在试验区4个顶点及中间位置设置地面控制点，用于飞行位置和海拔高度精准校正；试验区设计5个氮素处理区，每个氮素处理重复3次，50％氮素作为底肥施入，50％氮素在冬小麦拔节期追施；试验区采用随机区组试验设计，每个氮素处理区设置3个冬小麦的品种。5.根据权利要求4所述的基于无人机的冬小麦生物量快速高精准估测方法，其特征在于，所述无人机图像预处理的方法包括：(1)图像格式转换：采用K6多光谱传感器自带MAPIR Camera Control软件，将MAPIR格式无人机图像批量转换为TIF格式图像；(2)图像筛选：利用研究区的KML数据，根据地理坐标信息自动删除研究区外的图像；(3)图像拼接：采用Agisoft PhotoScan Professional 12.0软件，基于3Dmodel模式进行图像拼接，获得研究区正射图像I与数字表面模型；(4)正射校正：基于RTK地理信息坐标和地面控制点，对步骤(3)获得的研究区正射图像Ⅰ和数字表面模型的地理位置进行精准校正；(5)辐射定标：基于辐射定标板的DN值，结合定标板的反射特征建立线性转换公式，将正射校正后的正射图像Ⅰ的DN值转换为反射率，获得直接用于生物量反演的正射图像Ⅱ。6.根据权利要求5所述的基于无人机的冬小麦生物量快速高精准估测方法，其特征在于，所述步骤二中冬小麦株高的提取方法为：1)将预处理中基于3Dmodel模式进行图像拼接时，对齐所有图像，根据RTK地理信息坐标及图像中包含的信息计算每张图片所对应的摄像头深度信息，深度信息合并构建为密集点云，基于构建的密...
【专利技术属性】
技术研发人员：郭燕，王来刚，贺佳，杨秀忠，张红利，周磊，郑国清，黎世民，郑逢令，刘海礁，张彦，
申请(专利权)人：河南省农业科学院农业经济与信息研究所，
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。