一种农作物叶片净光合速率反演方法、系统、设备及介质技术方案

本发明专利技术公开了一种农作物叶片净光合速率反演方法、系统、设备及介质，涉及遥感信息的处理与应用领域，所述方法，包括：获取目标遥感影像；目标遥感影像是采用无人机对目标田地进行拍摄得到的；对目标遥感影像进行特征波段筛选，得到目标田地在各个设定波段上的反射率均值；根据目标田地所有设定波段上的反射率均值，构建目标田地的反射率均值特征矩阵；将目标田地的反射率均值特征矩阵输入叶片净光合速率反演模型中，得到目标田地的农作物叶片净光合速率；其中，叶片净光合速率反演模型是基于机器学习算法构建的。本发明专利技术能实现大面积农作物叶片净光合速率的无损检测。作物叶片净光合速率的无损检测。作物叶片净光合速率的无损检测。

【技术实现步骤摘要】
一种农作物叶片净光合速率反演方法、系统、设备及介质


[0001]本专利技术涉及涉及遥感信息的处理与应用领域，特别是涉及一种农作物叶片净光合速率反演方法、系统、设备及介质。

技术介绍

[0002]传统农业中，监测农作物的长势信息主要通过人工破坏性取样结合手工测量来获取相关的农学指标，该监测方法难以应用于大范围的农作物长势监测，且工作量大、成本高。

技术实现思路

[0003]基于此，本专利技术实施例提供一种农作物叶片净光合速率反演方法、系统、设备及介质，以实现大面积农作物叶片净光合速率的无损检测。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种农作物叶片净光合速率反演方法，包括：
[0006]获取目标遥感影像；所述目标遥感影像是采用无人机对目标田地进行拍摄得到的；
[0007]对所述目标遥感影像进行特征波段筛选，得到所述目标田地在各个设定波段上的反射率均值；
[0008]根据所述目标田地所有设定波段上的反射率均值，构建所述目标田地的反射率均值特征矩阵；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种农作物叶片净光合速率反演方法，其特征在于，包括：获取目标遥感影像；所述目标遥感影像是采用无人机对目标田地进行拍摄得到的；对所述目标遥感影像进行特征波段筛选，得到所述目标田地在各个设定波段上的反射率均值；根据所述目标田地所有设定波段上的反射率均值，构建所述目标田地的反射率均值特征矩阵；将所述目标田地的反射率均值特征矩阵输入叶片净光合速率反演模型中，得到所述目标田地的农作物叶片净光合速率；其中，所述叶片净光合速率反演模型是基于机器学习算法构建的。2.根据权利要求1所述的一种农作物叶片净光合速率反演方法，其特征在于，所述叶片净光合速率反演模型的确定方法为：获取训练时段内的训练遥感影像；所述训练遥感影像是采用无人机对训练田地进行拍摄得到的；对所述训练遥感影像进行特征波段筛选，得到所述训练田地在各个设定波段上的反射率均值；根据所述目标田地所有设定波段上的反射率均值，构建样本集特征矩阵；所述样本集特征矩阵为所述训练田地的反射率均值特征矩阵；对所述训练时段内的叶片净光合速率进行测定，得到所述训练田地的叶片净光合速率测量值；根据所述叶片净光合速率测量值构建标签矩阵；将所述样本集特征矩阵和所述标签矩阵进行纵向合并和划分，得到训练数据集和测试数据集；采用所述训练数据集对自适应增强模型进行训练，得到训练好的自适应增强模型；采用所述测试数据集对所述训练好的自适应增强模型中的参数进行调整，得到所述叶片净光合速率反演模型。3.根据权利要求1所述的一种农作物叶片净光合速率反演方法，其特征在于，所述获取目标遥感影像，具体包括：采用无人机对目标田地进行多次拍摄，得到多幅初始遥感影像；对多幅所述初始遥感影像进行拼接，得到所述目标遥感影像。4.根据权利要求2所述的一种农作物叶片净光合速率反演方法，其特征在于，所述采用所述训练数据集对自适应增强模型进行训练，得到训练好的自适应增强模型，具体包括：构建所述自适应增强模型；所述自适应增强模型，包括设定数目的弱学习器；将所述训练数据集中的所述样本集特征矩阵为输入，以所述标签矩阵为输出，利用权重自适应误差的方法训练各所述弱学习器，得到设定数目的训练好的弱学习器；将设定数目的训练好的弱学习器进行加权结合，得到训练好的自适应增强模型。5.根据权利要求1所述的一种农作物叶片净光合速率反演方法，其特征在于，所述反射率均值的计算公式为：
其中，为目标田地上第m个田块区在第n个设定波段λ
n
上的反射率均值，为第n个设定波段λ
n
上的第m个田块区内的第a个像素点的反射率值；A
m
为目...

【专利技术属性】
技术研发人员：杨欣，叶寅，夏敏，
申请(专利权)人：安徽省农业科学院土壤肥料研究所，
类型：发明
国别省市：