一种基于反射光谱的水稻抽穗期无损快速识别方法及系统技术方案

本发明专利技术公开了一种基于反射光谱的水稻抽穗期无损快速识别方法及系统，利用多光谱传感器获得全生育期水稻冠层光谱反射率进而推演出蓝波段和红边波段的光合吸收系数，结合其时序变化特征设计出用于表示水稻光合特性的红边吸收比值指数，通过设置阈值并结合水稻物候先验知识建立水稻抽穗期的识别模型，实现水稻抽穗期的快速无损识别。本发明专利技术反映了水稻关键生长发育阶段和相应的光合吸收变化，不需要考虑水稻冠层结构和品种差异，也不依赖人工观察幼穗是否从剑叶的叶鞘中抽出，在无人机遥感平台的多品种水稻育种研究群体中得到了应用，为高效快捷地进行大规模田间水稻抽穗期识别提供了生理学参考。供了生理学参考。供了生理学参考。

【技术实现步骤摘要】
一种基于反射光谱的水稻抽穗期无损快速识别方法及系统


[0001]本专利技术属于农业遥感
，具体涉及一种基于反射光谱的水稻抽穗期无损快速识别方法及系统。

技术介绍

[0002]种子是农业的“芯片”，是确保粮食安全的关键。水稻育种的目的是培育具有更高产量潜力和更强耐受能力的水稻品种，其中在目标条件下优化水稻抽穗期以实现粮食产量最大化是育种方案的一个重要方面。为了更好地辅助育种，实现大规模快速无损地监测水稻抽穗期就变得更加迫切。
[0003]水稻抽穗期是指水稻生长过程中发育完全的穗随着茎秆的伸长而伸出顶部叶片的现象。抽穗期标志着水稻由营养生长向生殖生长开始转变，也是营养生长和生殖生长旺盛的并进阶段，其是决定水稻粒重和每穗粒数最为重要的关键期，直接影响水稻的产量，也是水稻一生中生长发育最快，对养分、水分、温度和光照要求最多的时期，因此也是进行追肥的最佳时间，对抽穗期的快速无损识别有助于指导田间治理和施肥决策。
[0004]由于水稻抽穗时幼穗通常被包裹在主茎中，传统的水稻抽穗期识别方法是根据品种迟早和秧龄长短，在接近幼穗生长期，通过人工逐日采集并剥取一定数量单株的主茎，通过肉眼观察主茎的叶鞘中是否有可见幼穗抽出，当50%的主茎有可见幼穗时认为该品种水稻进入抽穗期。这种方法需要破坏性采样，通过肉眼来观察幼穗是否抽出，耗时费力且主观性强，往往只适用于较小范围的水稻育种田，而常规育种田中种植的水稻品种有成百上千种。相比之下，遥感更适用于田块级、区域级和全球范围内的各种耕地环境和各种季节气候。遥感是一种收集作物生长和生理数据的高通量无损方法，主要通过冠层反射信号来推断作物的有效信息。特别是近年来，无人机遥感以其高分辨率、低成本和灵活性被广泛应用于水稻抽穗期识别中。
[0005]目前利用遥感技术对水稻抽穗期的识别方法主要分为植被指数阈值法、时序曲线法、光谱空间法和机器学习法。植被指数阈值法主要是通过设定植被指数阈值来规定作物的抽穗期，这种方法虽然简单，但是不适用于大范围的物候研究。时序曲线法是根据已有数据的统计时间序列，对未来的变化趋势进行预测分析，这类方法充分利用了作物的光谱曲线全生育期的变化，但是需要长时间序列的反射率信息，对于时间分辨率较低的数据源很难进行物候分析。光谱空间法的理论依据是在直角坐标系内，相同类型的地物表现出聚类现象，这种方法对光谱数量要求比较多。机器学习作为一种多领域交叉学科，近年来被广泛应用于作物物候期识别中，但这种方法对样本数量要求较大，且理论基础较为薄弱。目前现有基于计算机图形学的水稻抽穗期估算方法虽然精度较高，但是只能应用在单株或者较少数量的水稻中，且需要的仪器设备成本较高。
[0006]使用遥感技术进行水稻抽穗期识别的复杂性在于水稻冠层结构、色素成分、生物量分配以及水稻内部结构的光学特征在抽穗时发生了巨大的变化，进而使得遥感获取的反射信息繁杂。而目前基于冠层以树叶为主或具有不明显的花或果实的作物开发的光学遥感
方法很难适用于水稻中。此外，全球水稻种质资源库中品种超过5万种，中国每年增加数百个水稻新品种，对这些品种的抽穗期进行大规模基准测量是十分困难的。

技术实现思路

[0007]针对现有技术的不足，本专利技术提供一种基于反射光谱的水稻抽穗期无损快速识别方法，包括以下步骤：步骤1，使用传感器在水稻生育周期的各生育期获取水稻种植区的多光谱影像，并进行影像波段叠加、几何校正、辐射定标处理，提取全生育期水稻冠层光谱反射率；步骤2，利用步骤1提取的冠层光谱反射率计算水稻蓝波段和红边波段的光合吸收系数；步骤3，使用蓝波段和红边波段的光合吸收系数通过比值法计算红边吸收比值指数BREVI，利用水稻各生育期的红边吸收比值指数构建时序红边吸收比值指数曲线；步骤4，根据步骤3构建的水稻时序红边吸收比值指数曲线设定阈值，并结合水稻生长过程的物候学先验知识建立水稻抽穗期的识别模型；步骤5，将步骤4得到的识别模型应用在无人机或地面获取的大规模多品种水稻育种田中，快速无损地获取多品种水稻抽穗期的识别结果。
[0008]而且，所述步骤1中传感器搭载于无人机或地面平台上，当搭载在无人机上时，无人机传感器应位于水稻种植区上方~的高度获取水稻全生育期的多光谱影像，当搭载在地面平台上时，地面传感器应位于水稻种植区上方~米获取水稻全生育期的多光谱影像，、、、均为设定的阈值。
[0009]多光谱传感器获取到的是影像像元DN值，需要进行辐射定标将其转换为地表反射率，DN值和地表反射率的转换公式如下：（1）式中，i表示多光谱传感器的波段序号，代表第i波段处的反射率；表示第i波段对应像元的DN值；与分别表示第i波段的增益系数与偏置系数，这两个参数由最小二乘法计算得到。
[0010]通过最小二乘求解，能够得到每个波段内的增益系数和偏置系数，利用求解得到的增益系数与偏置系数分别对各波段的影像进行辐射定标，即可得到水稻各波段的冠层光谱反射率。
[0011]而且，所述步骤2中蓝波段和红边波段的光合吸收系数计算方式为：（2）（3）式中，为蓝波段的光合吸收系数，为红边波段的光合吸收系数为红边波段的光合吸收系数分别为蓝、红边和近红波段的冠层光谱反射率。
[0012]而且，所述步骤3中红边吸收比值指数BREVI计算方式为：（4）式中，、分别为蓝、红边波段的光合吸收系数。
[0013]以播种后天数DAS作为横坐标，计算得到的水稻各生育期的红边吸收比值指数为纵坐标，构建时序红边吸收比值指数曲线。
[0014]而且，所述步骤4中选择步骤3构建的水稻时序红边吸收比值指数曲线后半段斜率开始增加时的纵坐标为阈值，水稻生长过程的物候学先验知识为水稻在播种后55天内不会进入抽穗期，但播种后125天一定会进入抽穗期，由此建立水稻抽穗期的识别模型为：当时，水稻不会进入抽穗期；当时，水稻进入抽穗期；当时，水稻进入抽穗期。
[0015]而且，所述步骤5中将育种田中的所有水稻冠层光谱反射率数据通过步骤2~步骤3操作计算得到的红边吸收比值指数代入步骤4建立的水稻抽穗期识别模型中，获得多品种水稻抽穗期的快速无损识别结果。
[0016]本专利技术还提供一种基于反射光谱的水稻抽穗期无损快速识别系统，用于实现如上所述的一种基于反射光谱的水稻抽穗期无损快速识别方法。
[0017]而且，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的程序指令执行如上所述的一种基于反射光谱的水稻抽穗期无损快速识别方法。
[0018]或者，包括可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序执行时，实现如上所述的一种基于反射光谱的水稻抽穗期无损快速识别方法。
[0019]与现有技术相比，本专利技术具有如下优点：1）本专利技术建立的水稻抽穗期快速无损识别模型具有坚实的生物物理基础，蓝波段和红边波段光谱区域对水稻的长势结构与生物化学性状十分敏感；2）本专利技术所提方法不需要复杂的人工测量，也不需要较高的设备成本，只需要利用搭载多光谱相机的无人机快速地在目标区域飞行获取影像，就可以对种植许多品种的真本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于反射光谱的水稻抽穗期无损快速识别方法，其特征在于，包括以下步骤：步骤1，使用传感器在水稻生育周期的各生育期获取水稻种植区的多光谱影像，并进行影像波段叠加、几何校正、辐射定标处理，提取全生育期水稻冠层光谱反射率；步骤2，利用步骤1提取的冠层光谱反射率计算水稻蓝波段和红边波段的光合吸收系数；步骤3，使用蓝波段和红边波段的光合吸收系数通过比值法计算红边吸收比值指数BREVI，利用水稻各生育期的红边吸收比值指数构建时序红边吸收比值指数曲线；步骤4，根据步骤3构建的水稻时序红边吸收比值指数曲线设定阈值，并结合水稻生长过程的物候学先验知识建立水稻抽穗期的识别模型；步骤5，将步骤4得到的识别模型应用在无人机或地面获取的大规模多品种水稻育种田中，快速无损地获取多品种水稻抽穗期的识别结果。2.如权利要求1所述的一种基于反射光谱的水稻抽穗期无损快速识别方法，其特征在于：步骤1中传感器搭载于无人机或地面平台上，当搭载在无人机上时，无人机传感器应位于水稻种植区上方~的高度获取水稻全生育期的多光谱影像，当搭载在地面平台上时，地面传感器应位于水稻种植区上方~米获取水稻全生育期的多光谱影像，、、、均为设定的阈值。3.如权利要求2所述的一种基于反射光谱的水稻抽穗期无损快速识别方法，其特征在于：步骤1中多光谱传感器获取到的是影像像元DN值，需要进行辐射定标将其转换为地表反射率，DN值和地表反射率的转换公式如下：（1）式中，i表示多光谱传感器的波段序号，代表第i波段处的反射率；表示第i波段对应像元的DN值；与分别表示第i波段的增益系数与偏置系数，这两个参数由最小二乘法计算得到；通过最小二乘求解，能够得到每个波段内的增益系数和偏置系数，利用求解得到的增益系数与偏置系数分别对各波段的影像进行辐射定标，即可得到水稻各波段的冠层光谱反射率。4.如权利要求1所述的一种基于反射光谱的水稻抽穗期无损快速识别方法，其特征...

【专利技术属性】
技术研发人员：彭漪，刘小娟，张朝冉，方圣辉，龚龑，吴贤婷，朱仁山，
申请(专利权)人：武汉大学，
类型：发明
国别省市：