【技术实现步骤摘要】
一种基于生物量模型的农田数字地图制作方法
[0001]本专利技术涉及农田数字地图制作方法领域,具体的说是一种基于生物量模型,构建用于指导智能农机装备变量作业的农田数字地图制作方法
。
技术介绍
[0002]精准农业是指利用先进的科学技术对农业进行定位
、
定时
、
定量的生产
。
针对不同区域
、
不同环境下的农作物有针对性地采用最合理的生产方式,以提高产量
、
节约成本
、
降低风险
。
基于此背景,使用智能农机装备用于农业生产成为了热门的研究,智能农机在特定的农业场景下作业效率和作业精度得到显著提升,从而实现节约成本的目的
。
农业场景的构建是支撑智能农机作业最基础的技术条件,而农田数字地图又是农业场景构建的重要组成部分
。
[0003]当前农田数字地图的研究主要倾向于地理位置精度以及作业路径等方面,数字地图主要应用于耕整地
、
播种等作业环节,在地图构建过程中重点考虑地理位置信息
。
然而,在耕
、
种
、
管
、
收的全过程作业中,还要考虑地表作物的生长情况,尤其是管
、
收环节
。
通过在数字地图中将地表作物的生物量信息和地理位置信息相结合,能够更好的指导智能农机的变量作业,如精准变量喷药作业
、
变速收获作业等
。 >因此加入生物量信息的新型农田数字地图的制作方法研究显得尤为重要
。
技术实现思路
[0004]为了解决现有技术中的不足,本专利技术提供一种基于生物量模型的农田数字地图制作方法,通过该方法制作的地图同时具备地理位置信息和生物量信息,能够用于指导智能农机装备的变量作业
。
[0005]为了实现上述目的,本专利技术采用的具体方案为:一种基于生物量模型的农田数字地图制作方法,主要包括如下步骤:
S1、
构建农田的
RGB
正射影像地图;
S2、
对
RGB
正射影像地图进行一系列纠偏
、
校准处理使其坐标精度达到
±
3cm
;
S3、
构建五波段光谱影像地图;
S4、
以步骤
S1
所构建的
RGB
正射影像地图为基准对步骤
S3
合成的五波段光谱影像地图进行地理位置信息纠偏和校正;
S5、
对采样区内的地面作物样本信息进行采集,利用多光谱遥感技术提取采样区中蓝
、
绿
、
红
、
红边
、
近红外共五个波段的信息,将五个波段的信息与采样区地面作物样本信息相结合进行相关性分析,构建生物量模型;
S6、
利用专业软件根据步骤
S5
构建的生物量模型和步骤
S3
合成的五波段光谱影像地图生成包含作物生物量数据的作物生物量分布图;
S7、
通过图像处理技术将作物生物量分布图进行网格化处理,并计算出网格内生物量的平均值,随后将计算出的网格内生物量的平均值赋值到步骤
S4
校正后的五波段光谱
影像地图上,同时对网格的坐标信息进行处理,生成具备生物量信息以及地理位置信息的农田数字地图
。
[0006]进一步地,步骤
S1
中,采用测绘无人机对农田地理位置信息进行采集测绘,利用专业绘图软件根据采集的农田地理位置信息构建农田的
RGB
正射影像地图
。
[0007]进一步地,利用无人机的
RTK
差分定位
GNSS
接收机测量地面像控点及检查点坐标信息,在构建农田的
RGB
正射影像地图之前,将地面像控点坐标信息导入专业绘图软件,通过空三优化对待构建的
RGB
正射影像地图的坐标精度进行纠偏
。
[0008]进一步地,在构建农田的
RGB
正射影像地图之后,通过将检查点坐标信息与
RGB
正射影像地图的实际位置坐标信息对比,以检查
RGB
正射影像地图的坐标精度能否达到
±
3cm。
[0009]进一步地,步骤
S3
中,采用测绘无人机对作物光谱信息进行采集测绘,将采集的光谱信息合成五个波段的光谱信息地图,然后再将五个波段的光谱信息地图合成一幅五波段光谱影像地图
。
[0010]进一步地,步骤
S5
中,五个波段的信息共包含
27
个植被指数
。
[0011]进一步地,采用皮尔逊相关性分析对地面作物样本信息与
27
个植被指数进行相关性分析,确定
27
个植被指数与地面作物样本信息的相关性;采用逐步回归分析技术及相关专业软件分析,构建
27
个植被指数与地面作物样本信息的回归模型,最终构建出作物的生物量模型
。
[0012]有益效果:
[0013]利用本专利技术的制作方法制作的农田数字地图同时具备地理位置信息和生物量信息
。
该地图制作完成后能够用于指导智能农机装备的变量作业
。
借助本专利技术的制作方法,可利用作物生物量模型和遥感无人机搭载多光谱相机,在较短时间内获取作物生物量信息,便于智能农机装备根据作物长势情况进行变量作业
。
如喷药作业时可根据生物量信息精准控制肥量
、
药量,减少化肥农药使用量,降低种植成本;如收获作业时可根据生物量数据实时调整农机作业速度,降低粮食损失率,提升农机作业效率
。
附图说明
[0014]图1是农田数字地图构建流程图
。
[0015]图2是作物生物量逐步回归模型构建图
。
[0016]图3是小麦生物量分布图
。
[0017]图4是网格化处理后的小麦生物量空分布图
。
[0018]图5是网格内坐标参数设置图
。
[0019]图6是赋值后的网格化数字地图
。
[0020]图7是导出后的农田数字地图
。
具体实施方式
[0021]下面将结合具体实施例对本专利技术的技术方案进行清楚
、
完整地描述,显然,所描述的实施例仅仅是本专利技术一部分实施例,而不是全部的实施例
。
基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本专利技术
的保护范围
。
[0022]本专利技术提供了一种基于生物量模型的农田数字地图制作本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种基于生物量模型的农田数字地图制作方法,其特征在于,主要包括如下步骤:
S1、
构建农田的
RGB
正射影像地图;
S2、
对
RGB
正射影像地图进行一系列纠偏
、
校准处理使其坐标精度达到
±
3cm
;
S3、
构建五波段光谱影像地图;
S4、
以步骤
S1
所构建的
RGB
正射影像地图为基准对步骤
S3
合成的五波段光谱影像地图进行地理位置信息纠偏和校正;
S5、
对采样区内的地面作物样本信息进行采集,利用多光谱遥感技术提取采样区中蓝
、
绿
、
红
、
红边
、
近红外共五个波段的信息,将五个波段的信息与采样区地面作物样本信息相结合进行相关性分析,构建生物量模型;
S6、
利用专业软件根据步骤
S5
构建的生物量模型和步骤
S3
合成的五波段光谱影像地图生成包含作物生物量数据的作物生物量分布图;
S7、
通过图像处理技术将作物生物量分布图进行网格化处理,并计算出网格内生物量的平均值,随后将计算出的网格内生物量的平均值赋值到步骤
S4
校正后的五波段光谱影像地图上,同时对网格的坐标信息进行处理,生成具备生物量信息以及地理位置信息的农田数字地图
。2.
根据权利要求1所述的一种基于生物量模型的农田数字地图制作方法,其特征在于,步骤
S1
中,采用测绘无人机对农田地理位置信息进行采集测绘,利用专业绘图软件根据采集的农田地理位置信息构建农田的
...
【专利技术属性】
技术研发人员:郭延超,李金广,王岗,陈洪涛,秦延东,李渊,陈松,张明明,王睿,杨亚飞,付超伟,俞道云,
申请(专利权)人:洛阳拖拉机研究所有限公司,
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。