一种基于无人机高光谱遥感图像的小麦氮含量测算方法技术

本发明专利技术公开了一种基于无人机高光谱遥感图像的小麦氮含量测算方法，涉及数字图像处理在农业遥感领域的应用，本发明专利技术基于无人机遥感图像和地面实测数据，结合不同微分阶和反射率光谱指数，首先计算提取的光谱指数与小麦不同部位氮含量值的

【技术实现步骤摘要】
一种基于无人机高光谱遥感图像的小麦氮含量测算方法


[0001]本专利技术涉及数字图像处理在农业遥感领域的应用，具体涉及一种基于无人机高光谱遥感图像的小麦氮含量测算方法
。

技术介绍

[0002]小麦作为世界上广泛种植的谷类作物，是世界第一大口粮和作物蛋白主要来源，其中小麦氮含量是衡量其营养成分的重要指标之一，与小麦的长势
、
产量和品质息息相关
。
按照播种季节的不同，可将小麦分为春小麦和冬小麦，春小麦的生长期在4‑5个月，冬小麦的生长期在7‑8个月，其生育期分为播种期
、
出苗期
、
分蘖期
、
越冬期
、
返青期
、
拔节期
、
孕穗期
、
抽穗期
、
开花期
、
灌浆期
、
成熟期
。
小麦灌浆期是小麦生长的关键阶段，在灌浆期内，小麦光合作用产生的淀粉，和转化的蛋白质通过同化作用贮存在小麦籽粒内
。
小麦籽粒的饱满指数主要受灌浆速率的影响，而灌浆期的灌浆速率受不同栽培方式
、
小麦前期发育状况
、
当季环境条件及土壤养分等的影响
。2020
年晁漫宁提出干旱
、
高温及其互作胁迫导致籽粒灌浆时间缩短，其中干旱和干旱高温互作胁迫影响更为显著
(
晁漫宁，干旱
、
高温及其互作对灌浆期小麦籽粒发育的影响解析
[D].
西安：西北农林科技大学，
2020.)。2021
年，吕晓康提出
N
处理能够缩短灌浆快增期时间，使小麦快速达到最大灌浆速度，加速小麦籽粒灌浆进程，为灌浆后期小麦籽粒的进一步充实和饱满打下良好的基础
(
吕晓康
.
花期不同形态氮素叶面喷施对冬小麦粒重和品质形成的调控效应及机理研究
[D].
西安：西北农林科技大学
,2021.)。
因此，在灌浆期，合理的管理有利于提高千粒重，优化改善籽粒品质
。
[0003]由此可知，根据灌浆期内小麦氮素含量的不同，执行相应追施氮肥作业，对稳定小麦的产量和品质具有重要意义
。
然而截至目前为止，各组织器官含氮量预测首先筛选较优波段，其次引入新的植被指数，最后构建监测模型
。
例如，
2022
年，
Fu
等研究得出红边
(730nm)
和近红外
(850nm)
波段是小麦氮含量最敏感的波段
。
开花期的
NDVI(730
，
850)
由纹理和光谱信息构建，是最佳预测因子
(Fu ZP,Yu SS,Zhang JY,et al.Combining UAV multispectral imagery and ecological factors to estimate leaf nitrogen and grain protein content of wheat[J].European Journal of Agronomy,2022,132,126405.)。Lu
等对比低空视点图像，镶嵌正射影像和高重叠多视图像，发现高重叠多视图像对冬小麦
LNC
估计精度最高，表明基于无人机的高重叠图像提取信息具有巨大潜力
(Lu N,Wu YP,Zheng HB et al.An assessment of multi
‑
view spectral information from UAV
‑
based color
‑
infrared images for improved estimation of nitrogen nutrition status in winter wheat[J].Precision Agriculture,2022,23(5):1653
‑
1674.)。
以上方法多局限于多光谱与高光谱的组合指数，没有深入挖掘光谱特征，无法为田间小麦氮素的快速
、
精确预测和精准施肥提供理论依据
。
传统的氮含量检测虽然准确性较高，但是取样检测周期长
、
无法实现大面积检测
。
遥感检测为含氮量的测定提供一种有效简化的手段，已成为实时大范围反演的一种重要工具和手段
。

技术实现思路

[0004]为解决上述问题，本专利技术提供一种基于无人机高光谱遥感图像的小麦氮含量测算方法，以无人机为遥感平台
、
高光谱相机为图像采集设备，通过数字图像处理技术，提供一种大田环境下的小麦氮含量的测算方法
。
[0005]本专利技术通过以下技术方案来实现：一种基于无人机高光谱遥感图像的小麦氮含量测算方法，包括以下步骤：步骤一
、
在小麦田间随机布置取样标记
m
个
(m≥50)
，利用无人机搭载高光谱成像设备在小麦灌浆期采集麦田高光谱数据与标记点的位置坐标；步骤二
、
利用过绿
‑
过红植被指数
ExG
‑
ExR
分割小麦植株与背景，并在每个取样点周围画1×
1m
作为样本小区，并计算所有样本小区的小麦像元平均反射率，随机选择
n
个样本小区作为样本区
(30
％
≤n
＜
100
％
)
；步骤三
、
利用样本区内的小麦平均反射率计算不同分数阶微分光谱指数和反射率光谱指数；步骤四
、
使用边长为
0.5m
的正方形框架以标记点对中心点小麦进行分隔，收割
0.25m2范围内的小麦植株样本，带回实验室利用凯氏定氮法测量收割的小麦植株样本不同部位氮含量的真值；步骤五
、
利用步骤二提取的光谱指数，计算其与小麦不同部位氮含量值的
Pearson
相关系数；步骤六
、
根据相关系数大小优选光谱指数，以及样本区内小麦不同部位氮含量值，建立回归模型；步骤七
、
根据建立的小麦不同部位氮含量估测模型，将每个小区的光谱植被指数输入估测模型，获取相应小区的小麦不同部位氮含量值；步骤八
、
根据获取的小麦不同部位氮含量值，利用反距离加权空间插值算法进行可视化处理，即获得麦田整体的氮含量分布信息
。
[0006]进一步的，步骤三所述计算不同分数阶微分光谱指数和反射率光谱指数包括以下步骤：步骤一
、
构建对小麦氮含量敏感的两波段分数阶微分光谱指数，以
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于无人机高光谱遥感图像的小麦氮含量测算方法，其特征在于：包括以下步骤：步骤一
、
在小麦田间随机布置取样标记
m
个，其中
m≥50
；利用无人机搭载高光谱成像设备在小麦灌浆期采集麦田高光谱数据与标记点的位置坐标；步骤二
、
利用过绿
‑
过红植被指数
ExG
‑
ExR
分割小麦植株与背景，并在每个取样点周围画1×
1m
作为样本小区，并计算所有样本小区的小麦像元平均反射率，随机选择
n
个样本小区作为样本区，其中
30
％
≤n
＜
100
％；步骤三
、
利用样本区内的小麦平均反射率计算不同分数阶微分光谱指数和反射率光谱指数；步骤四
、
使用边长为
0.5m
的正方形框架以标记点对中心点小麦进行分隔，收割
0.25m2范围内的小麦植株样本，带回实验室利用凯氏定氮法测量收割的小麦植株样本不同部位氮含量的真值；步骤五
、
利用步骤三提取的光谱指数，计算其与小麦不同部位氮含量值的
Pearson
相关系数；步骤六
、
根据相关系数大小优选光谱指数，以及样本区内小麦不同部位氮含量值，建立回归模型；步骤七
、
根据建立的小麦不同部位氮含量估测模型，将每个小区的光谱植被指数输入估测模型，获取相应小区的小麦不同部位氮含量值；步骤八
、
根据获取的小麦不同部位氮含量值，利用反距离加权空间插值算法进行可视化处理，即获得麦田整体的氮含量分布信息
。2.
根据权利要求1所述的一种基于无人机高光谱遥感图像的小麦氮含量测算方法，其特征在于：步骤三所述计算不同分数阶微分光谱指数和反射率光谱指数包括以下步骤：步骤一
、
构建对小麦氮含量敏感的两波段分数阶微分光谱指数，以
0.1
阶次间隔计算0～2阶次下分数阶微分光谱指数
FDI、FRI、FRDVI
；步骤二
、
构建对小麦氮含量敏感的三波段分数阶微分光谱指数，以
0.1
阶次间隔计算0～2阶次下分数阶微分光谱指数
FGI、FMDD、FMNDI
；步骤三
、
计算反射率光谱指数
GNDVI、CARI、MTCI、MRESR。3.
根据权利要求2所述的一种基于无人机高光谱遥感图像的小麦氮含量测算方法，其特征在于：所述两波段分数阶微分光谱指数的计算公式为：特征在于：所述两波段分数阶微分光谱指数的计算公式为：特征在于：所述两波段分数阶微分光谱指数的计算公式为：式中
R
为光谱反射率，波长
i≠j
，
α
为光谱阶数
。4.
根据权利要求2所述的一种基于无人机高光谱遥感图像的小麦氮含量测算方法，其特征在于：所述三波段分数阶微分光谱指数的计算公式为：
式中
R
为光谱反射率，波长
i≠j≠k
，
α
为光谱阶数
。5.
根据权利要求2所述的一种基于无人机高光谱遥感图像的小麦氮含量测算方法，其特征在于：所述反射率光谱指数的计算公式为：
CARI
＝
(R
red
‑
edge
α
‑
R
red
α
)
‑
0.2
×
(R
red
‑
edge
α
+R
red
α
))
式中
...

【专利技术属性】
技术研发人员：崔宏伟，张颢蕾，姬江涛，马淏，金鑫，郑逢勋，李雪，王小飞，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：