【技术实现步骤摘要】
本专利技术属于作物监测，特别是涉及一种冬小麦spad时空变化监测方法。
技术介绍
1、soil plant analysis development(spad)表征着叶片叶绿素的相对含量，叶绿素是反映作物生长发育的重要指标，与作物营养状况息息相关。因此，精准、高效地获取冬小麦spad对田间管理决策与生长状况监测具有重要意义。
2、传统获取作物叶绿素含量的方法主要依赖田间破坏性取样和室内化学分析，费时费力，成本高昂。已有研究证明，手持spad-502型叶绿素仪获取的数据结果与在实验室中通过化学分析的叶绿素含量密切相关。spad获取方式相较于叶绿素的传统测量法更加便捷，可进行非破坏性取样，但由于其测点的限制，使得测量工作仍具有一定的人力成本，作业尺度小，效率低，难以满足大面积获取作物叶绿素含量信息的需求。spad是评估作物营养状况的重要指标，是表征冬小麦抽穗期至灌浆期生殖生长状态的重要参数。因此，无损、快速、精准地监测冬小麦spad对保障粮食稳产和指导田间精准管理具有至关重要的作用。
3、由无人机图像计算出的光谱特征(植被指数、波段反射率等)已经成为精准农业领域中常用的遥感信息，被证实在估测作物lai、agb、spad、氮含量等表型性状方面具有巨大潜力。但在作物生长后期高冠层覆盖的情况下，植被指数会产生光谱饱和效应。这是由于生殖生长阶段的小麦冠层背景复杂，无人机图像包含着小麦穗、茎、叶和少量土壤，饱和的图像信息降低了植被指数的敏感性。因此，在生殖生长阶段仅使用光谱特征难以建立可靠的小麦spad估测模型。>
4、现有技术中，主要集中在小麦的营养生长阶段开展spad的估算，由于生长后期冬小麦拥有复杂的冠层背景，导致估算模型精度不高。就目前而言，已有大量研究涉及了光谱特征和纹理特征的融合应用，但对于这庞大的融合数据集却很少考虑到特征变量的选择，光谱特征与纹理特征之间的数据冗余会降低模型性能。
技术实现思路
1、本专利技术的目的在于提供一种冬小麦spad时空变化监测方法，通过以不同品种不同施氮量的冬小麦为研究对象，利用无人机多光谱传感器获取了抽穗期、开花期和灌浆后期的冬小麦冠层图像，采用图像分析技术提取了图像的光谱特征和纹理特征，基于boruta和recursive feature elimination(rfe)2个特征选择方法分别筛选了对冬小麦spad敏感的遥感指标，使用support vector regression(svr)机器学习算法构建了冬小麦生殖生长阶段的spad预测模型。根据spad估算的coefficient of determination(r2),root meansquare error(rmse)and residual prediction deviation(rpd)对63个模型进行评价，解决了现有的问题。
2、为解决上述技术问题，本专利技术是通过以下技术方案实现的：
3、一种冬小麦spad时空变化监测方法，包括以下步骤：
4、步骤s001：利用无人机在生育期采集冬小麦的多光谱数据；
5、步骤s002：利用spad-502型叶绿素仪在若干个样地里测定冬小麦相对叶绿素含量值(spad)；
6、步骤s003：无人机图像预处理：将各生育期采集到的无人机多光谱图像导入pix4dmapper软件进行影像拼接；
7、步骤s004：计算出每个地块相对叶绿素含量值的平均数并进行分析，对光谱特征、纹理特征和光谱纹理特征融合集分别构建spad预测模型；
8、步骤s005：基于r语言(version 4.1.3)采用支持向量机回归(support vectormachine regression,svr)算法预测冬小麦基于spad值的叶绿素的含量。
9、进一步地，所述无人机包括5个1208万像素的单色传感器，单色传感器分别为：蓝、绿、红、红边和近红外，单色传感器的中心波长分别为450nm、560nm、650nm、730nm和840nm，单色传感器的带宽分别为±16nm、±16nm、±16nm、±16nm、±26nm，所述无人机包括rtk(real-time kinematic)系统，所述rtk(real-time kinematic)系统的垂直精度为±1.5cm和水平精度为±1cm。
10、进一步地，所述步骤s003中，影像拼接的方法包括以下步骤：
11、步骤s0311：利用特征点匹配算法对齐直方图，基于无人机图像和位置数据获取密集点云和纹理网格；
12、步骤s0312：校正波段间的差异；
13、步骤s0313：利用arcgis10.2创建矢量(shapefile)文件，依据试验区正射影像图划分样地区域，生成叠加在冬小麦图像上的若干个矢量小区，并逐一为矢量小区赋予id信息。
14、进一步地，所述步骤s003还包括以下步骤：
15、步骤s031：光谱特征提取：从多光谱图像中获取冬小麦生育期冠层的若干个原始波段反射率；
16、步骤s032：纹理特征提取：采用灰度共生矩阵(grey level co-occurrencematrices,glcm)提取冬小麦冠层多光谱图像中的蓝、绿、红、红边和近红外波段的纹理信息。
17、进一步地，所述步骤s0312中，校正波段间的差异的方法为：
18、在地面布控若干个已知反射率的辐射定标板；
19、基于经验线性方法(empirical line method)利用已知反射率的地面辐射定标板图像信息对多光谱图像进行辐射校正。
20、进一步地，所述步骤s031中，选取30个用于作物长势监测与参数评估的光谱特征，光谱特征分为5类，分别是5个原始波段、7个仅由可见光波段组成的植被指数、5个由红边波段组成且不存在近红外波段的植被指数、8个由近红外波段组成且不存在红边波段的植被指数、和5个由近红外和红边波段共同组成的植被指数。
21、进一步地，所述步骤s032中，纹理信息包括纹理信息包括均值(mean)、方差(variance)、同质性(homogeneity)、对比度(contrast)、差异性(dissimilarity)、熵(entropy)、角二阶矩(second moment)和相关性(correlation)共八个指标，计算每个样地纹理(glcm)指标的最大值、最小值、均值和标准差，获取5×8×4个纹理指标。
22、进一步地，所述步骤s004中，构建spad预测模型时，采用rfe算法和boruta算法筛选不同的特征参数集，通过融合不同特征参数集并与未经筛选的特征参数集的模型表现进行比较分析，获取最优的特征组合；
23、由rfe算法筛选的特征参数集变量以r-为前缀，boruta算法筛选的特征参数集分别以c-和ct-来表示；
24、其中，boruta算法筛选的特征参数集包括“确认的”(conf本文档来自技高网...
【技术保护点】
1.一种冬小麦SPAD时空变化监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种冬小麦SPAD时空变化监测方法，其特征在于，所述无人机包括5个1208万像素的单色传感器，单色传感器分别为：蓝、绿、红、红边和近红外，单色传感器的中心波长分别为450nm、560nm、650nm、730nm和840nm，单色传感器的带宽分别为±16nm、±16nm、±16nm、±16nm、±26nm，所述无人机包括RTK系统，所述RTK系统的垂直精度为±1.5cm和水平精度为±1cm。
3.根据权利要求1所述的一种冬小麦SPAD时空变化监测方法，其特征在于，所述步骤S003中，影像拼接的方法包括以下步骤：
4.根据权利要求1所述的一种冬小麦SPAD时空变化监测方法，其特征在于，所述步骤S003还包括以下步骤：
5.根据权利要求3所述的一种冬小麦SPAD时空变化监测方法，其特征在于，所述步骤S0312中，校正波段间的差异的方法为：
6.根据权利要求4所述的一种冬小麦SPAD时空变化监测方法，其特征在于，所述步骤S031中，选取3
7.根据权利要求4所述的一种冬小麦SPAD时空变化监测方法，其特征在于，所述步骤S032中，纹理信息包括纹理信息包括均值、方差、同质性、对比度、差异性、熵、角二阶矩和相关性共八个指标，计算每个样地纹理指标的最大值、最小值、均值和标准差，获取5×8×4个纹理指标。
8.根据权利要求1所述的一种冬小麦SPAD时空变化监测方法，其特征在于，所述步骤S004中，构建SPAD预测模型时，采用RFE算法和Boruta算法筛选不同的特征参数集，通过融合不同特征参数集并与未经筛选的特征参数集的模型表现进行比较分析，获取最优的特征组合；
9.根据权利要求7所述的一种冬小麦SPAD时空变化监测方法，其特征在于，所述步骤S005中，预测冬小麦基于SPAD值的叶绿素的含量的方法包括以下步骤：
...【技术特征摘要】
1.一种冬小麦spad时空变化监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种冬小麦spad时空变化监测方法，其特征在于，所述无人机包括5个1208万像素的单色传感器，单色传感器分别为：蓝、绿、红、红边和近红外，单色传感器的中心波长分别为450nm、560nm、650nm、730nm和840nm，单色传感器的带宽分别为±16nm、±16nm、±16nm、±16nm、±26nm，所述无人机包括rtk系统，所述rtk系统的垂直精度为±1.5cm和水平精度为±1cm。
3.根据权利要求1所述的一种冬小麦spad时空变化监测方法，其特征在于，所述步骤s003中，影像拼接的方法包括以下步骤：
4.根据权利要求1所述的一种冬小麦spad时空变化监测方法，其特征在于，所述步骤s003还包括以下步骤：
5.根据权利要求3所述的一种冬小麦spad时空变化监测方法，其特征在于，所述步骤s0312中，校正波段间的差异的方法为：
6.根据权利要求4所述的一种冬小麦spad时空变化监测方法，其特征在于，所述步骤s0...
【专利技术属性】
技术研发人员：李新伟，岳虎，李军，苏祥祥，马强，刘吉凯，
申请(专利权)人：安徽科技学院，
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。