【技术实现步骤摘要】
本专利技术涉及苗情管理领域，特别涉及一种大豆苗情管理方法及系统。
技术介绍
1、大豆作为重要的粮油作物和蛋白质来源，在世界经济发展中具有重要的地位。长期以来，大豆是我国进口量最大的农产品，如何提高大豆的生产和供应、提高大豆自给率是我国农业发展的一个重要课题。
2、为了有效提高大豆产量，需要对大豆苗情进行合理、有效的管理，大豆苗情的好坏将直接影响着后期大豆的产量。在大豆主要种植地区，对于大豆苗情管理主要依靠种植农户的经验进行判断，缺乏有效的理论支撑，因此需要耗费大量时间，且由于农户受经验局限性较大，无法准确对大豆苗情进行管理。
3、目前，已有部分研究使用卫星影像获取大豆苗情相关影像，通过图像分析对大豆苗情管理提供指导意见，但是该方法存在以下不足：（1）卫星影像会受到卫星轨道周期、空间分辨率、云雾等的影响，可能在部分关键时期很难获得有效的影像数据，（2）主流卫星影像的空间分辨率无法达到需求，因此无法获取特定区域的大豆影像数据，无法实现精确管理。
技术实现思路
1、本专利技术的一个目的在于提供一种结合地面调查与无人机影像数据的大豆苗情管理方法，可以实现更精准的苗情管理。
2、其由如下技术方案实施：一种大豆苗情管理方法，包括以下步骤：
3、s100：获取不同大豆种植区域的耕地分布数据、气象数据、地形数据、土壤数据；
4、s200：根据步骤s100中获取的气象数据、地形数据、土壤数据对不同大豆种植区域进行分级，形成多个级别的大豆种植
5、s300：结合步骤s100中获取的耕地分布数据，在每个级别的大豆种植区分别抽样选取数个地块，针对所述地块内的不同作物进行标识，并对大豆苗情进行地面调查；
6、s400：根据步骤s300中大豆苗情的地面调查结果对当前苗期的大豆苗情进行分级，分成不同级别的大豆苗；
7、s500：获取s300中每个所述地块的图像信息，结合步骤s400中不同级别大豆苗的苗情，建立基于图像信息的大豆苗情分级模型；
8、s600：设定大豆苗情预警阈值；并利用步骤s500中建立的大豆苗情分级模型对大豆种植区域的大豆苗情进行分析，当监测到的大豆苗情不在大豆苗情预警阈值内时，发出预警信号；
9、s700：针对大豆苗情不在预警阈值内的区域进行田间管理。
10、优选的，步骤s100中，获取的所述地形数据包括坡度数据、坡向数据；获取的所述土壤数据包括土壤的有机碳含量、酸碱度、质地、土壤有效含水量、可交换纳盐、电导率。
11、优选的，步骤s200中，对不同大豆种植区域进行分级的具体步骤如下：s210：专家基于s100中获取的数据对不同大豆种植区域进行打分；
12、s220：通过德尔菲法确定各个数据对应指标的权重；
13、s230：计算得到不同大豆种植区的值并对不同大豆种植区进行大豆种植适宜性评价；
14、s240：根据s230的大豆种植适应性评价将不同大豆种植区域划分为大豆种植适宜区、大豆种植一般区、大豆种植差区三个不同级别的大豆种植区。
15、优选的，步骤s500中，获取的所述地块的图像信息为多光谱无人机航拍照片。
16、优选的，步骤s500中，建立基于所述图像信息的大豆苗情分级模型具体包括以下步骤：
17、s510：获取已完成地面调查的所述地块的多光谱无人机航拍照片；
18、s520：对步骤s510获取的多光谱无人机航拍照片进行预处理；
19、s530：利用面向对象的分类方法对所述地块内的作物进行分类，得到大豆苗；
20、s540：针对步骤s530中获取的大豆苗图像计算所有大豆的苗情指数svi；其中，
21、svi=（ndvi+osavi+gndvi）/3
22、ndvi=(rnir-rred)/(rnir+rred)
23、osavi=（rnir-rred）/(rnir+rred+0.16)
24、gndvi=(rnir-rgreen)/(rnir+rgreen)
25、其中，ndvi为归一化差异植被指数，gdnvi是绿色归一化差异植被指数，osavi是优化的土壤调节植被指数，rnir为多光谱无人机航拍影像的像元近红外波段反射率，rred为像元红波段反射率，rgreen为像元绿波段反射率；
26、s550：分别为s400中地面调查的不同级别大豆苗对应其大豆苗情指数，并计算s400中地面调查中不同级别的大豆苗的平均苗情指数，其公式如下，
27、
28、
29、
30、
31、其中，、、、分别为地苗调查的旺苗、一类苗、二类苗、三类苗的苗情指数平均值，sviwi、svi1i、svi2i、svi3i分别为旺苗、一类苗、二类苗、三类苗的第i个像元的苗情指数；m、m1、m2、m3分别为旺苗、一类苗、二类苗、三类苗的像素数；
32、s560：建立不同级别大豆苗分界值的方程如下
33、t0/1=(w+1)/2
34、t1/2=(1+2)/2
35、t2/3=(2+3)/2
36、其中t0/1、t1/2、t2/3为旺苗、一类苗、二类苗、三类苗的分界值。
37、优选的，步骤s520中的预处理包括定标、几何校正、投影、坐标系转化。
38、优选的，步骤s700中，进行田间管理的方法包括：
39、s710：对低于大豆苗情预警阈值的大豆种植区域进行查苗补苗，及时发现田间缺垄、断垄情况；
40、s720：针对苗情指数超过合理密度的区域，对大豆苗进行间苗定苗；
41、s730：针对苗情异常区域，实地查看是否发生病虫害。
42、本专利技术的另一个目的在于提供一种苗情管理系统，可以提高苗情管理的准确性与时效性。
43、其由如下技术方案实现：一种苗情管理系统，包括：中心处理器、大豆种植区域参数获取模块、大豆种植区分级模块、地面调查分析模块、图像获取模块、大豆苗情自动分析模块、田间管理模块；
44、所述大豆种植区域参数获取模块用于获取不同大豆种植区域的耕地分布数据、气象数据、地形数据、土壤数据，并将输出传输至所述中心处理器进行处理、存储；
45、所述大豆种植区分级模块根据所述大豆种植区域参数获取模块获取的数据对大豆种植区域进行分级，形成多个级别的大豆种植区，并将分级情况传输到所述中心处理器；
46、所述地面调查分析模块针对不同大豆种植区的作物进行标识、对不同大豆种植区的大豆苗情进行分析，并将结果传输到所述中心服务器；
47、所述大豆苗情自动分析模块基于所述图像获取模块及所述地面调查分析模块的数据建立自动分析模型，并对大豆种植区域的大豆苗情进行分析；
48、所述田间管理模块基于所述大豆苗情自动本文档来自技高网...
【技术保护点】
1.一种大豆苗情管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种大豆苗情管理方法，其特征在于，步骤S100中，获取的所述地形数据包括坡度数据、坡向数据；
3.根据权利要求1或2任一所述的一种大豆苗情管理方法，其特征在于，步骤S200中，对不同大豆种植区域进行分级的具体步骤如下：
4.根据权利要求1所述的一种大豆苗情管理方法，其特征在于，步骤S500中，获取的所述地块的图像信息为多光谱无人机航拍照片。
5.根据权利要求4所述的一种大豆苗情管理方法，其特征在于，步骤S500中，建立基于所述图像信息的大豆苗情分级模型具体包括以下步骤：
6.根据权利要求5所述的一种大豆苗情管理方法，其特征在于，步骤S520中的预处理包括定标、几何校正、投影、坐标系转化。
7.根据权利要求1所述的一种大豆苗情管理方法，其特征在于，步骤S700中，进行田间管理的方法包括：
8.一种大豆苗情管理系统，其特征在于，系统采用权利要求1-7任一项所述的大豆苗情管理方法；
【技术特征摘要】
1.一种大豆苗情管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种大豆苗情管理方法，其特征在于，步骤s100中，获取的所述地形数据包括坡度数据、坡向数据；
3.根据权利要求1或2任一所述的一种大豆苗情管理方法，其特征在于，步骤s200中，对不同大豆种植区域进行分级的具体步骤如下：
4.根据权利要求1所述的一种大豆苗情管理方法，其特征在于，步骤s500中，获取的所述地块的图像信息为多光谱无人机航拍照片。
5....
【专利技术属性】
技术研发人员：乌兰吐雅，王保林，包珺玮，孙德乐，郭书婷，郭茄，吉时育，许洪滔，哈斯础鲁，任婷婷，辛庆强，车有维，封慧戎，刘朝晖，刘朝霞，封凯戎，李晓玲，白云，闫庆琦，
申请(专利权)人：内蒙古自治区农牧业科学院，
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。