【技术实现步骤摘要】
本专利技术申请涉及农业，具体涉及一种基于茎叶分离策略的玉米地上生物量预测模型的构建与应用。
技术介绍
1、玉米作为重要的粮食作物，在人类消费和动物饲料方面扮演着关键角色，对全球的粮食安全具有极其重要的影响。精确和及时地估计玉米的生长状况及其产量对于制定政策决策、优化资源配置以及提高田间管理效率具有重大意义。
2、地上生物量（agb）是评估作物生长状态、生产潜力和产量水平的关键指标，对提高产出、评估土壤与环境状况以及促进生态可持续性至关重要。目前，玉米的地上生物量（agb）估算主要采用手工测量和分级报告的统计方法，但是该方法费时费力且效率低下，属于劳动和资金密集型方法。
3、相对的，遥感是一种无需物理接触即可获取物体信息的非破坏性技术，在监测作物生长方面具有明显优势。其中，定量遥感监测具有快速获取大面积地表数据的能力，为快速、客观地收集和分析农业信息提供了主要手段。故此，可利用光谱遥感数据来估算植被的地上生物量（agb），光谱遥感技术通过捕捉地表植被反射太阳光的光谱信息，使得能够在大范围内快速、准确地监测和评估植被的生长状况和地上生物量（agb）。
4、公开于该
技术介绍
部分的信息仅用于加深对本公开的
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成本领域技术人员所公知的现有技术。
技术实现思路
1、专利技术人通过研究发现：在传统定量遥感中，光谱遥感技术虽然通过捕捉地表植被反射太阳光的光谱信息得以在大范围内快速评估植被的生长状况和地上生物量
2、鉴于以上技术问题中的至少一项，本公开提供了一种基于茎叶分离策略的玉米地上生物量预测模型的构建与应用，旨在解决现有玉米地上生物量估算准确度不足的技术问题。
3、根据本公开的一个方面，提供一种基于茎叶分离策略的玉米地上生物量预测模型的构建方法，包括如下步骤：
4、（1）于待预测地理区域内的试验田内均匀划分若干区块，于各区块内种植随机品种玉米，进行多年种植试验；
5、（2）于植株达到特定生长阶段时，同步进行遥测数据采集及agb实地采集测量作业，对应获取试验区域agb实际数据及rgb图像和多光谱图像数据，并计算实际植被指数；且获取相应的光谱响应数据；
6、（3）设定对应的叶片夹角、叶片数量、叶片大小、玉米株高、茎秆粗细、有无雌穗和雄穗参数，分别生成若干玉米单株模型；
7、（4）基于所述光谱响应数据，建立三维辐射传输模型，分别模拟不同植被结构下的冠层反射率、计算各生长阶段模拟波段对应的模拟植被指数，确定茎秆对冠层光谱贡献度；
8、（5）以若干年份叶片agb实际数据为因变量，其对应的实际植被指数为自变量，作为训练集通过随机森林方法训练建立叶片agb预测模型，并以剩余年份叶片agb实际数据及对应的实际植被指数作为验证集，对所述叶片agb预测模型进行验证；
9、（6）基于所述训练集agb实际数据建立异速生长模型： logm y =logβ+αlogm x；其中， m y、 m x分别对应叶片agb、茎秆agb；使用所述叶片agb预测模型预测对应验证集的叶片agb预测值，通过异速生长模型预测验证集对应的茎秆agb预测值，并与茎秆agb实际数据比较，对所述异速生长模型进行验证。
10、在本公开的一些实施例中，在所述步骤（2）中，所述遥测数据由无人机采集，且无人机图像之间的航向重叠度不小于80%、旁向重叠度不小于80%。
11、在本公开的一些实施例中，所述步骤（2）中，所述遥测数据采集后进行数据预处理，所述数据预处理包括图像拼接、地理定位、辐射校准、畸形修正、大气矫正。
12、在本公开的一些实施例中，在所述步骤（2）中，遥测数据采集前，于遥测目标区域内设置若干控制点，并对各控制点进行实地测量获取准确的地理坐标，遥测数据采集后，于遥测图像上识别记录各所述控制点的像素坐标，并将像素坐标对应转换为地理坐标进行所述地理定位的校正处理。
13、在本公开的一些实施例中，在所述步骤（3）中，若干所述玉米单株模型包括9片叶期到18片叶期的单株模型，各叶期的单株模型按照其生长阶段分别对应包括仅有叶片的紧凑型结构、有叶片和茎秆以及雌雄穗的紧凑型结构和/或有叶片和茎杆但无雌雄穗的紧凑型结构、仅有叶片的平展型结构、有叶片和茎秆以及雌雄穗的平展型结构和/或有叶片和茎秆但无雌雄穗的平展型结构。
14、在本公开的一些实施例中，在所述步骤（4）中，所述三维辐射传输模型建立后，获取不同植被结构于各生长阶段下的反射率曲线、反射率绝对误差及植被指数，比较后确定茎秆对冠层光谱的贡献度。
15、在本公开的一些实施例中，在所述步骤（6）中，将训练集中玉米在不同生长阶段实测的叶片agb数据和茎秆agb数据按生育时期进行合并，分别计算玉米在不同生育时期对应的异速生长模型的参数 α及 β。
16、根据本公开的另一个方面，提供一种基于茎叶分离策略的玉米地上生物量预测方法，其特征在于，基于上述构建的玉米地上生物量预测模型而实施，包括：基于所述叶片agb预测模型预测对应验证集的叶片agb预测值及所述异速生长模型预测验证集对应的茎秆agb预测值，将叶片agb预测模型的叶片agb预测值与异速生长模型的茎秆agb预测值相加作为植株agb，获得整个植株的agb预测值。
17、在本公开的一些实施例中，将预测得到的植株agb与agb实测数据间进行相关性分析，评估二者间相关性，确定预测准确性。
18、在本公开的一些实施例中，以方差r2及均方根rese作为评价指标，评估预测准确性。
19、本申请实施例中提供的一个或多个技术方案，至少具有如下任一技术效果或优点：
20、1. 光谱图像数据仅用于监测作物的叶片agb，且基于叶片agb预测模型预测作物叶片agb，进而基于异速生长模型预测作物茎秆（包括雌雄穗）agb，并以叶片agb及茎秆agb数据和作为植株agb，可实现非破坏性的估算玉米茎秆agb以及地上玉米植株agb。
21、2. 在光谱图像的获取过程中，通过设置地面控制点以及图像数据的预处理，可确保数据的质量和准确性，进而有助于提高玉米地上生物量的预测准确度及可靠性。
22、3. 通过确定茎秆对冠层光谱的贡献度，将茎秆agb计入植株agb中，且异速生长模型可有效解决冠层光谱信息无法准确反映茎秆变化的问题，从而通过玉米叶片agb预测茎秆agb，进而有效解决现有本文档来自技高网...
【技术保护点】
1.一种基于茎叶分离策略的玉米地上生物量预测模型的构建方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的构建方法，其特征在于，在所述步骤（2）中，所述遥测数据由无人机采集，且无人机图像之间的航向重叠度不小于80%、旁向重叠度不小于80%。
3.根据权利要求1所述的构建方法，其特征在于，在所述步骤（2）中，所述遥测数据采集后进行数据预处理，所述数据预处理包括图像拼接、地理定位、辐射校准、畸形修正、大气矫正。
4.根据权利要求3所述的构建方法，其特征在于，在所述步骤（2）中，遥测数据采集前，于遥测目标区域内设置若干控制点，并对各控制点进行实地测量获取准确的地理坐标，遥测数据采集后，于遥测图像上识别记录各所述控制点的像素坐标，并将像素坐标对应转换为地理坐标进行所述地理定位的校正处理。
5.根据权利要求1所述的构建方法，其特征在于，在所述步骤（3）中，若干所述玉米单株模型包括9片叶期到18片叶期的单株模型，各叶期的单株模型按照其生长阶段分别对应包括仅有叶片的紧凑型结构、有叶片和茎秆以及雌雄穗的紧凑型结构和/或有叶片和茎杆但无雌雄穗的
6.根据权利要求1所述的构建方法，其特征在于，在所述步骤（4）中，所述三维辐射传输模型建立后，获取不同植被结构于各生长阶段下的反射率曲线、反射率绝对误差及植被指数，比较后确定茎秆对冠层光谱的贡献度。
7.根据权利要求1所述的构建方法，其特征在于，在所述步骤（6）中，将训练集中玉米在不同生长阶段实测的叶片AGB数据和茎秆AGB数据按生育时期进行合并，分别计算玉米在不同生育时期对应的异速生长模型的参数α及β。
8.一种基于茎叶分离策略的玉米地上生物量预测方法，其特征在于，基于权利要求1所构建的玉米地上生物量预测模型而实施，包括：
9.根据权利要求8所述的预测方法，其特征在于，将预测得到的植株AGB与AGB实测数据间进行相关性分析，评估二者间相关性，确定预测准确性。
10.根据权利要求8所述的预测方法，其特征在于，以方差R2及均方根RESE作为评价指标，评估预测准确性。
...【技术特征摘要】
1.一种基于茎叶分离策略的玉米地上生物量预测模型的构建方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的构建方法，其特征在于，在所述步骤（2）中，所述遥测数据由无人机采集，且无人机图像之间的航向重叠度不小于80%、旁向重叠度不小于80%。
3.根据权利要求1所述的构建方法，其特征在于，在所述步骤（2）中，所述遥测数据采集后进行数据预处理，所述数据预处理包括图像拼接、地理定位、辐射校准、畸形修正、大气矫正。
4.根据权利要求3所述的构建方法，其特征在于，在所述步骤（2）中，遥测数据采集前，于遥测目标区域内设置若干控制点，并对各控制点进行实地测量获取准确的地理坐标，遥测数据采集后，于遥测图像上识别记录各所述控制点的像素坐标，并将像素坐标对应转换为地理坐标进行所述地理定位的校正处理。
5.根据权利要求1所述的构建方法，其特征在于，在所述步骤（3）中，若干所述玉米单株模型包括9片叶期到18片叶期的单株模型，各叶期的单株模型按照其生长阶段分别对应包括仅有叶片的紧凑型结构、有叶片和茎秆以及雌雄穗的紧凑型结构和/或...
【专利技术属性】
技术研发人员：程金鹏，熊淑萍，刁智华，杨默含，康家坤，刘翠平，杨浩，张志勇，韦一昊，王赞朴，马新明，
申请(专利权)人：河南农业大学，
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。