专利名称: |
一种基于无人机高光谱遥感图像的小麦氮含量测算方法 |
摘要: |
本发明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Pearson相关系数;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;然后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;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。本方法结合无人机遥感及图像处理技术,能够快速感知麦田内部任意区块的小麦不同部位氮含量,为无人农场变量施肥作业提供了数据支撑。 |
专利类型: |
发明专利 |
国家地区组织代码: |
河南;41 |
申请人: |
河南科技大学 |
发明人: |
崔宏伟;张颢蕾;姬江涛;马淏;金鑫;郑逢勋;李雪;王小飞 |
专利状态: |
有效 |
申请日期: |
2023-08-29T00:00:00+0800 |
发布日期: |
2023-11-17T00:00:00+0800 |
申请号: |
CN202311098563.4 |
公开号: |
CN117074340A |
代理机构: |
洛阳公信知识产权事务所(普通合伙) |
代理人: |
王艳艳 |
分类号: |
G01N21/31;G01N21/55;G01N21/359;G01N21/3563;G16C20/20;G16C20/70;G06F18/27;G06V20/17;G06V20/10;G06V10/58;G06V10/60;G;G01;G16;G06;G01N;G16C;G06F;G06V;G01N21;G16C20;G06F18;G06V20;G06V10;G01N21/31;G01N21/55;G01N21/359;G01N21/3563;G16C20/20;G16C20/70;G06F18/27;G06V20/17;G06V20/10;G06V10/58 |
申请人地址: |
471000 河南省洛阳市涧西区西苑路48号 |
主权项: |
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: 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=(Rred-edgeα-Rredα)-0.2×(Rred-edgeα+Rredα) 式中R为光谱反射率,RNIR、Rred-edge、Rred、Rgreen、Rblue分别为近红外、红边、红、绿、蓝波段位置的反射率,α为光谱阶数。 6.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估测算方法,其特征在于: 步骤六所述根据相关系数大小优选光谱指数包括以下步骤: 步骤一、在二波段0~2阶分数阶微分光谱指数与氮含量的相关系数中,选择相关系数最高的光谱指数分数阶与光谱波段; 步骤二、在三波段0~2阶分数阶微分光谱指数与氮含量的相关系数中,选择相关系数最高的光谱指数分数阶与光谱波段; 步骤三、在反射率光谱指数与氮含量的相关系数中,选择相关系数前3的光谱指数。 7.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:所述小麦不同位置氮含量包括叶片氮含量、茎秆含量以及地上部氮积累量。 8.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:所述无人机采用多旋翼、固定翼以及直升机形式的无人机。 9.一种基于无人机高光谱遥感图像的小麦氮含量测算模型的建立方法,其特征在于:包括以下步骤: 步骤一、采集麦田高光谱信息; 步骤二、获取小麦氮含量实测值; 步骤三、两波段分数阶微分光谱指数与植株氮含量相关性分析; 步骤四、三波段分数阶微分光谱指数与植株氮含量相关性分析; 步骤五、反射率光谱指数与植株氮含量相关性分析; 步骤六、光谱指数筛选; 步骤七、建立回归模型。 10.根据权利要求9所述的建立方法,其特征在于: 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;计算二波段0,0.1,0.2,0.3,0.4,……,1.9,2阶分数阶微分光谱指数与氮含量的Pearson相关系数,选择相关系数最高的光谱指数; 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;计算三波段0,0.1,0.2,0.3,0.4,……,1.9,2阶分数阶微分光谱指数与氮含量的Pearson相关系数,选择相关系数最高的光谱指数; 计算反射率光谱指数GNDVI、CARI、MTCI、MRESR;计算α=0,0.1,0.2,0.3,0.4,……,1.9,2的反射率光谱指数GNDVI、CARI、MTCI、MRESR与氮含量的Pearson相关系数,选择相关系数前3的光谱指数。 |
所属类别: |
发明专利 |