详情

原文传递基于无人机高光谱的水稻叶片氮含量监测方法

专利名称：	基于无人机高光谱的水稻叶片氮含量监测方法
摘要：	本发明公开了一种基于无人机高光谱的水稻叶片氮含量监测方法，属于农业遥感监测技术领域，包括：获取水稻冠层叶片氮含量以及无人机高光谱反射率数据，无人机高光谱数据的验证、叶片氮含量敏感波段的筛选和构建可用于田间尺度的全生育期作物叶片氮含量的监测模型。本发明通过无人机搭载麦氏探针(MVD)高光谱传感器，节约光谱数据获取时间和人力成本，提升了作物叶片氮含量的快速识别能力，进而可服务于较大尺度的作物氮肥管理，对于现代农业的发展更具有实用价值。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	北京麦飞科技有限公司
发明人：	刘龙;陈晓岩;李晓鹏;高晨;郝荣欣
专利状态：	有效
申请日期：	2019-07-29T00:00:00+0800
发布日期：	2019-10-25T00:00:00+0800
申请号：	CN201910689197.7
公开号：	CN110376167A
代理机构：	武汉科皓知识产权代理事务所(特殊普通合伙)
代理人：	艾小倩
分类号：	G01N21/55(2014.01);G;G01;G01N;G01N21
申请人地址：	100102 北京市朝阳区望京sohoT2B座702
主权项：	1.一种基于无人机高光谱的水稻叶片氮含量监测方法，其特征在于：包含以下步骤： (1)测量不同施氮肥水平下，不同生育期的水稻冠层原始高光谱反射率和叶片氮含量； (2)对原始光谱反射率进行S-G平滑并进行重采样，获得平滑的间隔为1nm的光谱反射率； (3)通过对比由无人机搭载的MVD高光谱传感器获取的高光谱数据与基于经典植被指数的ASD高光谱数据，验证MVD数据的可靠性； (4)基于归一化即NDSI＝(Rλ1-Rλ2)/(Rλ1+Rλ2)以及比值即RVI＝Rλ1/Rλ2两种植被指数形式进行两波段植被指数构建，得到最优两波段组合，确定监测水稻叶片氮含量的最优两波段光谱指数； (5)通过竞争自适应重加权采样方法对水稻叶片氮含量敏感波段进行筛选，基于所选出的敏感波段，采用偏最小二乘回归方法对叶片氮含量进行回归建模并进行模型验证：基于植被指数法，得出MVD高光谱反射率对叶片氮含量敏感性最高的两波段组合为587nm以及698nm；通过竞争自适应重加权采样-偏最小二乘回归，筛选出与叶片氮素相关的12个优势波段。 2.根据权利要求1所述的基于无人机高光谱的水稻叶片氮含量监测方法，其特征在于：所述步骤(1)中测量水稻无人机高光谱冠层反射率的方法具体为：利用无人机搭载MVD悬停飞行，获取冠层高光谱数据，传感器探头垂直向下，光谱仪视场角为34°，飞行高度距水稻冠层顶3m；每个田块悬停测量8个数据点，每个数据点重复测量6条；测量波段范围为337.854nm-823.295nm，测量间隔为0.4nm，共1024个波段；利用地物光谱仪Fieldspec4获取地面冠层高光谱数据；传感器探头垂直向下，光谱仪视场角为25°，探头距水稻冠层顶垂直高度1m；每个田块随机测量8个数据点且与MVD悬停位置对应，每个数据点重复测量10条；测量波段范围为350-2500nm，测量间隔为1nm，共2151个波段；冠层高光谱数据测量时间为北京时间10:00-14:00，无风无云；利用地物光谱仪数据对无人机搭载MVD所获光谱数据进行验证。 3.根据权利要求1或2所述的基于无人机高光谱的水稻叶片氮含量监测方法，其特征在于：所述步骤(1)中测量水稻叶片氮含量的方法具体为：测定光谱之后在田间进行水稻样本的破坏性采样，在待测小区中随机选取4穴水稻，将叶片分离出来，烘箱105℃条件下杀青30分钟，然后调至70℃烘干至恒重后，水稻叶片样品通过凯氏定氮法测定全氮含量。 4.根据权利要求1或2所述的基于无人机高光谱的水稻叶片氮含量监测方法，其特征在于：所述步骤(4)中最优两波段组合为587nm和698nm，其植被指数NDSI的验证集R2＝0.865，RMSE＝0.419，RVI的验证集R2＝0.864，RMSE＝0.419。 5.根据权利要求3所述的基于无人机高光谱的水稻叶片氮含量监测方法，其特征在于：所述步骤(5)中筛选的特征波段分别是403nm、450nm、477nm、507nm、560nm、593nm、623nm、649nm、674nm、716nm、773nm和800nm，模型验证集R2＝0.969，RMSE＝0.166。
所属类别：	发明专利