[发明专利]一种基于无人机低空遥感的作物长势监测方法及系统

说明书

本发明提供一种基于无人机低空遥感的作物长势监测方法及系统，监测方法包括：获取代表样方内的作物覆盖度，所述代表样方内的作物覆盖度随所述代表样方大小的变化曲线接近水平；基于叶面积指数反演模型，获取叶面积指数与作物覆盖度的关系，并基于所述叶面积指数与作物覆盖度的关系，对所述作物的长势进行监测。本发明提供的一种基于无人机低空遥感的作物长势监测方法及系统，通过设置基于叶面积指数与作物覆盖度的关系，对作物的长势进行监测，规避了天气、空间分辨率和时间分辨率的影响，能够对大面积作物进行准确的生长状态监测。

技术领域

本发明涉及农业遥感领域，更具体地，涉及一种基于无人机低空遥感的作物长势监测方法及系统。

背景技术

就农业遥感领域而言，植被覆盖度能够反映作物的光捕获能力，对于作物生长及产量形成有着良好的指示作用。近年来逐渐发展起来的卫星遥感技术已经成为植被覆盖度获取的主要手段，但其本身在很大程度上会受到大气条件的影响，无法确保影像的品质，进而会影响到植被覆盖度计算结果的准确性，同时就农田尺度的植被覆盖度变化监测而言，卫星遥感影像的时空分辨率难以同时满足研究需要。

无人机遥感是一个综合的、系统的技术领域，其具有平台构建容易、运行和维护成本低、体积小、质量轻、操作简单、灵活性高、作业周期短等的特点，可弥补现有航天、航空遥感和地面遥感系统的不足，特别对于中小尺度的农业遥感应用能发挥更大的作用，对获取更精确的农情信息及其应用与发展具有重大意义。

近几年无人机遥感技术的高速发展，现有技术中有对为小型无人机遥感信息获取的关键技术进行了总结，并提出了提高系统稳定性、实时性和精度的方法。现有技术中还有在遥感技术的基础上采用GDAL和GDI+信息处理方法和聚类分析构建了网络化作物生长检测平台，为自动监测和调控作物生长提供了方法；现有技术中还有在遥感抽样技术的基础上采用纳米级差分采用抽取足够的样本进行面积的验证，经误差分析得到生产者精度为89.53％，用户精度为95.37％，总体精度为87.02％，完全符合精度要求；中国农业科学院的李宗南等人利用玉米的纹理特征进行玉米倒伏面积的提取，正确率可以达到90％以上；现有技术中还提出了一种遥感与MPPS相结合得农作物面积测量方法。现有技术中还有利用遥感技术进行平面定位、面积测量和作物分类，结果显示整体平面误差为2.32m，作物分类精度均在85％以上。现有技术中还有设计了一套以低空无人直升机为平台的多光谱载荷观测系统,对冬小麦生长过程中的5个主要生育期进行监测,利用设计的算法分析了空间尺度对提取植被覆盖度的影响，结果稳定可靠。现有技术中还有以冬小麦为研究对象，设计了一套无人机遥感辅助小麦育种信息获取系统，提出了几何精度校正模型，并对倒伏面积等参量进行了获取，能够实现对冬小麦培育的辅助支持。现有技术中还有设计构建了基于无人机直升机平台的遥感系统，提出了无人机遥感影像植被覆盖度快速计算方法，进一步验证了无人机遥感影像植被覆盖度计算结果的有效性。上述背景技术为利用无人机遥感影像监测作物长势提供了可能性。

目前要实现无人机遥感监测作物长势主要仍需要解决两个方面的问题：一是高效快速提取作物覆盖度。主要包括2个方面：(1)无人机影像获取样方尺度的选取；(2)计算方法对植物阴影、植物残渣等真实复杂农田背景的适应能力与精度。二是反演叶面积指数模型。主要包括2个方面：(1)冠层孔隙率方法研究的适应能力与精度；(2)模型反演叶面积指数与实测值的相关性。

现有技术中卫星遥感监测农作物覆盖度方法受天气影响大，空间分辨率、时间分辨率难以满足作物田块尺度的覆盖度变化，并且大面积范围实现人工地面采集数字影像有困难。

发明内容

本发明提供一种克服上述问题的一种基于无人机低空遥感的作物长势监测方法及系统。

根据本发明的一个方面，提供一种基于无人低空遥感的作物长势监测方法，包括：获取代表样方内的作物覆盖度，所述代表样方内的作物覆盖度随所述代表样方大小的变化曲线接近水平；基于叶面积指数反演模型，获取叶面积指数与作物覆盖度的关系，并基于所述叶面积指数与作物覆盖度的关系，对所述作物的长势进行监测。