[发明专利]一种基于无人机遥感的水稻产量预测方法及系统

权利要求书

1.一种基于无人机遥感的水稻产量预测方法，其特征在于，包括：

获取无人机在各个水稻生长期采集的各样本区域的多幅水稻图像；所述样本区域为在待测区域中选取的多个均匀分布的区域；

将同一生长时期的同一样本区域的多幅水稻图像拼接成一幅正射影像图，具体包括：

提取每幅所述水稻图像的特征点；根据所述特征点将属于同一生长时期的同一样本区域的多幅水稻图像进行特征点匹配；根据匹配后的特征点将属于同一生长时期的同一样本区域的多幅水稻图像进行拼接，得到拼接后的图像；对所述拼接后的图像进行点云密集化处理，得到加密后的图像；将对所述加密后的图像进行几何校正，得到正射影像图；

将每幅所述正射影像图转换成归一化植被指数图；

计算各个生长时期各个样本区域的归一化植被指数图的平均归一化植被指数，得到各生长时期各样本区域的平均归一化植被指数；

获取水稻成熟后的各样本区域的水稻产量；

将不同生长时期的平均归一化植被指数与对应的水稻产量进行相关性分析，确定与水稻产量相关系数超过预设值的生长时期，得到选定生长期；

将所述选定生长期的平均归一化指数作为自变量，将对应的水稻产量作为因变量建立一元线性回归模型和多元逐步回归模型；具体包括：一元线性回归模型：y_一元＝a+bx，其中x为自变量，a和b为系数，y_一元为因变量，为x的均数，为y的均数；多元逐步回归模型：y_多元＝b₀+b₁x₁+…+b_px_p，其中x₁～x_p均为自变量，b₀～b_p均为回归系数；y_多元为因变量；回归系数的估计是通过最小二乘法寻找适宜的系数b₀～b_p；一元线性回归模型和多元逐步回归模型的拟合程度由决定系数R²、残差平方和SSR和均方根误差RMSE检验；拟合结果在使决定系数R²最接近于1，残差平方和SSR和均方根误差RMSE最接近于0时确定拟合的最佳系数，以最佳系数作为回归模型的系数确定最终的一元线性回归模型和多元逐步回归模型；所述残差平方和SSR公式为其中，i是第i次观测，y_i是第i次观测所得到的一元线性回归模型或多元逐步回归模型因变量的真值，是计算得到第i次观测所对应的一元线性回归模型或多元逐步回归模型因变量的的预测值；所述均方根误差RMSE公式为其中，n是观测总次数；所述决定系数R²的表达式为其中，是y_i的均值，SST为总离均差平方和；

通过精度检验确定所述一元线性回归模型和所述多元逐步回归模型中精度较高的模型作为水稻产量预测模型；

利用所述水稻产量预测模型对所述待测区域的水稻产量进行预测。

2.根据权利要求1所述的基于无人机遥感的水稻产量预测方法，其特征在于，所述将每幅所述正射影像图转换成归一化植被指数图，具体包括：

对所述正射影像图进行辐射校正，得到辐射校正后的图像；

利用指数计算器对所述辐射校正后的图像进行红光波段指数计算和近红外波段指数计算，生成红光波段指数图和近红外波段指数图；

利用指数计算器对所述红光波段指数图和所述近红外波段指数图进行归一化植被指数计算，得到归一化植被指数图。

3.根据权利要求1所述的基于无人机遥感的水稻产量预测方法，其特征在于，所述将不同生长时期的平均归一化植被指数与对应的水稻产量进行相关性分析，确定与水稻产量相关系数超过预设值的生长时期，得到选定生长期，具体包括：

选取三分之二的样本区域内的平均归一化植被指数和对应的水稻产量作为建模样本，选取剩余三分之一的样本区域内的平均归一化植被指数和对应的水稻产量作为检验样本；

利用spss软件中的相关性分析将建模样本中不同生长时期的平均归一化植被指数与对应的水稻产量进行相关性分析，确定与水稻产量相关系数超过预设值的生长时期。