[发明专利]一种返青期冬小麦叶绿素含量估算方法

说明书

本发明公开的一种返青期冬小麦叶绿素含量估算方法，其中包括：获取采样点的返青期冬小麦叶绿素含量实际测量值；获取无人机拍摄并传输的采样点的多光谱遥感图像；对多光谱遥感图像进行预处理，得到图像反射率在预设阈值内的波段图像；在波段图像中提取所述采样点对应像元的各波段反射率值；运用统计产品与服务解决方法将叶绿素含量实际测量值与各波段反射率值进行相关性分析，得到敏感波段；通过多元线性回归方法，构建叶绿素含量估算模型；对叶绿素含量估算模型筛选得到最优估算模型；利用选取出的最优估算模型估算待测区域返青期冬小麦的叶绿素含量。本发明提供的基于无人机多光谱图像的叶绿素含量估算方法，解决了现有方法费时费力、时间稳定性差和空间分辨率低等问题。

技术领域

本发明涉及农作物及农产品无损定量遥感监测领域，尤其涉及基于无人机多光谱遥感图像的返青期冬小麦叶绿素含量估算方法，具体涉及一种返青期冬小麦叶绿素含量估算方法。

背景技术

小麦是我国主要粮食作物，如何提高其产量、质量日益受到重视。为了小麦的高产优质目标，快速无损地监测其生长过程中的营养状态信息尤为重要。冬小麦返青期是指早春麦田半数以上的麦苗一叶，长出部分达1-2cm是大约一个月的时期，该时期主要生根、长叶和分蘖，是促使晚弱苗升级，控制旺苗徒长，调节群体大小和决定成穗率高低的关键时期。叶绿素作为植被光合作用中重要的色素，植物叶片中的叶绿素含量不仅能够表明植株与外界环境进行物质能量交换的能力，而且与作物的生长状况、初级生产力、固碳能力及氮利用率等有着密切的关系，是作物长势评价的重要指标，也是植物生长发育阶段的指示器。返青期冬小麦叶绿素含量的实时监测对于了解小麦长势、提高产量具有重要意义。

传统监测叶片叶绿素含量的方法大多采用分光光度计、化学分析等方法，采样准备和检测时间长、效率低，操作繁琐、费时费力，且对试样具有破坏性，无法在作物生长期内进行实时测量，不利于在实际生产过程中进行操作和推广。田间的SPAD值测定方法虽可快速间接获取叶片叶绿素状况，但难以实时获取田块叶绿素的空间分布信息。随着遥感技术的发展，遥感估测作物指标正向定量化和精准化的方向发展，但当前主流的卫星遥感技术由于重访周期长、受天气影响大、影像分辨率不足等局限因素，在数据稳定性和时空分辨率等方面难以满足精准农业研究的需要。同时，还有可以利用航空飞机获取数据，但是由于航空飞机不易进入民用领域，所以航空遥感图像不易获得。

随着科技进步，无人机技术逐渐走进民用领域，无人机遥感平台易搭建、成本低、飞行区域机动、飞行高度灵活、作业周期短，获取的遥感数据空间和时间分辨率相对较高，不易受周期与天气条件的限制，因此，无人机遥感评估技术成为现在精准农业中实用化研究的热点。

因此，为了改善或解决上述传统分光光度计、化学分析等方法以及SPAD值测定方法和卫星遥感技术中存在的问题，目前在返青期冬小麦叶绿素含量估算领域亟待研究出一种基于无人机多光谱遥感图像构建的返青期冬小麦叶绿素含量估测模型，以期进一步提高返青期冬小麦叶绿素含量遥感监测的精度和时间稳定性及空间分辨率，为植物叶绿素含量实时监测提供技术支持。

发明内容

为了解决上述现有技术中存在的问题，本发明的目的在于提供一种返青期冬小麦叶绿素含量估算方法，以克服传统分光光度计、化学分析方法、SPAD值测定方法和卫星遥感技术中存在的费时费力，时间稳定性差和空间分辨率低等缺点，达到了在精准农业中对返青期冬小麦叶绿素含量的估算不受周期、天气条件的限制，作业周期短、灵活性高，成本低的技术效果。

根据本发明的一个方面，提供了一种返青期冬小麦叶绿素含量估算方法，其中，包括以下步骤：

获取采样点的返青期冬小麦叶绿素含量实际测量值；

获取无人机拍摄并传输的采样点的多光谱遥感图像；

对所述多光谱遥感图像进行预处理，得到图像反射率在预设阈值内的波段图像；

在所述波段图像中提取所述采样点对应像元的各波段反射率值；