[发明专利]基于无人机被动遥感的作物株高及生物量自适应解算方法

说明书

本发明公开了一种基于无人机被动遥感的作物株高及生物量自适应解算方法。获取高精度的作物株高和生物量估算结果通常需要一些空间辅助数据，如作物多生育期的数字表面模型DSM，表裸土高程的数字地面模型DTM，地面控制点GCP以及光谱图像。本发明提供四种不同的空间辅助数据组合，一种具有完备的空间辅助数据，三种为不完备的空间辅助数据。用户可根据成本和精度需求采集必要的空间辅助数据。本发明通过用户提供的不同数据条件，自适应产生相应的作物株高及生物量估算方案，通过数据协同互补来消除特定种类数据缺失带来的不确定性，从而可以通过已有数据获取最优精度的作物株高和生物量结算结果。

技术领域

本发明属于农业自动化领域，具体涉及一种作物株高及生物量自适应高精度解算方法，尤其涉及一种基于无人机被动遥感的作物株高及生物量自适应解算方法。

背景技术

作物的冠层高度和地上生物量是两个重要的农艺性状。在农业生产中，高效、准确地估算株高和生物量是监测作物生长状况和加强特定农艺措施(施肥、除草、收获等)决策支持系统的先决条件(Zhu et al.，2019)。传统的人工有损采样方式获株高和生物量，工作量大，效率低且数据精度受主观因素影响较大。

无人机低空遥感平台因为其机动灵活、适合复杂农田环境、作业效率高和成本低等优势，逐渐成为大田环境下作物表型信息获取的重要手段。作物高度是指植株根部到顶部之间的距离，通过无人机携带数码相机或多光谱传感器获取作物多生育期的数字表面模型(digital surface model，DSM)和表示裸土高程的数字地面模型(digital terrainmodel，DTM)，结合地面控制点(ground control point，GCP)，可以获得精度较高的株高估算结果。地上部生物量定义为单位面积内地上有机物质的总量，使用无人机平台获取光谱图像计算植被指数是常用的作物生物量预估方法，但是植被指数对作物生长后期变化不敏感，导致生物量预测精度下降。许多研究证明通过激光雷达或者摄影测量技术构建作物三维立体模型可以提取高精度的生物量信息(Greaves et al.，2015；Walter et al.，2019)，其中通过作物覆盖区域的作物冠层高度进行三维空间积分得到作物冠层体积，已被证明可以获取较光谱法更加准确和稳定的生物量预测结果。

通过无人机平台搭载数码相机或多光谱传感器获取作物株高和生物量时，通常需要一些空间辅助数据完成两种表型特征的解算，如数字表面模型、数字地面模型、地面控制点和光谱图像。然而，在不同科学研究或者实际农业生产中，对作物表型提取的成本需求和精度需求会有所不同，因此对于空间辅助数据的选择会产生差异。目前，还没有研究针对无人机平台获取株高和生物量表型的空间辅助数据选择进行系统地讨论，并提出数据缺失下的解决方案。本专利针对四种常见的数据条件组合，一种包含完备的空间辅助数据，三种为不完备的空间辅助数据。要求高精度的表型估算意味着需要保证数据获取的完备性，从而数据收集成本也会增加；而对精度要求相对较低时，可以通过减少数据的收集来降低成本。因此，在估算株高和生物量前，用户可以根据成本和精度需求采集必要的空间辅助数据，本方法通过用户提供的不同数据，自适应产生相应的作物株高及生物量获取方案，通过数据协同互补来消除特定种类数据缺失带来的不确定性，从而使用已有数据获取最优精度的作物株高和生物量结算结果。

发明内容

(一)要解决的技术问题

为了解决无人机平台获取作物株高及生物量时精度和成本的平衡问题，本发明提供了一种基于无人机被动遥感的作物株高及生物量自适应解算方法，实现了在不同现有数据条件下作物株高和生物量最优解算。

(二)技术方案

本发明为了解决其技术问题所采用的技术方案，提供了一种基于无人机被动遥感的作物株高及生物量自适应解算方法。

一种基于无人机被动遥感的作物株高及生物量自适应解算方法，用于在不同的数据条件下生成最优的作物株高和生物量解算方案，其特征在于，