[发明专利]一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统

说明书

本发明公开了一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统。所述预测方法包括：利用搭载多光谱相机的无人机采集多光谱图片，预处理获取光谱参数；将被测茶园划分区域，获取茶树氮素含量及品质指标等地面参数；确定感兴趣区域，将光谱参数和地面参数进行相关性分析；构建地面参数的回归预测模型并选择最佳模型；将光谱参数和最佳模型构建估算遥感监测影像。本发明确定了数字图像技术估测采摘期茶树新梢氮素营养及茶多酚、氨基酸及水浸出物与高光谱参数和方程模型，可以实现对茶树主要生化成分的无损且有效检测，从而为茶园管理提供重要依据。

技术领域

本发明属于无人机遥感领域，具体涉及一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统。

背景技术

在实际生产中，合理施用氮肥可以保证茶树的品质优、产量高，而氮肥施用不当则会导致氮胁迫、氮流失和环境污染。茶多酚和氨基酸作为茶叶的主要代谢物，其含量多少决定了茶叶的品质，是衡量茶叶滋味的关键生化成分。传统的植物生化参数和氮含量测定主要是通过化学诊断方式，但这些方法不能快速准确地获取有关信息，并且其破坏性采样和有损检测限制了在实际生产中的应用。此外，在生产中人们也会凭借经验通过外观诊断植物是否缺乏某种元素，这种方法虽然简单，但该方法缺少严格的数据支持，存在一定的偶然性。因此，实时、准确地监测茶树氮素含量和茶多酚、氨基酸含量，对监测茶树生长、调控氮肥用量和评估茶叶品质具有重要意义。

无人机遥感作为一种新的遥感方法，不仅具有灵活性高、速度快、无损、分辨率高等优点，而且具有实时性和高通量的优点，可以有效弥补地面测量的一些缺陷。目前，人们已经利用无人机遥感技术，开展了许多理化参数监测技术。例如，通过利用无人机采集作物冠层图像数据，建立了冬小麦和夏玉米氮素营养状况航空图像诊断模型。利用机器学习方法对无人机遥感数据进行分析，测量了水稻地上生物量、植物氮素吸收和氮素营养指数，为更好的利用遥感数据检测作物生长和作物精确管理提供了科学依据。利用UAV获取小麦冠层的高光谱图像，建立了小麦叶片中氮浓度的反演模型，以估算不同生长阶段小麦叶片中的氮浓度。在茶树中，仅有研究利用无人机通过茶树冠层高光谱特征对茶树品种进行分类。然而，利用无人机多光谱遥感技术对茶树冠层叶片中氮含量、茶多酚和氨基酸含量进行估算的研究尚属罕见。

因此，研究利用无人机获取茶树冠层的多光谱数据，通过建立不同的模型，实现对茶树叶片氮含量和茶多酚和氨基酸含量的无损检测，不仅对提高茶园氮素诊断和实时监测茶叶品质具有重要意义，而且对提高氮肥利用效率和改进施肥技术具有重要意义。

发明内容

为了解决上述问题，本发明提供了一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统。以无人机遥感为平台、使用多光谱相机获取茶树冠层多光谱信息，通过数字图像处理和机器学习技术，实现茶树冠层氮素诊断和品质参数的测定。

为实现上述发明目的，本发明采用以下技术方案予以实现：

本发明提供了一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法，包括以下步骤：

S1：确定试验区域的空间范围，设置无人机飞行路径，对无人机采集的多光谱图像进行预处理，获取光谱参数；

S2：将被测茶园进行区域划分，并测量每个区域内茶树的氮素含量和品质指标；

S3：确定感兴趣区域；对感兴趣区域内的光谱参数与茶树的氮素含量和品质指标进行相关性分析；并从每个含量指标中选取4-8个相关性最高的光谱参数；

S4：重复步骤S1-S3；构建茶树氮素含量和品质指标的回归预测模型，并选择每个含量指标的最佳模型；

S5：利用步骤S3中选取的光谱参数结合步骤S4中的最佳模型，构建茶树氮素含量和品质指标的估算遥感监测影像，即实现茶树氮素含量及品质指标的信息可视化。

进一步的，所述品质指标包括茶多酚含量和氨基酸含量。