[发明专利]一种基于多源无人机遥感评估不同生长阶段茶园重要表型参数的方法及系统

权利要求书

1.一种基于多源遥感监测不同生长阶段茶园表型参数的方法，包括以下步骤：

S1：使用激光雷达、倾斜摄影、多光谱、RGB纹理、热红外相机采集茶园图像；

S2：将步骤S1的茶园图像进行预处理；

S3：对预处理后得到的无人机遥感数据进行进一步处理；

S4：将S3提取到的数据输入模型，输出结果，得到茶树的高度（H）、叶片含水量（W）、叶面积指数（LAI）、叶绿素浓度和叶片氮素浓度（LNC）。

2.根据权利要求1所述的基于无人机多源遥感评估茶园重要表型指标的方法及系统，其特征在于，所述步骤S2中预处理茶园图像的步骤为：

S21：采集到的LiDAR数据利用大疆智图软件(DJI, Inc., Shenzhen, China)生成点云模型，包括筛选高点云密度、输出坐标系位置CGRS93、点云精度优化、重建；

S22：采集到的TC数据利用大疆智图软件生成三维模型，包括选择高清晰度图像、选择倾斜拍摄和正射拍摄场景、重塑；

S23：采集到的MS数据利用Yusense Map V1.0（Yusense, Inc., Qingdao, China）拼接, 包括生成注册参数进行图像配准、输入白板反射率辐射定标、多光谱图像的拼接；

S24：采集的TM和RGB数据通过Yusense Map V1.0拼接，包括导入数据，相机参数生成，图像拼接，温度定标；

S25: S21得到的LiDAR和S22处理后的TC数据通过Alundar Platform Free软件（ALD.Inc., Chengdu, China）进行地块的裁剪和变量的提取；

S23处理后的MS和S24处理后的RGB数据利用ENVI 5.2软件进行地块的裁剪、波段和纹理的提取；

S24处理后的TM数据利用FLIR Tools软件（Teledyne FLIR，USA）进行地块的裁剪和温度信息的提取。

3.根据权利要求1所述的基于无人机多源遥感评估茶园重要表型指标的方法及系统，其特征在于，所述步骤S3包括LiDAR信息的提取、MS信息的提取、RGB信息的提取和TM信息的提取，具体步骤为：

S31：S25处理后的点云模型过Alundar Platform Free软件进一步处理，包括去燥、滤波、归一化、生成DSM模型、DEM模型、DSM模型减DEM模型进一步生成冠层高度模型（CHM）；提取到点云密度、激光穿透力指数、孔隙率、平均高度、最大高度五个变量；

S32：S25处理后的TC信息与S21所述的步骤基本一致，但是无激光穿透力指数；

S33：S25处理后MS信息的提取通过ENVI 5.2 提取到6个原始波段包括450、555、660、720、750、840nm；

S34：S25处理得到的RGB信息是利用ENVI 5.2软件从基于RGB的绿色、红色和蓝色波段的灰度共生矩阵（GLCM）中提取的，处理窗口为3行×3列；

S35：S25得到的TM 信息利用FLIR Tools软件提取到3个温度变量即（最大温度、最低温度、平均温度）。

4.根据权利要求1所述的基于无人机多源遥感评估茶园重要表型指标的方法及系统，本发明采用BP、SVM、RF和PLS神经网络对数据进行分析并建立模型，所述步骤S4的具体步骤为：

S41：S31得到的LiDAR和S32得到的TC数据集融合，得到茶园H表型参数；

S42：S31得到的LiDAR、S32得到得TC和S33得到的MS数据集融合，得到茶园LAI表型参数；

S43: S31得到的LiDAR、S34得到的RGB、S33得到的MS和S35得到的TM数据集融合，得到茶园W表型参数；

S44: S34得到的RGB和S33得到的MS数据集融合，得到茶园LCC表型参数；

S45: S31得到的LiDAR、S34得到的RGB、S33得到的MS和S35得到的TM数据集融合，得到LNC表型参数。