基于无人机遥感影像的玉米冠层温度提取及作物水分胁迫监测

针对当前无人机热红外遥感提取冠层温度不准确、监测作物水分胁迫状况精度不高的问题,该研究以不同水分处理的拔节期夏玉米为研究对象,利用无人机获取试验区域热红外和可见光图像资料,分别采用Otsu算法、EXG-Kmeans算法和Otsu-EXG-Kmeans算法获取冠层区域图像,并对提取结果进行精度评价,而后采用最优算法求得对应作物水分胁迫指数（Crop Water Stress Index,CWSI）,通过分析CWSI同土壤含水率相关关系以及CWSI日平均变化趋势来监测玉米水分亏缺状况。结果表明：1）相比于其他方法,Otsu-EXG-Kmeans算法对冠层温度提取精度更高（用户精度为95.9%）,提取的冠层温度更接近实测温度（r=0.788）,可以准确获取图像冠层温度。2）相比于冠层温度,CWSI与土壤含水率的相关性更高（r= -0.738）,CWSI日平均变化趋势更符合实际情况,可更加精确地监测玉米缺水状况。该研究为无人机遥感精准监测作物水分胁迫状况提供参考。     

考虑作物生长状态的农田表面温度数据精量甄别与区分

农田表面温度是土壤、作物和大气之间进行水/热交换传输的重要参数,也是灌区遥感反演模型的重要参量。在利用热红外传感器连续获取农田表面温度数据时,由于作物的生长发育处于动态变化中,农田表面温度数据往往混合了作物冠层温度和土壤表面温度。为精准甄别和区分田间海量监测数据,该研究结合Logistic作物生长模型,通过考虑作物生长状态指标叶面积指数（Leaf Area Index,LAI）和作物冠层高度及其关键节点,构建了农田表面温度监测数据的甄别算法。以内蒙古永济试验站玉米和向日葵实测数据对算法进行验证,并利用解放闸灌域和吉林省长春试验站的玉米和向日葵田间观测数据进行校核。结果表明：考虑LAI和作物冠层高度并利用Logistic模型模拟的关键节点来建立甄别算法,能够为农田稀疏植被表面温度数据甄别提供高效判定。与人工测量值对比,冠层温度优化幅度在10%左右（相对误差）,土壤表面温度优化幅度超过5%;甄别方法可以明显提升冠层和土壤表面温度的获取精度。甄别算法中校正因子数值需根据作物种植密度及LAI确定,其中玉米校正因子选择作物冠层温度校正因子0.9,土壤表面温度校正因子1.1;向日葵校正因子以叶面积指数最大值4为基础,选取冠层温度校正因子0.7,土壤表面温度校正因子1.2;在不同地区应用时,向日葵叶面积指数最大值每增加1,推荐冠层温度校正因子调高0.35,土壤表面温度校正因子调低0.18。研究结果为精量灌溉提供技术支撑,提高了农田监测数据的性能,为无人机遥感和卫星遥感数据的精量甄别提供算法和验证。     

利用无人机可见光遥感影像提取棉花苗情信息

为提高棉花苗情信息获取的时效性和精确性,该文提出了基于可见光遥感影像的棉花苗情提取方法。首先,利用自主搭建的低空无人机平台获取棉花3~4叶期高分辨率遥感影像,结合颜色特征分析和Otsu自适应阈值法实现棉花目标的识别和分割。同时,采用网格法去除杂草干扰后,提取棉花的形态特征构建基于SVM的棉株计数模型。最后,基于该模型提取棉花出苗率、冠层覆盖度及棉花长势均匀性信息,并绘制棉花出苗率、冠层覆盖度的空间分布图。结果显示,模型的测试准确率为97.17%。将模型应用于整幅影像,计算的棉花出苗率为64.89%,与真实值误差仅为0.89%。同时基于冠层覆盖度、变异系数分析了棉花长势均匀情况。该文提出的方法实现了大面积棉田苗情的快速监测,研究成果可为因苗管理的精细农业提供技术支持。     

基于无人机平台的柑橘树冠信息提取

为了快速获取柑橘树冠信息,提升柑橘园精准管理,该研究基于无人机平台获取了柑橘数码和多光谱影像,分析了无人机影像反演柑橘树冠信息的效果。首先利用无人机数码影像及分水岭算法进行柑橘单木分割,然后构建柑橘树冠层高度模型,提取柑橘株数、株高、冠幅投影面积等结构参数信息,进而利用无人机多光谱影像获取柑橘的8种常用植被指数,采用全子集分析法筛选柑橘冠层氮素含量的敏感植被指数,构建基于多元线性回归的冠层氮素遥感反演模型,进行以冠幅为基本单元的柑橘树冠层氮素含量遥感制图。研究结果表明:柑橘的单木识别准确率在93%以上,召回率在95%以上,平均F值为96.52%;柑橘树的反演株高与实测株高具有较强的相关性,决定系数R2为0.87,均方根误差为31.9cm;单株冠幅投影面积与人工绘制的冠幅面积的决定系数,除果园A在12月的结果较低(R2为0.78)外,其余均在0.94及以上;采用全子集分析法筛选的柑橘冠层氮素敏感植被指数为归一化植被指数(NDVI)、绿色归一化植被指数和冠层结构不敏感指数,所建立的多元回归模型的决定系数R2达0.82,均方根误差为0.22%,相对误差为6.59%。综上,无人机影像在柑橘树冠参数信息提取方面具有较好的应用效果,能够快速有效地提取柑橘树冠参数信息。该研究可为使用无人机平台进行果园精准管理提供技术支撑。     

无人机热红外图像计算冠层温度特征数诊断棉花水分胁迫

针对当前无人机热红外遥感诊断作物水分胁迫状况精度不高的问题,该文以4种水分处理的花铃期棉花为试验对象,利用六旋翼无人机搭载热红外传感器,连续5 d采集中午13点的棉花冠层高分辨率热红外影像,通过Canny边缘检测算法将热红外图像中的土壤背景有效剔除,应用温度直方图验证剔除效果,然后计算棉花冠层温度特征数,包括冠层温度标准差(standard deviation of canopy temperature,CTSD)和冠层温度变异系数(canopy temperature coefficient of variation,CTCV);分别研究棉花冠层温度特征数与棉花叶片气孔导度Gs、蒸腾速率Tr、水分胁迫指数(crop water stress index,CWSI)和土壤体积含水率(soil volumetric water content,SWC)的相关关系,并分析冠层温度特征数对诊断棉花水分胁迫的适用性。研究结果表明:棉花冠层温度特征数与表征棉花水分胁迫的生理指标和物理指标都具有较高的相关性,最大的决定系数R2为0.884;棉花冠层温度标准差CTSD和变异系数CTCV与Gs、Tr、CWSI、SWC的决定系数R2分别为0.884、0.625、0.673、0.550和0.853、0.583、0.620、0.520,冠层温度标准差CTSD对作物水分胁迫的敏感程度更高,可以作为诊断作物水分胁迫的新指标。该研究提出冠层温度特征数的计算方法仅需要无人机热红外影像数据,相比其他诊断作物水分胁迫状况的温度指标具有较大的应用潜力。     

基于时间序列红外图像的玉米叶面积指数连续监测

针对受田间变化光照影响冠层图像参数计算的精度及自动化程度仍然不高的问题,该文提出了一种基于冠层顶视单角度红外图像序列的玉米叶面积指数(leaf area index,LAI)获取方法。首先,在玉米整个生育期内获取冠层顶部垂直向下红外图像序列,针对冠层图像背景分割易受田间变化光照影响,提出了一种基于绿色植物"红边"现象和冠层图像背景正态分布模型的分割方法,方法计算简便精度高于支持向量机分割。在冠层参数解析阶段,根据玉米叶片球形分布假设,简化了顶视冠层图像的叶片投影函数(G函数),利用Beer-Lambert定律推导了图像冠层孔隙度计算叶面积指数的方法。试验结果表明:该方法与间接测量原理的商业化设备测量值具有较高的相关性,叶面积指数测量的决定系数为0.94。方法应用于2个不同年代品种冠层结构动态变化监测,能够准确反映冠层结构差异,建立了冠层孔隙度与植株干质量(R2=0.95,R2=0.94)植株鲜质量(R2=0.96,R2=0.89)的关系模型,该方法简化了玉米冠层结构参数测量过程,可为田间环境下冠层参数的自动连续监测提供了解决方案。     

基于无人机遥感的夏玉米水分胁迫指数改进方法

冠层温度(canopy temperature,T_c)是作物水分胁迫计算的基础。准确地剔除热红外图像中的土壤背景,可以提高作物水分的监测精度。该研究以4种水分处理的拔节期夏玉米为研究对象,借助无人机可见光和热红外图像,采用红绿比值指数(red-green ratio index,RGRI)法提取研究区域的面状玉米冠层温度的空间分布信息,并分析每幅热红外图像上冠层温度的累积频率。该并提出了两种改进作物水分胁迫指数(crop water stress index,CWSI)性能的方法,一是使用基于正态分布的不同统计分位数分割冠层温度,并基于不同统计分位数上的平均冠层温度计算CWSI (记为CWSI_Tcf%)。二是基于冠层温度方差(canopy temperature variance,V_ar),将玉米冠层数据分为4个区间:区间Ⅰ,T_c≤40,V_ar≤10;区间Ⅱ,T_c≤40,10ar≤20;区间Ⅲ,35c     

变量灌溉处方图设计中无人机飞行高度和起飞时间确定

无人机热成像系统快速获取农田水分亏缺信息空间分布的特点为变量灌溉动态分区管理提供了监测平台。为了提高利用无人机热成像系统生成变量灌溉处方图的精度，该研究提出热成像系统获取的红绿蓝3色值与温度间的转化方法，分析了无人机热成像系统飞行时刻和飞行高度对冠层温度空间分布和变量灌溉处方图生成的影响。试验在河北邢台大曹庄管理区水肥一体化试验基地开展，无人机热成像系统飞行高度设置为70、90和110 m，起飞时间选择在08:00、11:00、14:00和17:00，飞行区域为三跨加悬臂圆形喷灌机控制灌溉面积的1/4。结果表明，RGB颜色值与温度间存在极显著的线性关系（P<0.01）。无人机热成像系统的起飞时间对冠层温度空间分布有较大影响，在11:00和14:00飞行时冠层温度空间分布差异最大，变量灌溉处方图内总灌水量相对较小。随着无人机热成像系统飞行高度的增加，图像分辨率降低，变量灌溉处方图内总灌水量呈增大趋势，90和110m飞行高度时的总灌水量平均比70m时分别高6.1%和12.1%。在利用无人机热成像系统获取变量灌溉处方图时，推荐冬小麦生育期内飞行时间为11:00—15:00，夏玉米为11...     

基于图像提取技术计算夏玉米覆盖度和反演叶面积指数的精度评价

如何将农作物从复杂动态变化的农田场景中准确提取出来,是作物分割方法后续提取覆盖度或反演叶面积指数准确与否的关键。本文以郑州、泰安和固城站2011年和2012年生长季的夏玉米为研究对象,利用在线式图像自动传输装置实时获取户外不同光照强度以及真实农田复杂背景下的夏玉米群体动态图像,在对原始图像进行几何校正的基础上,采用AP-HI、ExG、ExGR和CIVE4种作物分割方法提取夏玉米覆盖度和反演叶面积指数,通过对比试验定量评价每种作物分割方法对农田复杂背景的适应能力和精度,并从中选取适合农田复杂环境下夏玉米冠层图像覆盖度和叶面积指数的有效提取方法。结果表明：光照强度变化以及植物阴影、植物残渣等复杂背景对作物分割算法的精确性影响较大,AP-HI方法在光照适应性和对抗复杂环境两个方面均优于其它方法,相对误差在0.2以下,高于目估法测量的精度;通过对比分析发现,利用4种作物分割方法通过冠层孔隙率估算不同生长期夏玉米LAI,AP-HI反演模型最优,其估算的LAI与实际测得的LAI值比较的相关系数最高,为0.89~0.96,均方根误差最小,为0.47~0.75。综合考虑模型的精度和稳定性认为,基于AP-HI方法反演叶面积指数的方法具有一定应用优势。     

基于数字图像分析监测不同氮肥处理下加工番茄生长状况的初步研究

利用数字相机获取田间加工番茄冠层影像,通过图像处理软件准确识别冠层和背景像素,分析了加工番茄不同施氮量下提取的地面覆盖度与生物学参数间的相关关系,其相关系数都达到0.96以上的极显著相关;分析了光谱参数--绿色深度指数（DGCI）与叶片叶绿素含量相关关系,二者表现出r=0.74以上的极显著直线相关。结果表明,利用地面覆盖度可在生长前期监控加工番茄生长量,预测生物学产量和叶面积系数;在果实膨大期预测吸氮量和经济产量。利用光谱参数DGCI可监测加工番茄叶片叶绿素含量。本结果可快速准确监测加工番茄生长发育,为加工番茄生产提供科学依据。     

农用地遥感影像信息的角提取方法

在高分辨率影像中,耕地和坑塘具有显著的角特征点,该文根据此特点准确地实现这两类地物信息的提取。在角提取时,针对TK（Tomasi-Kanade）角检测法对角方位的变化较为敏感这一缺陷,结合双向分析技术对传统的角检测算法加以改进,并提出鲁棒性更高的双向TK角检测;利用COVPEX（corner validation based on corner property extraction）算法对角检测结果进行验证,发现验证结果中不仅存在一些对于影像分析来说几乎无利用价值的伪角,而且还存在“角簇”现象,前者降低了验证结果的合理性,而后者破坏了角的唯一性。针对这两个问题,该文联合多尺度分析技术对COVPEX算法进行改进,提出了多尺度COVPEX算法和“去角簇”操作,角提取的精度和合理性均得到了明显地提高。     

高分辨率遥感影像耕地分层提取方法

随着城市化建设进程的加快,城郊耕地经常会被开发为建设用地,甚至还会遭受非法占用的危险,这极大威胁了中国粮食安全。该文针对高分辨率遥感影像城郊耕地特点,提出了一种多尺度分层的耕地提取方法。首先,基于归一化植被指数(normalized difference vegetation index,NDVI)约束改进传统Harris角点检测方法得到建筑区概率密度图,并利用最大类间方差(Otsu algorithm,Otsu)分割去除复杂建筑区;然后,利用尺度选择工具(estimation of scale parameter,ESP)分析耕地占主导影像的多尺度分割结果,得到耕地较佳分割尺度并在该尺度下分割整幅影像;进而,利用形状、光谱信息初步检测出耕地对象,选择非建筑区的耕地与建筑区的非耕地样本,训练支持向量机模型并对不确定地物进行分类;最后,依据空间关系进一步判断图像对象,得到城郊耕地最终提取结果。试验结果表明,该方法能较高精度地从城郊区域的复杂背景中提取出不同类型、不同光谱的耕地目标。     

Verification of predicted dynamics of soil degradation using satelite imagery

The predicted dynamics of soil cover degradation are verified by a matrix model, system processing of multitemporal large scaled soil maps, and satellite images. The validity of the criterion for the dynamics of typical solonchak areas to assess the soil degradation intensity is shown.     

基于无人机遥感影像的玉米苗期株数信息提取

准确、快速地获取玉米苗期株数对于育种早期决策起着至关重要的作用。该文利用2017年6月于北京市小汤山镇采集的无人机影像,首先对比分析RGB、HSV、YCbCr及L*A*B 4种色彩空间,变换优选HSV颜色模型对无人机影像前景(作物)与后景(土壤背景)进行分割,得到分类二值图。然后利用骨架提取算法及多次去毛刺处理等数学形态学流程提取玉米苗形态,得到高精度作物形态骨架,结合影像尺度变换剔除噪声影像,将影像分为多叶、少叶2类,经Harris、Moravec和Fast角点检测识别结果对比,Harris角点检测算法可以较好地提取玉米苗期影像的株数信息。结果表明,少叶类型识别率达到96.3%,多叶类型识别率达到99%,总体识别率为97.8%,将目前传统影像识别精度提高了约3%。同时在多个植株叶片交叉重叠覆盖的情况下,该文的研究方法有良好的适用性。通过无人机影像提取玉米苗期作物准确数目是可行的。该文采用了数学形态学的原理,通过HSV色彩空间变换得到的二值图,从无人机影像中识别提取玉米苗期形态信息,利用影像尺度缩放变换去除噪点,优化骨架识别算法使得识别精度大大提高,最后采用角点检测从无人机影像中直接读取玉米材料小区内的具体数目,该方法节省了人力物力,为田间大面积测定出苗率及最终估产提供了参考。     

无人机多光谱影像辐射一致性自动校正

针对一个架次内无人机影像由于光照度变化、拍摄角度等原因引起的相同地物点在不同影像上的辐射信息不一致的问题,验证了利用SIFT(scale invariant feature transform)算法匹配同名点,然后利用同名点灰度值的相关关系建立校正模型,再用该校正模型校正整幅影像的辐射一致性校正方法。对比评价了基于直方图匹配的色彩一致性校正方法、原始色彩空间辐射一致性校正、针对三波段影像的HSV(hue,saturation,value)色彩空间亮度一致性校正以及双边滤波去噪的效果。试验结果表明:基于直方图匹配的色彩一致性校正能在视觉上达到很好的效果,但是会造成校正后影像的灰度级严重缺失;基于同名点灰度值相关关系的校正模型能够很好地恢复待校正影像与基准影像的辐射一致性;HSV色彩空间亮度一致性校正能够在色彩上和辐射信息上与基准影像均达到很好的一致性,但只适用于三波段影像;双边滤波在去除噪声的同时,能够保持甚至提高校正后影像与基准影像的辐射一致性。     

基于多尺度形态学滤波的高分辨率遥感影像分割

针对目前高空间分辨率遥感影像分割预处理噪声去除过程中,通常都是对影像采用同一尺度,即同一尺寸的结构元素,进行滤波,忽略了不同地类中的噪声尺度不一致的问题。该文基于形态学开闭重建运算,采用加权思想,充分利用不同尺度结构元素能去除对应尺度噪声的特点,结合多个尺度结构元素的滤波结果,提出一种多尺度形态学滤波方法。试验结果表明,该方法能有效抑制由于滤波尺度选择不合适造成的影像“过分割”和“欠分割”问题,适合于对高空间分辨率遥感影像的多尺度噪声去除。     

基于光谱稳定目标的经验线性大气校正方法研究

By using speetrally stable targets, the empirical line （EL） method was tested to correct the multispectral IKONOS imagery acquired over Putuo Mountain, Zhejiang, China. A series of calibration targets, which were spectrally stable over time, were selected to establish the linear predicted equation. Subsequently, a series of spectrally stable validation targets were selected to assess the accuracy of the equations. And, validation targets, which were speetrally unstable over time, were used to test the feasibility of using the EL method to calibrate the archival remotely sensed data. Ground reflectance measurements for each target were made using an ASD FieldSpec spectroradiometer. A Trimble GeoXTTM GPS unit with sub-meter accuracy was used to estimate the target position accurately. Linear regression equations for four tKONOS bands were derived. The coefficients of determination for the blue, green, and red bands were all greater than 0.9800 and it was 0.9697 for the near infrared band. It was concluded that reasonable results could be obtained by using speetrally stable targets.     

Detection of water stress in an olive orchard with thermal remote sensing imagery

An investigation of the detection of water stress in non-homogeneous crop canopies such as orchards using high-spatial resolution remote sensing thermal imagery is presented. An airborne campaign was conducted with the Airborne Hyperspectral Scanner (AHS) acquiring imagery in 38 spectral bands in the 0.43–12.5 μm spectral range at 2.5 m spatial resolution. The AHS sensor was flown at 7:30, 9:30 and 12:30 GMT in 25 July 2004 over an olive orchard with three different water-deficit irrigation treatments to study the spatial and diurnal variability of temperature as a function of water stress. A total of 10 AHS bands located within the thermal-infrared region were assessed for the retrieval of the land surface temperature using the split-window algorithm, separating pure crowns from shadows and sunlit soil pixels using the reflectance bands. Ground truth validation was conducted with infrared thermal sensors placed on top of the trees for continuous thermal data acquisition. Crown temperature (T_c), crown minus air temperature (T_c − T_a), and relative temperature difference to well-irrigated trees (T_c − T_R, where T_R is the mean temperature of the well-irrigated trees) were calculated from the ground sensors and from the AHS imagery at the crown spatial resolution. Correlation coefficients for T_c − T_R between ground IRT sensors and airborne image-based AHS estimations were R² = 0.50 (7:30 GMT), R² = 0.45 (9:30 GMT) and R² = 0.57 (12:30 GMT). Relationships between leaf water potential and crown T_c − T_a measured with the airborne sensor obtained determination coefficients of R² = 0.62 (7:30 GMT), R² = 0.35 (9:30 GMT) and R² = 0.25 (12:30 GMT). Images of T_c − T_a and T_c − T_R for the entire field were obtained at the three times during the day of the overflight, showing the spatial and temporal distribution of the thermal variability as a function of the water deficit irrigation schemes.     

Using scattered hyperspectral imagery data to map the soil properties of a region

Airborne hyperspectral imagery has been recently proved to be a successful technique for predicting soil properties of the bare soil surfaces that are usually scattered in the landscape. This new soil covariate could much improve the digital soil mapping (DSM) of soil properties over larger areas. To illustrate this, we experimented with digital soil mapping in a 24.6‐km² area located in the vineyard plain of Languedoc. As input data, we used 200 points with clay content measurements and 192 bare soil fields representing 3.5% of the total area in which the clay contents of the soil surface were successfully mapped at 5‐m resolution by hyperspectral remote sensing. The clay contents were estimated from CR₂₂₀₆, a spectrometric indicator that quantifies specific absorption features of clay at 2206 nm. We demonstrated by cross‐validation that the co‐kriging procedure based on our co‐regionalization model provided accurate error estimates at the clay measurement sites. Then, we applied a block co‐kriging model to map the mean clay content at increasing resolutions (50 , 100, 250 and 500 m). The results showed the following: (i) using hyperspectral data significantly increased the accuracy of the mean clay content estimations; (ii) a block co‐kriging procedure with reliable estimates of error variance can be used to estimate mean clay contents over larger areas and at coarser resolutions with acceptable and predictable errors and (iii) various maps can be produced that represent different compromises between prediction accuracy and spatial resolution.