一種冬小麥生物量估算方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于農(nóng)業(yè)監(jiān)測(cè)技術(shù)領(lǐng)域，尤其涉及一種基于冠層圖像和BP人工神經(jīng)網(wǎng)絡(luò)的 冬小麥生物量估算方法。
【背景技術(shù)】
[0002] 小麥?zhǔn)俏覈?guó)重要的糧食作物之一，快速、準(zhǔn)確地監(jiān)測(cè)小麥長(zhǎng)勢(shì)信息，對(duì)于小麥生長(zhǎng) 過(guò)程中實(shí)施精確管理及估測(cè)產(chǎn)量等具有重要意義。作物長(zhǎng)勢(shì)是作物生長(zhǎng)的狀況與趨勢(shì)，一 般用葉面積、葉色、株高、莖粗和生物量等來(lái)衡量其優(yōu)劣，其中，地上部生物量是表征作物生 長(zhǎng)狀況的重要指標(biāo)，其大小與作物群體的光能利用和產(chǎn)量形成密切相關(guān)。獲取作物地上部 生物量的傳統(tǒng)方法是通過(guò)破壞性田間植株取樣和室內(nèi)分析，雖具有較好的數(shù)據(jù)可靠性，但 效率低，且耗時(shí)間和資源。地面、航空和衛(wèi)星遙感通過(guò)遙感影像的紅波段和近紅外波段信息 計(jì)算的植被指數(shù)與地上部生物量、葉面積指數(shù)等長(zhǎng)勢(shì)指標(biāo)的相關(guān)關(guān)系及基于植被指數(shù)及統(tǒng) 計(jì)學(xué)方法所構(gòu)建的線性、非線性模型來(lái)估算作物長(zhǎng)勢(shì)指標(biāo)，進(jìn)而實(shí)現(xiàn)作物長(zhǎng)勢(shì)監(jiān)測(cè)。而地面 遙感較航空、衛(wèi)星遙感相比，因更接近于地面而較少受到云層的干擾，能獲得分辨率更高的 圖像，另外，因其圖像采集時(shí)間選擇的隨機(jī)性，使實(shí)時(shí)采集田間圖像成為可能。
[0003] 近年來(lái)數(shù)碼相機(jī)作為可見(jiàn)光光譜地面遙感工具的一種新的選擇，因其經(jīng)濟(jì)、高效 等特點(diǎn)，在作物長(zhǎng)勢(shì)監(jiān)測(cè)領(lǐng)域得到廣泛的應(yīng)用。Behrens等指出油菜冠層圖像中提取的冠層 覆蓋度與地上部干重呈顯著相關(guān)。Li等得出冠層覆蓋度與小麥葉面積指數(shù)、地上部干重和 地上部氮素濃度呈顯著相關(guān)的結(jié)論。Lee等利用水稻冠層圖像中提取的冠層覆蓋度與地上 部干重、地上部氮素含量和葉面積指數(shù)呈顯著正相關(guān)，并利用逐步回歸方法擬合了基于冠 層覆蓋度及其他色彩指數(shù)的水稻長(zhǎng)勢(shì)估算模型?；谧魑锕趯痈采w度及圖像色彩指數(shù)的作 物長(zhǎng)勢(shì)估算模型大多采用多元線性回歸或非線性回歸方法進(jìn)行擬合，但當(dāng)葉面積指數(shù)或生 物量較大時(shí)，其估算誤差明顯增大。其原因?yàn)?，隨著作物生育進(jìn)程的推移，地上部生物量、葉 面積指數(shù)等的增大會(huì)引起葉片的重疊，它導(dǎo)致冠層覆蓋度的增大速度明顯小于地上部生物 量等的增大速度，即作物冠層覆蓋度的變化不能有規(guī)律地反映生物量、葉面積指數(shù)等的變 化。
[0004] 這種現(xiàn)象與高光譜作物長(zhǎng)勢(shì)估算中的飽和現(xiàn)象相似，即當(dāng)作物葉面積指數(shù)、生物 量等較大時(shí)，一些植被指數(shù)，如歸一化指數(shù)等，將趨于飽和水平，從而影響估算精度。人工神 經(jīng)網(wǎng)絡(luò)、波段深度分析等方法在一定程度上提高生物量、葉面積指數(shù)等較大時(shí)的作物長(zhǎng)勢(shì) 高光譜估算精度，但有關(guān)利用人工神經(jīng)網(wǎng)絡(luò)來(lái)構(gòu)建基于作物冠層圖像分析的作物農(nóng)學(xué)參數(shù) 估算模型的研究及相關(guān)技術(shù)的報(bào)道較少。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種基于冠層圖像和BP人工神經(jīng)網(wǎng)絡(luò)的冬小麥生物量估 算方法，旨在利用人工神經(jīng)網(wǎng)絡(luò)方法建立基于冬小麥冠層圖像分析的地上部生物量估算模 型，研究結(jié)果可為冬小麥及其他作物長(zhǎng)勢(shì)監(jiān)測(cè)研究提供理論和技術(shù)上的借鑒。
[0006] 本發(fā)明是這樣實(shí)現(xiàn)的，一種冬小麥生物量估算方法，該方法包括以下步驟：
[0007] S1、對(duì)小麥冠層進(jìn)行圖像采集，獲取各組小麥的冠層覆蓋度和冠層圖像色彩指數(shù)； 對(duì)圖像采集后的各組小麥進(jìn)行取樣和處理后，計(jì)算單位面積的地上部生物量；
[0008] S2、對(duì)各組小麥的冠層覆蓋度、圖像色彩指數(shù)以及地上部生物量數(shù)據(jù)采用估算生 物量的逐步回歸模型進(jìn)行篩選，選擇出合格樣本數(shù)據(jù)，并將樣本數(shù)據(jù)隨機(jī)分為A組和B組；
[0009] S3、將A組樣本數(shù)據(jù)用于冬小麥地上部生物量估算模型的構(gòu)建，即采用BP人工神經(jīng) 網(wǎng)絡(luò)模型對(duì)選擇的合格樣本數(shù)據(jù)進(jìn)行訓(xùn)練；
[0010] S4、將B組樣本數(shù)據(jù)用于估算模型的驗(yàn)證，即將B組樣本數(shù)據(jù)中的冠層覆蓋度CC、綠 光標(biāo)準(zhǔn)化值g、藍(lán)光標(biāo)準(zhǔn)化值b和歸一化差值指數(shù)NDI作為BP人工神經(jīng)網(wǎng)絡(luò)模型的輸入矢量， 利用Sim函數(shù)計(jì)算并輸出冬小麥地上部生物量，最后輸出人工神經(jīng)網(wǎng)絡(luò)模型參數(shù)。
[0011] 優(yōu)選地，在步驟S1中，所述冠層圖像色彩指數(shù)包括紅光標(biāo)準(zhǔn)化值r、綠光標(biāo)準(zhǔn)化值 g、藍(lán)光標(biāo)準(zhǔn)化值b、歸一化差值指數(shù)NDI、色調(diào)Hue、飽和度SAT和亮度INT。
[0012] 優(yōu)選地，在步驟S1中，所述處理為將樣本在105°C下殺青30min后于72°C下烘干至 十旦重，稱其重量。
[0013] 優(yōu)選地，在步驟S2中，采用估算生物量的逐步回歸模型將學(xué)生殘差大于±2.0的各 組數(shù)據(jù)作為異常值剔出，得到合格樣本數(shù)據(jù)。
[0014] 優(yōu)選地，在步驟S2中，在逐步回歸模型進(jìn)行篩選之前，利用決定系數(shù)R2、均方根誤 差RMSE、相對(duì)均方根誤差RRMSE對(duì)回歸模型進(jìn)行擬合優(yōu)度的考察，利用相關(guān)系數(shù)、均方根誤 差RMSE和相對(duì)均方根誤差RRMSE對(duì)回歸模型進(jìn)行檢驗(yàn)。
[0015] 優(yōu)選地，在步驟S3中，所述采用BP人工神經(jīng)網(wǎng)絡(luò)模型對(duì)選擇的合格樣本數(shù)據(jù)進(jìn)行 訓(xùn)練具體包括：
[0016] 選擇A組樣本數(shù)據(jù)中冠層覆蓋度、綠光標(biāo)準(zhǔn)化值、藍(lán)光標(biāo)準(zhǔn)化值和歸一化差值指數(shù) 作為BP人工神經(jīng)網(wǎng)絡(luò)模型輸入層輸入變量;將BP人工神經(jīng)網(wǎng)絡(luò)模型隱藏層設(shè)為1層，節(jié)點(diǎn)5 個(gè);將小麥地上部生物量作為BP人工神經(jīng)網(wǎng)絡(luò)模型的輸出層；
[0017] 采用trainlm函數(shù)為人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練函數(shù);tansig函數(shù)為隱藏層激活函數(shù)，輸出 層采用pipeline函數(shù)，人工神經(jīng)網(wǎng)絡(luò)激活函數(shù)的權(quán)重、閾值為默認(rèn)值，進(jìn)行BP人工神經(jīng)網(wǎng)絡(luò) 訓(xùn)練。
[0018] 現(xiàn)有獲取作物地上部生物量一般通過(guò)田間破壞性取樣方法和遙感方法，田間破壞 性取樣方法雖具有較好的數(shù)據(jù)可靠性，但效率低、耗時(shí)間和資源。近年來(lái)，作物冠層圖像分 析技術(shù)，因其經(jīng)濟(jì)、高效等特點(diǎn)，在作物長(zhǎng)勢(shì)監(jiān)測(cè)方面得到廣泛應(yīng)用。本發(fā)明的相關(guān)分析結(jié) 果表明，冬小麥地上部生物量與由冠層圖像分析獲取的冠層覆蓋度(CC)、飽和度(SAT)和紅 光值(R)呈顯著相關(guān)，其中冠層覆蓋度與地上部生物量的相關(guān)性最強(qiáng)。多數(shù)研究結(jié)果表明， 作物冠層覆蓋度與地上部生物量、葉面積指數(shù)等長(zhǎng)勢(shì)指標(biāo)呈非線性相關(guān)。鑒于這些結(jié)果，首 先對(duì)樣本數(shù)據(jù)進(jìn)行數(shù)據(jù)轉(zhuǎn)換后，利用逐步回歸方法構(gòu)建了地上部生物量估算模型。模型驗(yàn) 證結(jié)果表明，當(dāng)?shù)厣喜可锪窟_(dá)到一定程度開(kāi)始(約大于500g/m 2)，其估算誤差明顯增大。
[0019] BP人工神經(jīng)網(wǎng)絡(luò)方法雖存在一些不足，如有足夠多的樣本(一般認(rèn)為樣本數(shù)超過(guò) 50)、實(shí)用性差等，但因其對(duì)多變量信息的綜合能力及對(duì)非線性問(wèn)題的擬合等方面所具有的 有無(wú)可比擬的優(yōu)勢(shì)，已被廣泛應(yīng)用于基于高光譜的葉面積指數(shù)、地上部生物量等的估算或 反演研究領(lǐng)域。有關(guān)人工神經(jīng)網(wǎng)絡(luò)方法顯著提高葉面積指數(shù)、生物量等的高光譜估算精度 的研究報(bào)道較多。本發(fā)明利用BP人工神經(jīng)網(wǎng)絡(luò)方法所構(gòu)建的基于冠層覆蓋度和圖像色彩指 數(shù)的冬小麥地上部生物量估算模型比逐步回歸方法相比能明顯提高地上部生物量等較大 時(shí)的估算精度(表3、圖3)。表明BP人工神經(jīng)網(wǎng)絡(luò)方法相對(duì)于逐步回歸方法更適合于基于冠 層圖像的冬小麥生物量估算模型的構(gòu)建。本發(fā)明結(jié)果可為基于可見(jiàn)光光譜的農(nóng)田冬小麥及 其他作物的長(zhǎng)勢(shì)監(jiān)測(cè)研究提供參考依據(jù)
[0020]相比于現(xiàn)有技術(shù)的缺點(diǎn)和不足，本發(fā)明具有以下有益效果：（1)與傳統(tǒng)破壞性田間 取樣調(diào)查方法相比，具有經(jīng)濟(jì)、高效等特點(diǎn)；（2)與基于高光譜遙感方法相比，本發(fā)明中的圖 片獲取過(guò)程因更接近地面，較少受到云層的影響而獲得分辨率更高的冠層圖像;另外，與適 合于大面積、大尺度的高光譜衛(wèi)星遙感方法相比，本發(fā)明更適合田間水平的冬小麥生物量 估算；（3)與傳統(tǒng)回歸估算模型相比，本發(fā)明（基于人工神經(jīng)網(wǎng)絡(luò)方法的生物量估算模型）顯 著提高冬小麥生物量估算精度。
【附圖說(shuō)明】
[0021 ]圖1是冬小麥圖像分割過(guò)程示意圖；
[0022]圖2為逐步回歸模型中模型預(yù)測(cè)值與實(shí)測(cè)值之間的比較結(jié)果圖；
[0023]圖3為BP人工神經(jīng)網(wǎng)絡(luò)模型中模型預(yù)測(cè)值與實(shí)測(cè)值之間的比較結(jié)果圖。
【具體實(shí)施方式】
[0024]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì) 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。
[0025]本發(fā)明利用人工神經(jīng)網(wǎng)絡(luò)和多元線性回歸方法建立基于冬小麥冠層圖像分析的 地上部生物量估算模型，研究結(jié)果可為冬小麥及其他作物長(zhǎng)勢(shì)監(jiān)測(cè)研究提供理論和技術(shù)上 的借鑒。
[0026]本發(fā)明前期試驗(yàn)內(nèi)容包括：
[0027]于2013年10月~2014年5月在青島農(nóng)業(yè)大學(xué)科技示范園試驗(yàn)站進(jìn)行，該試驗(yàn)站位 于膠州市膠萊鎮(zhèn)，屬暖溫帶季風(fēng)氣候。試驗(yàn)地土壤有機(jī)質(zhì)含量15.2g/kg，堿解氮72.67mg/ kg、有效磷 26 · 38mg/kg、有效鉀 116 · 95mg/kg。
[0028] (1)試驗(yàn)品種為濟(jì)麥22;試驗(yàn)設(shè)6個(gè)施氮處理，處理水平分別為0、60、120、180、240、 300kg/hm 2純氮。磷肥、鉀肥施用量分別為100kg/hm2P205、120kg/hm 2K20,全部作為基肥一次 性施入。小區(qū)面積為80m2 (10m X 8m)，基本苗3.5 X 106/hm2，行距18cm。試驗(yàn)采用隨機(jī)區(qū)組設(shè) 計(jì)，3次重復(fù)。其他管理按常規(guī)方法進(jìn)行。
[0029] 本發(fā)明提供的冬小麥生物量估算方法，該方法包括以下步驟：
[0030] S1、對(duì)小麥冠層進(jìn)行圖像采集，獲取各組小麥的冠層覆蓋度和冠層圖像色彩指數(shù)； 對(duì)圖像采集后的各組小麥進(jìn)行取樣和處理后，計(jì)算單位面積的地上部生物量。
[0031] 在步驟S1中，基于上述實(shí)驗(yàn)內(nèi)容，于2014年3月27日、4月6日、4月13日和4月20日進(jìn) 行小麥冠層圖像采集，之后進(jìn)行取樣。樣本在105°C下殺青30min后于72°C下烘干至恒重，稱 其重量，再計(jì)算單位面積的地上部生物量(g/m 2)。
[0032] 小麥田間破壞性取樣前，用數(shù)碼相機(jī)(佳能60D相機(jī)，鏡頭18-135mm IS)拍攝小麥 冠層圖像，把數(shù)碼相機(jī)固定在距小麥冠層頂部lm處，與地面垂直進(jìn)行拍攝。事先自制72.5cm X45cm的長(zhǎng)方形方格，將其置于田間，與小麥冠層保持相同高度。操作時(shí)相機(jī)取景范圍對(duì)準(zhǔn) 長(zhǎng)方形方格進(jìn)行拍攝，拍攝時(shí)間為11:00-13:00。相機(jī)設(shè)置為程序自動(dòng)曝光模式，采用多點(diǎn) 自動(dòng)對(duì)焦，ISO設(shè)定為400，圖像分辨率設(shè)定為450萬(wàn)像素（