[发明专利]一种冬小麦生物量估算方法

权利要求书

1.一种冬小麦生物量估算方法，其特征在于，该方法包括以下步骤：

S1、对小麦冠层进行图像采集，获取各组小麦的冠层覆盖度和冠层图像色 彩指数；对图像采集后的各组小麦进行取样和处理后，计算单位面积的地上部 生物量；

S2、对各组小麦的冠层覆盖度、图像色彩指数以及地上部生物量数据采用 估算生物量的逐步回归模型进行筛选，选择出合格样本数据，并将样本数据随 机分为A组和B组；

S3、采用BP人工神经网络模型对A组样本数据进行训练；

S4、将B组样本数据中的冠层覆盖度CC、绿光标准化值g、蓝光标准化 值b和归一化差值指数NDI作为BP人工神经网络模型的输入矢量，利用Sim 函数计算并输出冬小麦地上部生物量，最后输出人工神经网络模型参数。

2.如权利要求1所述的冬小麦生物量估算方法，其特征在于，在步骤S1 中，所述冠层图像色彩指数包括红光标准化值r、绿光标准化值g、蓝光标准化 值b、归一化差值指数NDI、色调Hue、饱和度SAT和亮度INT。

3.如权利要求1所述的冬小麦生物量估算方法，其特征在于，在步骤S1 中，所述处理为将样本在105℃下杀青30min后于72℃下烘干至恒重，称其重 量。

4.如权利要求1所述的冬小麦生物量估算方法，其特征在于，在步骤S2 中，采用估算生物量的逐步回归模型将学生残差大于±2.0的各组数据作为异 常值剔出，得到合格样本数据。

5.如权利要求4所述的冬小麦生物量估算方法，其特征在于，在步骤S2 中，在逐步回归模型进行筛选之前，利用决定系数R2、均方根误差RMSE、相 对均方根误差RRMSE对回归模型进行拟合优度的考察，利用相关系数、均方 根误差RMSE和相对均方根误差RRMSE对回归模型进行检验。

6.如权利要求1所述的冬小麦生物量估算方法，其特征在于，在步骤S3 中，所述采用BP人工神经网络模型对选择的合格样本数据进行训练具体包括：

选择A组样本数据中冠层覆盖度、绿光标准化值、蓝光标准化值和归一化 差值指数作为BP人工神经网络模型输入层输入变量；将BP人工神经网络模型 隐藏层设为1层，节点5个；将小麦地上部生物量作为BP人工神经网络模型 的输出层；

采用trainlm函数为人工神经网络训练函数；tansig函数为隐藏层激活函数， 输出层采用pureline函数，人工神经网络激活函数的权重、阈值为默认值，进 行BP人工神经网络训练。