[发明专利]一种基于无人机高光谱遥感的农作物叶绿素含量反演方法

权利要求书

1.一种基于无人机高光谱遥感的农作物叶绿素含量反演方法，其特征在于，包括以下步骤：

S1，对田地中的叶片叶绿素含量进行测量，田地划分为M个田块区，得到每个田块区的叶绿素含量测定值；

根据各个田块区的叶绿素含量测定值，构建标签集Y，Y＝{y_m}，m＝1,2,…,M，y_m为第m个田块区的叶绿素含量测定值；

S2，利用无人机获取田地的高光谱遥感影像，在N个波段上，得到每个田块区在各个波段上的反射率均值；

根据各个田块区在各个波段上的反射率均值，构建样本集X，m＝1,2,…,M，n＝1,2,…,N；为第m个田块区在第n个波段λ_n上的反射率均值；

S3，对样本集X中田块区的向量进行聚类，得到J个聚类集；

每个聚类集中包括若干个田块区的向量；田块区在各个波段上的反射率均值所构成的向量即为该田块区的向量；

其中，第j个聚类集为即

j＝1,2,…,J；

K^j为第j个聚类集C^j中的田块区的向量的总数量；

为第j个聚类集C^j中的第k个田块区的向量，即第j个聚类中心z_j中的第k个田块区在各个波段上的反射率均值所构成的向量，即为第j个聚类集C^j中第k个田块区在第n波段上的反射率均值；

S4，分别对各个聚类集进行特征波段的筛选，从各个聚类集中分别筛选出D个特征波段；根据各个聚类集中的各个田块区在各个特征波段上的反射率均值，分别构建各个聚类集的特征矩阵；

其中，第j个聚类集C^j的特征矩阵为

为第j个聚类集C^j中的第k个田块区在第d个特征波段上的反射率均值；

S5，将各个聚类集的特征矩阵分别与标签集Y中对应的田块区的叶绿素含量测定值相对应，进行训练得到反演模型；

反演模型的输入为某田块区在各个波段上的反射率均值所构成的向量，即输入为某田块区的向量，反演模型的输出为该田块区的叶绿素含量的反演值。

2.根据权利要求1所述的一种基于无人机高光谱遥感的农作物叶绿素含量反演方法，其特征在于，步骤S2中，第m个田块区在第n个波段λ_n上的反射率均值的计算方式如下所示：

其中，为第n个波段λ_n上的第m个田块区内的第a个像素点的反射率值；n＝1,2,…,N；m＝1,2,…,M；a＝1,2,…,A_m，A_m为第m个田块区内的像素点总数量。