[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

说明书

本发明公开了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，将田地划分为若干个个田块区，得到每个田块区的叶绿素含量测定值；利用无人机的高光谱遥感影像，获取各个田块区的光谱信息；基于田块区的光谱信息，对田块区进行聚类，得到各个聚类集；通过对各个聚类集进行特征波段的筛选，构建各个聚类集的特征矩阵；将各个聚类集的特征矩阵分别与对应的田块区的叶绿素含量测定值相对应，进行训练构建随机森林回归模型即反演模型。本发明的反演方法有利于大面积的农作物叶绿素含量监测，且不会对农作物产生破坏，为农作物叶片叶绿素含量的监测提供了一种新颖且可靠的方法，具有较高的实用价值。

技术领域

本发明涉及遥感信息的处理与应用技术领域，尤其是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。

背景技术

传统农业中，农作物的生长参数监测主要通过人工破坏性取样结合手工测量来获取相关的农学指标。传统方法难以应用于大面积作物生长监测，且传统方法工作量大。然而，农作物生长及其进行光合作用和生理代谢的过程中，其长势包括一些生理生化参量，如叶片叶绿素含量、叶面积指数、植株含氮量等与冠层光谱特征密切相关。因此，可利用遥感手段实时获取农作物光谱信息，间接推演其生理生化参量等长势信息。卫星遥感虽然能进行大范围监测且成本较低，但容易受到云层的影响且运行周期长，缺乏精准农业所要求的时空分辨率。近年来，无人机在国内外被广泛应用于农业监测的各个领域，无人机操作灵活、数据获取速度较快、时空分辨率高，可应用于复杂的农田环境。

发明内容

为了克服上述现有技术中的缺陷，本发明提供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，有利于大面积的农作物叶绿素含量监测，且不会对农作物产生破坏，为农作物叶片叶绿素含量的监测提供了一种新颖且可靠的方法，具有较高的实用价值。

为实现上述目的，本发明采用以下技术方案，包括：

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，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，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