基于低空无人机超高空间分辨率影像的冬小麦氮素营养诊断研究

Low-altitude unmanned aerial vehicles (UAV) can obtain ultra-high spatial resolution images, which make it significant to be used in crop nitrogen diagnosis for enhancing prediction accuracy. It is one of the important fields for precision agriculture in future. However, it is still in its beginning phase with a few studies. In addition, the existing studies did not discuss the method to improve the crop nitrogen diagnosis from its ultra-high spatial resolution characteristic. Therefore, taking winter wheat as study material and making plant nitrogen concentration and biomass as break point which are the components of nitrogen nutrient index (parameter for indicating nitrogen nutrition status), the applied project will study the following contents using hyper-spectral image obtained from low-altitude UAV: 1) Research on the effect of purifying wheat spectrum (removing soil and grass pixels) on the diagnosis of plant nitrogen concentration and biomass. During this process, a high precision automatic extraction method for wheat pixels detection was proposed. 2) Research on the difference and change rule of spectra from wheat shadow pixel and sunlit pixel, and then propose spectral compensation method for shadow pixel and design new spectral index for plant nitrogen concentration and biomass estimation respectively. 3) Propose method for nitrogen nutrition index estimation in spatial scale using designed new spectral indices, with considering the phenomenon that wheat distributed in rows in field. During this process, a new method for plant row automatic detection was proposed based on modify existing row detection method.

低空无人机能获取超高空间分辨率影像，应用于作物氮素营养诊断对提高诊断精度具有重要意义，是未来精准农业发展的重要方向之一。但目前基于其的氮素营养诊断研究还处于起步阶段，已有研究较少且并没有从其影像具有高空间分辨率入手来探讨提高作物氮素营养诊断精度的方法。为此，本项目以冬小麦为试验材料，以氮素营养指数（氮素营养诊断指标）的两个组成参数植株氮浓度和生物量为切入点，基于低空无人机获取的高光谱影像，重点研究以下内容：1）纯化小麦光谱（去除土壤、杂草等背景像元）对植株氮浓度和生物量诊断的影响，在此过程中提出高精度的小麦像元自动提取方法；2）小麦阴影像元和光照像元的光谱差异与变化规律，提出阴影像元的光谱补偿机制，构建新的诊断植株氮浓度和生物量的光谱指数；3）考虑小麦成行分布特征，结合构建的光谱指数，提出氮素营养指数空间反演技术，在此过程中改进现有种植行位置提取方法，提出新的小麦种植行自动识别技术。

基于无人机超高空间分辨率影像开展作物氮素营养诊断具有重要意义，但目前基于其的氮素营养诊断研究还处于起步阶段，已有研究较少且并没有从其影像具有高空间分辨率入手来探讨提高作物氮素营养诊断精度的方法。为此，本项目以冬小麦为试验材料，以氮素营养指数（氮素营养诊断指标）的两个组成参数植株氮浓度和生物量为切入点，基于低空无人机获取的影像，重点研究以下内容：1）纯化小麦光谱（去除土壤等背景像元）对植株氮浓度和生物量诊断的影响，并在此过程中提出高精度的小麦像元自动提取方法；2）研究小麦阴影像元和光照像元的光谱差异，提出光谱互补机制，构建新的诊断植株氮浓度和生物量的光谱指数；3）考虑小麦成行分布特征，结合构建的光谱指数，提出氮素营养指数空间反演技术，在此过程中改进现有种植行位置提取方法，提出新的小麦种植行自动识别技术。通过以上内容的研究，课题取得以下成果：1）提出了耦合均值漂移算法（Mean shift）、局部方差法、Otsu方法的影像自动分割分类策略，实现基于无人机影像的植被、土壤像元的自动分类，从而实现小麦冠层光谱的自动提纯；2）确定了在不同氮处理和小麦生长阶段，小麦像元、光照土壤像元和阴影土壤像元比例的变化是导致土壤光谱影响小麦冠层光谱反射率的原因，且这种影响在不同的施氮处理、生长阶段有不同的趋势和幅度。因此，在设计跨小麦生长阶段，甚至单一生长阶段的小麦植株氮浓度和生物量预测模型时，最好去除土壤像元；3）结合光照植被、阴影植被光谱反射特点，提出光谱互补机制，设计了新的诊断植株氮浓度的光谱指数——光照阴影互补氮指数（Sunlit and sunshade Complementary Nitrogen Index，SCNI）和新的诊断生物量的光谱指数——光照阴影互补生物量指数（Sunlit and sunshade Complementary Biomass Index，SCBI）；4）提出新的种植行位置提取方法，能很好的检测不同长势情景下小麦的行位置信息，精度远高于常用的Hough变换法；同时提出了基于小麦种植行位置的空间成图技术，实现作物氮素营养状况空间分布图的精准生成。