低空航拍图像融合田间环境及气象信息立体构建甘蔗长势、品质及产量预测模型

Sugarcane, one of the main economic crops in Guangxi, was selected as the research object in this Project proposal. Low-level aerial images and spectral images of sugarcane plant canopy in different growth stages will be acquired and analyzed in large scale. Indices (spectral index, plant density, leaf area index, etc.) will be calculated from images, to predict its canopy chlorophyll concentration and total nitrogen content. The proposal will also obtain field air and soil information (air temperature and humidity, light intensity, soil moisture, soil conductivity, etc.) through field Internet of Things, and obtain local weather information as well from the Internet. through the growth period of the environment and weather data accumulated from seedling will be analyzed in a procedure called data fusion, redundant data will be removed, merged and converted into standard physical parameters such as accumulated temperature, sunshine hours, accumulated water and so on; those standard physical parameters will then be further fused with extracted characteristic parameters from images in different growth stages to build multi-source stereoscopic model to predict sugarcane growth status, quality and yield. The Stereoscopic models will be used to provide the theoretical basis for fertilization guidance, irrigation recommendation and final quality and yield prediction in specific growth period.

本项目拟以广西主要经济作物之一甘蔗为研究对象，通过采集甘蔗植株冠层不同生长期的低空航拍数字图像及光谱图像，大面积快速提取其光谱指数、植株密度、叶面积指数等指标，借此预测其冠层叶绿素浓度及全氮含量。研究还将结合物联网感知技术获取田间空气与土壤信息（空气温湿度、光照度、土壤水分、土壤电导率等），并从互联网中获取种植地区的气象信息。通过对生长期以来的环境与气象数据进行去冗、融合，转化为积温、日照时数、累计水量等指标，并与图像中提取所得的甘蔗各生长期的特征参数相融合，构建甘蔗长势、品质及产量预测的多源立体模型，为特定生长期的施肥指导、灌溉建议及最终品质与产量预测提供理论依据。

本项目以广西特色作物甘蔗为研究对象，采集了甘蔗大田的田间环境及气象信息，并结合冠层的多光谱图像，建立了多维甘蔗长势、品质及产量预测模型，可以为科学指导施肥、灌溉等大田管理提供决策支持。.课题组依托广西大学农科新城的甘蔗种植基地，进行了一系列田间试验及科学研究。主要研究内容包括：（1）开发了一套基于LoRa和ZigBee技术的农田物联网系统，实现对田间主要环境参数是多点与实时监测，并通过无线信号的强度指示（Received signal strength indication, RSSI）数据，对田间甘蔗的生长高度进行预测建模。（2）基于甘蔗田间环境数据及气象数据建立了地块级别与区域级别的甘蔗产量预测模型。（3）通过连续采集多块具有变量施肥方案的甘蔗试验地及一片面积为5000亩左右的甘蔗示范及生产地的多光谱图像，采用决策树（DT）、随机森林（RF）、支持向量机（SVM）及梯度提升回归树（GBRT）分别建立了基于单时期及多时期的三种产量预测模型。其中，基于多时期（T1-T5）的SRPI_5、EVI_4、NLI_3、DVI_2和EVI_1建立的GBRT模型验证集R2高达0.813。另外通过甘蔗冠层多光谱图像还实现了对地块灌溉水平的分类，准确率达80.6%。（4）针对直接反映甘蔗长势及产量的其他参数，如叶绿素含量、蔗糖分、早期出苗数、甘蔗高度、分蘖后的茎数等，研究了不同方式获取上述参数的方法，如基于智能手机的甘蔗叶片叶绿素含量检测方法与系统、基于光谱透射率的甘蔗蔗糖含量无损检测、基于低空RGB图像甘蔗早期蔗苗检测与统计、基于无人机激光雷达的甘蔗高度自动提取方法、基于地基激光扫描仪的甘蔗蔗径宽度与茎数的自动测量方法，均取得了较好的效果。.项目取得的结果对准确预测甘蔗长势、品质及产量提供了可靠的方案，为进一步对大田进行精细化管理，指导甘蔗种植具有很好的促进作用。