基于弹性反射光衰减模型的全时相低空多光谱遥感图像获取方法与水稻长势解析模型

Multi-spectral remote sensing monitoring of vegetation index is an important means to determine crop growth effectively. The project focuses on the radiation intensity compensation of vegetation canopy in multi-spectral shooting. The key research is specific wavelength of light compensation technology according to the ambient light intensity at night, cloudy and daytime. This has advantages over whiteboard calibration technology at home and abroad, whiteboard calibration needs to achieve normal light intensity. The project intends to solve strict ambient light requirements in multi-spectral remote sensing technology. Research results can be directly related to the actual production, to effectively increase the multi-spectral normal operation time. In addition, taking account into the existing multi-spectral camera for single-point GPS positioning, camera's high positioning accuracy can help operator determine crop location with poor growth or insect infestation according to NDVI index in picture. Applying the network RTK technology to the field of multi-spectral remote sensing monitoring to form NDVI index map is proposed. The proposed project will provide theoretical and practical reference for monitoring crop growth in non-extreme weather can be long, accurate and efficient and further improve the accuracy between vegetation index pixels and the actual location of the real correspondence.

遥感植被指数是有效判断作物长势的重要手段，但存在对光照条件要求比较高（晴朗、少云、微风）和时间窗口少（太阳高度角要求采集时间通常为10:30-14:30）等问题，尤其在我国南方气象条件多变，可用时间窗口更少。国内外虽已有主动光源式解决方案，但多用于地面机械，而适用于不同气象条件的全时相低空多光谱遥感监测方法，尚未圆满解决。项目组前期研究中发现不同气象条件下作物弹性反射光衰减模型有一定规律可循，据此提出基于弹性反射光衰减模型的作物全时相多光谱图像获取方法，拟以水稻为研究对象，结合水稻的生长节律，重点研究适用于水稻长势监测的特定波段弹性反射光多因素衰减模型，构建全时相多光谱图像获取系统，形成水稻长势信息的高效、全时相获取与解析模型，并在水稻生产中进行验证，并结合高精度RTK定位技术，开发水稻长势信息全时相近地遥感监测系统，为提高多光谱物理方法获取作物长势信息的实际应用水平提供新方法。

现有的航天、航空遥感技术存在气象影响因子多、周期长、成本高等缺点，采用无人机等方式进行作物长势信息的低空遥感获取，可弥补现有航天、航空遥感技术的缺陷。无人机技术近年来发展迅速，在作物长势信息的快速获取中应用越来越广，但目前存在遥感传感器成本高、数据量大、解析处理效率低等问题，尤其在农时紧，需要即时生成作业处方图时，其实时性较难满足实际生产的需要。本课题重点研究对水稻群体长势信息进行高效监测的感知新方法，旨在通过新型的感知技术提高作物养分的精准、快速感知和决策水平。实现了以下研究目标：1）使用长时间序列的Landsat 8 和Sentinel 2卫星影像对广东省水稻种植区进行了无云观测数地图绘制，构建了用于监测水稻氮素营养信息的卫星-无人机协同观测模型；2）从像素分布角度对影响无人机遥感影像质量的作业参数（采集时间、太阳天顶角、作物生长水平和飞行高度）进行了对比试验，优选了高质量获取水稻氮素营养信息的无人机低空遥感作业参数；3）提出了一种基于主动光源的多光谱帧扫描成像方法，解决了华南地区阴雨天气造成无人机遥感时间窗口小的问题；4）研究了无人机非全局采样低空遥感系统及配套的数据后解析方法，将信息解析速度从2.56 ha/min提升到534.6 ha/min；5）项目组在课题实施期间，将提出的水稻氮素营养信息的无人机低空获取新方法在水稻生产中进行了数字化感知、智能化决策、精准化作业的集成变量施肥试验。多地多次的试验结果表明，相比当地传统施肥模式，均实现了“节本增效”的效果。项目实施期间，共撰写相关学术论文8篇（其中SCI/EI收录第一标注6篇）；申请发明专利3件；培养博士后2名，研究生7人（ 其中，博士研究生3人，硕士研究生4人），本科生5人。