一种基于聚类-混合的无人机高光谱土壤属性监测方法
- 国知局
- 2024-07-31 22:57:32
本发明涉及土壤属性获取,尤其涉及一种基于聚类-混合的无人机高光谱土壤属性监测方法。
背景技术:
1、传统基于实验室进行的土壤属性化学分析方法通常具有较高的分析精度,但分析成本较高且分析过程较为复杂,难以满足现代农业发展条件下的土壤资源精细管理需求。遥感技术可以快速获取田间土壤属性信息,但卫星遥感技术通常空间分辨率较低。而无人机遥感技术具有较高的空间分辨率以及灵活性,可以有效满足田间土壤属性的快速监测要求。
2、当前基于无人机高光谱技术进行土壤监测的应用主要针对田间土壤水分、土壤粗糙度以及作物秸秆覆盖等因素影响较小的区域。但通常田间土壤不可避免地会受到水分的影响,当田块翻耕后也会导致较大的土壤表面粗糙度,以及田间残留秸秆或者秸秆还田的影响。考虑到无人机高光谱影像的精细分辨率,这些因素在影像不同像元中的影响程度存在差异,直接构建土壤属性的模型容易受到相关影响,可能降低模型精度。
技术实现思路
1、发明目的:本发明的目的是提供一种聚类-混合的无人机高光谱土壤属性监测方法,能够有效降低无人机高光谱土壤监测过程中田间土壤水分和粗糙度等因素的干扰,提高土壤属性监测精度,提升无人机高光谱土壤属性监测水平。
2、技术方案:本发明的无人机高光谱土壤属性监测方法,包括步骤如下:
3、s1,对获取的无人机高光谱影像进行预处理,生成地面反射率影像;再通过图像拼接处理,获取覆盖整个研究区域的高光谱反射率影像;
4、s2,对获取的无人机高光谱反射率影像进行光谱聚类,按照聚类结果,将整幅影像划分为不同区域;
5、s3,分别对每一光谱聚类区域构建专有的土壤属性预测模型,按照反演精度,划分为高精度土壤属性预测模型和低精度土壤属性预测模型;
6、s4,对于属于高精度土壤属性预测模型的区域进行土壤属性空间预测,对于属于低精度土壤属性预测模型的区域采用空间插值方法获得土壤属性空间分布,将高精度模型预测的空间分布结果与低精度土壤属性预测区域的空间插值结果镶嵌后获得区域完整的土壤属性空间分布图。
7、进一步,步骤s1中,获取覆盖整个研究区域的高光谱影像的实现步骤如下:
8、s11,依据研究区域范围,设定旁向重叠比例,规划设计无人机飞行路线,获取n幅无人机高光谱影像,其中n≥1;
9、s12,对n幅无人机高光谱影像进行辐射定标和大气校正处理,生成地面反射率影像;
10、s13,对n幅地面反射率影像进行图像拼接处理,获取覆盖整个研究区域的高光谱反射率影像。
11、进一步,步骤s2中,按照聚类结果,将整幅影像划分为不同区域的实现如下步骤:
12、s21,对获得的无人机高光谱反射率影像,采用高斯混合模型构建光谱聚类模型,将聚类个数记为k;
13、s22,利用构建的光谱聚类模型,对整幅无人机高光谱影像进行区域划分,共计划分为k个光谱差异明显的区域。
14、进一步,步骤s3中,分别对每一光谱聚类区域构建专有的土壤属性预测模型的实现步骤如下:
15、s31,分别针对k个光谱聚类区域,使用机器学习算法,以土壤属性为因变量,并以无人机高光谱反射率影像中土壤样品采集点位处的光谱为自变量为输入,构建土壤属性预测模型,并采用交叉验证或者独立验证的方法,计算土壤属性预测模型决定系数r2与均方根误差rmse;
16、s32,依据k个光谱聚类区域r2值的大小,r2值≥0.60的模型为高精度土壤属性预测模型,对应区域属于高精度土壤属性预测区域,记为l个;r2值<0.60的模型为低精度土壤属性预测模型,对应区域属于低精度土壤属性预测区域,记为m个,其中m≥0且l+m=k。
17、进一步,步骤s4中,获得区域完整的土壤属性空间分布图的实现步骤如下:
18、s41,利用k个高精度土壤属性预测模型,对相应的光谱聚类区域进行土壤属性空间预测;
19、若m>0,则进入步骤s42;
20、s42,对m个低精度土壤属性预测区域,利用高精度土壤属性预测模型的预测结果,采用普通克吕格空间插值方法获取土壤属性空间预测结果,然后进入步骤s43;
21、s43,将高精度土壤属性预测模型预测的空间分布结果,与低精度土壤属性预测区域的空间插值结果进行镶嵌处理,获得区域完整的土壤属性空间分布图。
22、本发明与现有技术相比,其显著效果如下:
23、1、本发明通过对整个研究区域进行光谱聚类,并划分为具有不同光谱特征的类型区域,其中无人机影像高光谱较少受到土壤水分、粗糙度和秸秆覆盖等因素影响的部分区域,通过构建高精度土壤属性预测模型,实现空间分布预测;
24、2、本发明对低精度土壤属性预测区域,利用了高精度土壤属性模型预测的结果,再结合空间插值方法实现空间分布预测;最后将高精度模型预测的空间分布结果,与低精度土壤属性预测区域的空间插值结果镶嵌,获得区域完整的土壤属性空间分布图,能够有效降低无人机高光谱土壤监测过程中田间土壤水分和粗糙度等因素的干扰,提高土壤属性监测精度,提升无人机高光谱土壤属性监测水平。
技术特征:1.一种基于聚类-混合的无人机高光谱土壤属性监测方法,其特征在于,包括步骤如下:
2.根据权利要求1所述基于聚类-混合的无人机高光谱土壤属性监测方法,其特征在于,步骤s1中,获取覆盖整个研究区域的高光谱影像的实现步骤如下:
3.根据权利要求1所述基于聚类-混合的无人机高光谱土壤属性监测方法,其特征在于,步骤s2中,按照聚类结果,将整幅影像划分为不同区域的实现如下步骤:
4.根据权利要求1所述基于聚类-混合的无人机高光谱土壤属性监测方法,其特征在于,步骤s3中,分别对每一光谱聚类区域构建专有的土壤属性预测模型的实现步骤如下:
5.根据权利要求4所述基于聚类-混合的无人机高光谱土壤属性监测方法,其特征在于,步骤s4中,获得区域完整的土壤属性空间分布图的实现步骤如下:
技术总结本发明公开了一种基于聚类‑混合的无人机高光谱土壤属性监测方法,通过对无人机高光谱影像光谱聚类,进而将无人机影像划分为具有不同光谱特征的类型区域,然后针对每一类型区域构建专有的土壤属性预测模型,然后利用高精度土壤属性模型实现对应光谱类型区域的土壤属性空间预测,而低精度模型区域则采用空间插值方法实现土壤属性空间预测,最后将高精度模型预测的空间分布结果,与低精度土壤属性预测区域的空间插值结果镶嵌,获得区域完整的土壤属性空间分布图。本发明能够有效降低无人机高光谱土壤监测过程中田间土壤水分和粗糙度等因素的干扰,提高土壤属性监测精度,提升无人机高光谱土壤属性监测水平。技术研发人员:王昌昆,潘贤章,袁自然受保护的技术使用者:中国科学院南京土壤研究所技术研发日:技术公布日:2024/7/29本文地址:https://www.jishuxx.com/zhuanli/20240730/195483.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。