基于無人機遙感的大豆株高計算方法研究

石文強,張 偉,亓立強,吳宇通,張 平

(黑龍江八一農墾大學 a.工程學院;b.理學院,黑龍江 大慶 163319)

0 引言

大豆在生長過程中所展現出的形態特征是作物表型領域重要的參數,對于大豆育種專家選育優良品種具有重要參考作用[1]。相關研究表明:大豆株高是影響大豆單株產量的重要性狀[2],不僅是一項重要的表型參數,而且是評判大豆長勢、產量估測和遺傳育種研究中的重要抗性生理指標[3-6]。大豆育種產業相關研究中,株高性狀既是衡量大豆生長狀態的重要指標,又是其生物量、產量等指標計算的重要參數[7]。目前,田間大豆株高測量方法是依靠人工利用直尺測量或利用田間植物生長標尺等設備進行測量,這兩種方法分別存在費時費力、易受測量者主觀因素的影響以及準確度差等缺點[1,8]。為了解決大田中大豆株高等表型性狀傳統測量技術不足的問題,將基于無人機平臺的低空遙感技術來應用到大豆表型特征的研究中[9-10]。

目前,作物的株高研究大多局限于實驗室環境或是三維重建來進行信息提取測量。馮佳睿等學者[1]利用微軟公司的Azure Kinect 2.0 DK深度傳感器搭建了一種用于獲取大豆冠層信息的試驗臺,在此基礎上基于深度信息提出了一種大豆植株高度的計算方法。此方法實驗對象為盆栽大豆且具有較小的測量誤差,但在實際的農田大范圍監測株高時具有一定的局限性。郭新年等學者[11]在室內條件下利用相機和激光發射裝置搭建了作物高度測量試驗臺,通過盆栽的方式對單株農作物進行株高測量試驗,解決了農作物頂點和底點難以識別的問題,但測量誤差較大且存在著受環境光線影響大以及室外大范圍監測局限等缺點。郭海等[12]通過在田間軌道式表型平臺安裝Kinect 2.0傳感器建立一種玉米植株三維點云采集平臺,用于獲取田間原位玉米植株的三維點云數據,提出了一種基于俯視視角下玉米株高的測量方法。此方法獲得了較高的玉米株高參數,其R2達到了0.98左右,但易受光線的干擾,對于單株植株具有較高的適用性但不適合大面積植株高度監測。Morrison M J等[13]利用手持式平臺攜帶實感D415立體視覺深度攝像頭獲取大豆深度圖像,結果表明:D415深度攝像頭相較于Kinect 2.0傳感器在高光照條件下適用性更強,且利用深度低成本的傳感器能夠完成大豆株高信息的提取。蘇偉等[14]利用Trimble TX8三維激光掃描儀進行玉米植株表型信息采集,提出一種基于TLS的大田單株玉米表型信息提取方法,對于株高提取的平均絕對百分比誤差約為0.61%,具有較高的測量精度,但應用范圍僅局限在個體方面。

綜上所述,目前國內外農作物的高度測量監測已進行了較多的研究,且精度較高,但此類研究多集中在高稈作物上;另一方面,此類研究仍局限于盆栽、室內環境,不能夠進行大范圍監測,使其應用推廣受限。為此,提出了一種基于無人機遙感的大豆株高計算方法。以10種大豆品種為研究對象,通過無人機遙感獲取大范圍大豆的正射影像和數字表面信息,經克里金插值算法計算出地面高程信息,進一步提取大豆株高,并進行實驗驗證其精度與準確性。本研究可為田間大豆群體株高的測量提供一種有效方法,為大豆優良品種的選育提供一種新的技術支持,為大豆田間管理和高產株型選育過程中株高性狀數據獲取提供參考。

1 材料與方法

1.1 試驗材料與設計

研究區位于黑龍江省黑河市嫩江縣九三墾區尖山農場科技園區,地理坐標為125°19′53″～125°47′15″E,48°46′55″～49°1'18″N,海拔288.1m,如圖1所示。該地區雖屬丘陵漫崗,但相對來說地勢坡度小,大豆種植規模和機械化程度較高,同時適宜實施無人機遙感作業。

圖1 研究區示意圖Fig.1 Schematic diagram of the study area

試驗材料選用黑河43、北豆37、龍肯310、龍肯3401、中黃902、中黃909、九研13、黑科60、蒙豆36和尖山大粒豆共10個標準株高不同的品種,分不同的密度設置50個大豆種植區,每區面積為3壟,壟寬距離1.1m;栽培模式為壟上3行種植模式,每兩個小區間留有人行路,每個小區長20m、寬3.3m。

1.2 無人機影像數據獲取與處理

采用大疆公司生產的大疆精靈4多光譜版無人機(DJIPhantom4-P4_Muitispectral),特點是具有一體式的多光譜成像系統,同時配備OcuSync圖傳系統,可實現7km的控制范圍。無人機攜帶1個集成可見光、藍、綠、紅、紅邊和近紅外6通道的208萬像素解析力鏡頭,成像清晰穩定,其波長信息與設備參數信息如表1和表2所示。為了減少環境因素對數據獲取的影響,無人機遙感影像進行數據采集時選擇晴朗無云、無風的天氣;飛行高度設置為30m,航向重疊率和旁向重疊率設置為80%與70%。數據獲取過程中,鏡頭與地面垂直,拍照模式設置為等時間間隔拍攝,投影方式為WGS_1984_UTM_zone_45N。為提升數據的合成及處理速度,經對比采用大疆公司(DJI)的大疆智圖軟件生成大豆試驗田的高清數字正射影像(DOM)和數字表面模型(DSM),以便進行下一步的分析。

表1 無人機拍攝鏡頭波段信息Table 1 Band information of UAV shooting lens

表2 無人機技術參數信息Table 2 UAV technical parameter information

1.3 地面數據獲取

2021年,在大豆R6生育時期,采集試驗田內50個試驗小區的大豆實際株高數據。以大豆冠層頂端的高度作為大豆植株的測量高度,測量過程中每個測量小區等間距選取20株植株,使用米尺測量其株高,再計算其平均值作為此處的平均株高,用作下一步的數據。測量方式如圖2 所示。

圖2 大豆測量高度示意圖Fig.2 Schematic diagram of soybean height measurement

1.4 數據分析方法

1.4.1 克里金插值算法

普克里金插值法(Kriging)是地理統計學中經常使用的一種最優無偏估計方法,在地理環境等領域應用廣泛。該方法能夠給出最優線性無偏估計,通用來估算未采樣位置的屬性值[15],其計算公式如式(1)所示。數據處理采用Arcgis 10.7進行分析。

(1)

1.4.2 評價指標

根據決定系數(R2)來評價此方法的精度與準確性,具有較高的決定系數(R2)才能夠表達此方法的優越性。根據誤差(Error)來評價此方法提取的精度[16-17],計算公式分別如公式(2)與公式(3)所示。分析軟件采用Microsoft Excel 2010進行。

(2)

(3)

其中,W為誤差;A為實際測量的大豆植株高度;E為提取的大豆植株高度。

2 結果與分析

2.1 大豆試驗區長勢分析

無人機獲取的數據合成后如圖3所示。在大豆園區正射影像中,各種植小區的邊界明顯,長勢比較均勻;西側大豆種植區由于受災倒伏導致大豆植株高矮不一,錯綜雜亂,有裸露的土壤,能明顯對比反映出試驗區的大豆長勢旺盛。圖4為大豆種植區的數字表面模型。由圖4可以看出:試驗小區在中部偏北處地勢較低,最低處的DSM值約為339.155m;在偏南側地勢較高,DSM值最高可達347.349m。由于實際雨水大的原因在北側西部倒伏地塊明顯低于偏東側試驗小區,南側現象類似,因此進行下一步地面高成信息的提取。

圖3 大豆試驗園區正射影像Fig.3 Orthophoto of soybean experimental Park

圖4大豆試驗園區數字表面模型Fig.4 Digital surface model of soybean experimental Park

2.2 大豆試驗區地面高程信息的建立

為了盡可能地提高高程信息的精度,在進行地面高程信息提取前需盡可能地多提取地面點的高程值。因此,基于大豆試驗園區正射影像和數字表面模型繪制對試驗區邊界及分割人行路制作采樣點,經ARCGIS將信息提取至點,得到帶有高程信息的點圖層,如圖5所示。利用克里金空間插值法得到試驗區的地面高程信息,生成試驗區的DEM模型,將此作為試驗區的地表基準面,如圖6所示。

圖5 高程采樣點Fig.5 Elevation sampling points

圖6 大豆試驗園區地面高程Fig.6 Ground elevation of soybean experimental Park

由圖6可以看出:試驗區以中部為分界,南側地勢偏高,高度最大可達339.166m;北側地勢偏低,高度最低為346.673m;整塊試驗田的高度差達到7.507m。以上符合此地塊的地勢情況。

2.3 大豆株高信息提取

將大豆試驗區的數字表面模型(DSM)與建立的試驗區高程模型(DEM)利用柵格計算器進行減法運算,即得到大豆試驗田的大范圍大豆株高(H),如圖7所示。

圖7 試驗區大豆株高Fig.7 Plant height of soybean in the test area

由圖7可以看出:試驗園區西側由于水澇災害導致的大面積倒伏在結果中表現明顯,低于其他大豆株高,試驗區大豆高度比較均勻長勢良好,提取的大豆株高范圍為0～1.13627m,符合田間大豆實際高度情況。

2.4 結果驗證

隨機選取20個試驗小區進行大豆地面實際株高測量,并提取選取的20個采樣點所對應的大豆植株高度驗證此方法的精度和誤差,如圖8和表3所示。其中,模型精度R2=0.8163,平均誤差為3.79%,說明基于此方法獲得的大豆株高與實際株高具有較好的擬合效果與精度。

表3 提取值與實際值的誤差Table 3 Error between extracted value and actual value %

圖8 提取值與實際值的精度驗證結果Fig.8 Accuracy verification results of extracted value and actual value

3 討論

利用作物的數字表面模型來提取作物株高,對于精準農業田間智能化管理和育種產業具有重要的意義[18-19]。通過數字表面模型技術結合克里金插值算法提取了大范圍的大豆株高信息,所建立的株高提取方法與其他學者的研究結果基本一致。顏安[7]等用此類方法來預測棉花的株高,其提取的株高與預測的株高擬合結果R2=0.7581,相較于本研究略低。這是由于棉花的株高較低以及點圖層不均勻等問題,影響了最終的精度。牛慶林[20]等為獲取田間玉米株高,采用無人機影像結合地面布置控制點生成試驗田DSM,并基于此提取玉米株高,結果表明:提取的玉米株高與實際測量的玉米株高具有較高的精度,其R2=0.93。但相較于大豆株高的提取,該實驗需要布置控制點,因而提高了試驗的復雜性。同時,具有類似于玉米、甘蔗等高稈作物自身的株高優勢,也是精度較高的優勢,此優勢在植株高度較矮的作物上很難達到相同的效果,因此具有一定的局限性。綜合來講,此方法尚存在一定的弊端,在建立地面高程信息繪制點圖層時可能會因為采樣點不均勻等情況使高程信息出現誤差,從而導致大豆高度的提取誤差。利用此方法時,需要田地存在能夠露出地表的部分,以便于地面高程信息的獲取。同時,平播的精度相較于壟作的準確度能更高一些,地址更平整的地方也能提升此方法的精度。因此,該方法更適合用于大面積、多品種育種、有隔離帶的試驗田。

4 結論

1)基于大豆遙感正射影像和數字表面模型,結合克里金插值算法生成了大豆試驗園區的地面高程(DEM)信息。

2)通過大豆的數字表面模型與地面高程信息減法處理得到了大豆冠層株高信息,提取的大豆株高范圍為0～1.13627m。經提取值與實測值線性回歸分析和誤差分析,得到提取株高與實際株高具有較高的擬合性和較低的誤差,其R2=0.8163,平均誤差為3.79%。