[發明專利]一種返青期冬小麥葉綠素含量估算方法在審
| 申請號： | 201810943404.2 | 申請日： | 2018-08-17 |
| 公開（公告）號： | CN108760660A | 公開（公告）日： | 2018-11-06 |
| 發明（設計）人： | 張素銘;王卓然;趙庚星;常春燕 | 申請（專利權）人： | 山東農業大學 |
| 主分類號： | G01N21/31 | 分類號： | G01N21/31 |
| 代理公司： | 濟南譽豐專利代理事務所(普通合伙企業) 37240 | 代理人： | 李茜 |
| 地址： | 271018 *** | 國省代碼： | 山東;37 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 葉綠素 含量估算 冬小麥 返青期 采樣點 多光譜遙感圖像 波段反射率 波段圖像 估算模型 實際測量 多元線性回歸 預處理 多光譜圖像 空間分辨率 時間穩定性 圖像反射率 待測區域 敏感波段 模型篩選 構建 像元 預設 費力 估算 傳輸 拍攝 分析 統計 服務 | ||
1.一種返青期冬小麥葉綠素含量估算方法，其特征在于，包括以下步驟：
獲取采樣點的返青期冬小麥葉綠素含量實際測量值；
獲取無人機拍攝并傳輸的采樣點的多光譜遙感圖像；
對所述多光譜遙感圖像進行預處理，得到圖像反射率在預設閾值內的波段圖像；
在所述波段圖像中提取所述采樣點對應像元的各波段反射率值；
運用統計產品與服務解決方法（Statistical Product and Service Solutions，簡稱SPSS）將所述葉綠素含量實際測量值與所述各波段反射率值進行相關性分析，得到敏感波段；
基于所述敏感波段與所述葉綠素含量實際測量值，通過多元線性回歸方法，構建葉綠素含量估算模型；
采用所述葉綠素含量實際測量值對葉綠素含量估算模型篩選得到最優估算模型；
利用選取出的最優估算模型估算待測區域返青期冬小麥的葉綠素含量。
2.根據權利要求1所述的返青期冬小麥葉綠素含量估算方法，其特征在于，實際測量時間為早春冬小麥返青期間。
3.根據權利要求1所述的返青期冬小麥葉綠素含量估算方法，其特征在于，所述獲取無人機拍攝并傳輸的采樣點的多光譜遙感圖像，包括以下步驟：
采用無人機搭載多光譜相機實時獲取與實際測量同時的多光譜遙感圖像。
4.根據權利要求1所述的返青期冬小麥葉綠素含量估算方法，其特征在于，所述預處理至少包括圖像拼接處理、輻射校正處理、幾何校正處理中的一項。
5.根據權利要求1所述的返青期冬小麥葉綠素含量估算方法，其特征在于，所述波段圖像包括綠光波段圖像、紅光波段圖像、紅邊波段圖像和近紅外波段圖像四個波段圖像。
6.根據權利要求1所述的返青期冬小麥葉綠素含量估算方法，其特征在于，所述敏感波段包括綠光波段、紅光波段、紅邊波段和近紅外波段。
7.根據權利要求1所述的返青期冬小麥葉綠素含量估算方法，其特征在于，所述多元線性回歸方法可以采用多元逐步線性回歸方法、多元輸入線性回歸方法或偏最小二乘回歸方法中的一種。
8.根據權利要求1所述的返青期冬小麥葉綠素含量估算方法，其特征在于，采用所述葉綠素含量實際測量值對葉綠素含量估算模型篩選得到最優估算模型，包括以下步驟：
將所述葉綠素含量實際測量值分為建模樣本集與驗證樣本集，
其中，所述建模樣本集用于構建葉綠素含量估算模型并獲得建模精度，所述驗證樣本集用于驗證構建的估算模型的精度并獲得驗證精度；
通過所述建模精度與所述驗證精度選取最優估算模型。
9.根據權利要求8所述的返青期冬小麥葉綠素含量估算方法，其特征在于，驗證構建的估算模型的精度并獲得驗證精度，包括以下步驟：
將所述驗證樣本集中的各波段反射率值帶入葉綠素含量估算模型中求得相應的葉綠素含量估算值；
基于所述葉綠素含量估算值與所述驗證樣本集中相應的葉綠素含量實際測量值，利用擬合方法，得到驗證精度。
10.根據權利要求9所述的返青期冬小麥葉綠素含量估算方法，其特征在于，所述最優估算模型的建模精度為0.712，驗證精度為0.616。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于山東農業大學，未經山東農業大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810943404.2/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：獻血初篩分析儀及其使用方法
- 下一篇：一種石油廢水重金屬離子多通道檢測芯片
