一种基于无人机多光谱遥感的作物监测多维度信息提取及发布方法与流程

1.本发明属于精准农业、智慧农业及无人机遥感领域，特别涉及一种基于无人机多光谱遥感的作物监测方法。
技术背景
2.无人机遥感是当前精准农业和智慧农业领域中监测农作物的核心手段。农业领域使用的多光谱遥感通常包含4或5个光谱谱段，分别是蓝(b，450nm)、绿(g，560nm)、红(r，650nm)、红边(re，730nm)或近红外(nir，840nm)。鉴于多光谱遥感在植被监测方面的优势，无人机通过搭载多光谱遥感器，能够实现对农田及作物的精准、按需监测。与传统的卫星遥感相比，无人机多光谱遥感使用更灵活，其获得的监测数据分辨率更高、现势性更好，而与搭载常规相机的无人机遥感相比，无人机多光谱遥感获取的数据能够更细致的表达农田作物的生长趋势、成熟程度，受光照等外界环境影响也更小。但当前无人机多光谱遥感在农业的应用中，特别是大田作物的监测中，还存在以下问题：
3.(1)无人机多光谱遥感使用门槛较高
4.不同种类作物、不同作物生长阶段，对监测的内容有较大的差别，要求的影像分辨率也有不同，如出苗期，要求观测分辨率较高，快速生长期，对高度观测精准度要求较高，成熟期；此外，不同的无人机和多光谱相机的飞行方式和默认分辨率也有很大差别。因此，每次观测前都需要专业人士制定飞行规划，造成无人机多光谱遥感使用门槛较高。
5.(2)无人机多光谱数据利用散乱，系统化程度低，难以共享
6.目前无人机多光谱数据的获取、处理、分析、应用等各个环节需要使用不同的专业工具，容易造成数据管理散乱。如制作dom和dem、dsm时，需要使用三维重建软件；分析作物光谱时，需要使用遥感专业软件；分析作物高度时，需要使用地理信息系统专业软件。各类专业软件所用的数据格式和处理后结果的数据格式，各不相同，不便于管理、后续分析以及信息共享。


技术实现要素：

7.本发明的技术解决问题是：提供一种基于无人机多光谱遥感的作物监测多维度信息提取及发布方法，以降低农业工作者使用多光谱无人机的门槛，在高效管理各类无人机多光谱衍生数据的同时，实现作物状态信息的提取、管理及共享。
8.本发明的技术方案为：
9.(1)面向作物生长期的无人机多光谱飞行拍摄路径规划。根据农田中需要观测的作物种类、作物生长阶段、无人机类型、多光谱传感器分辨率等信息，计算最佳观测分辨率、拍摄重叠度、飞行高度，并依此制定飞行规划。
10.(2)无人机航拍获取多光谱影像集合。无人机按照规划的飞行高度、飞行路径、拍照间隔进行航拍，获得满足要求的多光谱影像集合。
11.(3)基于多光谱影像的农田作物三维重建。利用摄影测量三维重建算法对多光谱影像集合进行处理，获取农田作物的多光谱正射影像(msp dom)、农田作物的数字高程模型(dem)、农田作物的数字表面模型(dsm)。
12.(4)农田作物光谱信息、高度信息入库。多光谱正射影像录入作物光谱库，数字表面模型与数字高程模型相减形成作物高度模型(crop height model，chm)录入作物高度库。
13.(5)基于农田作物光谱和高度信息，结合作物样本特征库，提取农田作物的状态信息，包括：作物种类、作物株高、作物株数、作物长势、作物病虫害情况和作物预测产量。将提取的上述作物状态信息录入作物状态专题信息库。
14.(6)农田作物状态统计分析专题制图和信息发布。对农田作物的光谱特征，包括归一化植被指数(ndvi)、红边植被指数(ndre)和优化土壤植被指数(osvi)，以及农田作物的高度特征，进行统计分析和专题制图，形成农田作物专题信息的统计图表，包括植株生长趋势、植株高度分布、作物病虫害分布和作物产量预测分布的专题图表和专题地图。地图以满足开放地理空间信息联盟(open geospatial consortium，ogc)标准的wms、wmts、tms和wfs格式发布，图表数据以json和xml格式接口方式发布，实现信息共享。
15.本发明与现有技术相比的优点在于：
16.(1)覆盖农业生产中对无人机多光谱遥感使用的各个环节，并使其有效联通，降低了多光谱无人机在农田作物监测中的使用门槛。
17.(2)整合了无人机航拍规划、多光谱图像三维重建、作物状态信息提取、作物状态信息统计及发布等所需要的参数库、特征库、算法库等，方便了农田作物监测中的数据处理和信息共享。
附图说明
18.图1是本发明的方法实现流程图；
19.图2是本发明的系统工作流程图。
具体实施方式
20.本发明方法的具体实施方式如下：
21.(1)面向作物生长期的无人机多光谱飞行拍摄路径规划。
22.根据农田中需要观测的作物种类、作物生长阶段、无人机类型、多光谱传感器分辨率等信息，计算最佳观测分辨率、拍摄重叠度、飞行高度等，并依此制定飞行规划。
23.通常飞行高度与观测分辨率、相机及传感器参数存在如下关系：
[0024][0025]
公式中，h表示飞行高度，d表示观测分辨率，f表示相机焦距，s表示相机像元大小。
[0026]
在根据观测目标确定了飞行高度的基础上，根据农田的形态，以及拍摄重叠率的要求，制定飞行轨迹，和拍照点或拍照的时间间隔。
[0027]
(2)无人机航拍获取多光谱影像集合。
[0028]
无人机按照规划的飞行高度、飞行路径、拍照间隔等参数，航拍获得满足要求的多
光谱影像集合。
[0029]
如果无人机没有数据传输接口或者无线传输模块，需要使用读卡器等设备将航拍的多光谱影像集合读取并拷贝至数据处理系统中。
[0030]
(3)基于多光谱影像的农田作物三维重建。
[0031]
利用摄影测量三维重建算法对多光谱影像集合进行处理，获取农田作物的多光谱正射影像(msp dom)、农田作物的数字高程模型(dem)、农田作物的数字表面模型(dsm)、密集点云(dense cloud points)等成果。
[0032]
多光谱影像三维重建可基于开源工具，如odm、meshroom等，或集成商业软件，如pix4d、metashape等。三维重建部分以模块方式集成在系统中，通过api接口调用。
[0033]
(4)农田作物光谱信息、高度信息入库。
[0034]
多光谱正射影像录入作物光谱库，基于数字表面模型与数字高程模型计算得到的作物高度模型(crop height model，chm)录入作物高度库。
[0035]
多光谱影像包含4或5个光谱谱段，分别是蓝(b，450nm)、绿(g，560nm)、红(r，650nm)、红边(re，730nm)和近红外(nir，840nm)，为方便波段计算和信息提取，将按照波段分别存放到作物光谱数据库。
[0036]
作物高度模型(chm)与数字表面模型(dsm)、数字高程模型(dem)作为单一波段图像分别存放到作物高度数据库。
[0037]
作物高度模型由以下公式计算获得：
[0038]
chm＝dsm-dem
[0039]
(5)作物状态信息提取。
[0040]
基于农田作物光谱和高度信息，结合作物样本特征库，提取农田作物的各类状态信息，并将提取的各类作物状态信息录入作物状态专题信息库。
[0041]
作物样本特征库中包括：待提取信息的各类作物不同尺度的特征信息，包括：光谱特征、纹理特征、高度特征、植被指数、形态特征等。
[0042]
作物状态信息提取，与作物种类、作物生长阶段、观测传感器类型、图像分辨率等为输入参数，通过分析作物光谱和作物高度库中的数据，提取获得包括：作物植株数量、作物植株高度、作物地上生物量、作物叶面积指数、作物长势情况、作物病虫害情况、作物预测产量等。
[0043]
作物状态专题信息入库，将提取的各类作物状态信息，通过录入接口分门别类，存入作物状态专题信息库中。
[0044]
(6)农田作物状态统计分析及专题制图。
[0045]
基于作物状态专题信息库中的作物种类、分布、高度、生物量、叶面积指数、长势等专题信息进行地图概况和符号化，数值信息进行统计，包括：按地块统计、按作物类型统计等，形成作物状态专题地图和专题数据统计表。专题地图将以满足ogc标准的wms、wmts、tms、wfs等格式发布，图表数据以json、xml等通用接口方式发布，进行信息共享。
[0046]
本发明未详细阐述的部分属于本领域公知技术。
[0047]
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变
化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

技术特征：
1.一种基于无人机多光谱遥感的作物监测多维度信息提取及发布方法，其特征在于：依据作物的种类和生长阶段所需的观测范围和分辨率以及无人机和多光谱设备的参数，制定飞行路线；航拍并获取农田中作物的多光谱影像集合；利用三维重建工具，构建农田及作物的光谱和三维立体结构信息，获得农田的多光谱正射影像dom、数字地表模型dsm和数字高程模型dem；通过dom提取作物光谱信息，并录入作物光谱信息库，通过dsm和dem提取作物的高度信息，并录入作物高度信息库；参照作物样本特征库中的对应信息，识别作物状态信息；制作并发布作物状态专题地图和作物状态统计信息。其具体实现步骤如下：(1)面向作物生长期的无人机多光谱飞行拍摄路径规划。根据观测目标农田的作物种类、作物生长阶段、无人机类型和多光谱传感器分辨率需求，计算最佳观测分辨率、拍摄重叠度、飞行高度，并依此制定飞行规划。(2)无人机航拍获取多光谱影像集合。无人机按照规划的飞行高度、飞行路径、拍照间隔进行航拍，获得满足要求的多光谱影像集合。(3)基于多光谱影像的农田作物三维重建。利用摄影测量三维重建算法对多光谱影像集合进行处理，获取农田作物的多光谱正射影像(msp dom)、农田作物的数字高程模型(dem)、农田作物的数字表面模型(dsm)。(4)农田作物光谱信息、高度信息入库。多光谱正射影像录入作物光谱库，数字表面模型与数字高程模型相减形成作物高度模型(crop height model，chm)录入作物高度库。(5)基于农田作物光谱和高度信息，结合作物样本特征库，提取农田作物的状态信息，包括：作物种类、作物株高、作物株数、作物长势、作物病虫害情况和作物预测产量。将提取的上述作物状态信息录入作物状态专题信息库。(6)农田作物状态统计分析专题制图和信息发布。对农田作物的光谱特征，包括归一化植被指数(ndvi)、红边植被指数(ndre)和优化土壤植被指数(osvi)，以及农田作物的高度特征，进行统计分析和专题制图，形成农田作物专题信息的统计图表，包括植株生长趋势、植株高度分布、作物病虫害分布和作物产量预测分布的专题图表和专题地图。地图以满足开放地理空间信息联盟(open geospatial consortium，ogc)标准的wms、wmts、tms和wfs格式发布，图表数据以json和xml格式接口方式发布，实现信息共享。

技术总结
一种基于无人机多光谱遥感的作物监测多维度信息提取及发布方法，其特征在于：S1，依据作物的种类和生长阶段所需的观测范围和分辨率以及无人机和多光谱设备的参数，并制定飞行路线；S2，航拍并获取农田中作物的多光谱影像集合；S3，利用三维重建工具，构建农田及作物的光谱和三维立体结构信息，获得农田的多光谱正射影像DOM、数字地表模型DSM和数字高程模型DEM；S4，通过DOM提取作物光谱信息，并录入作物光谱信息库，通过DSM和DEM提取作物的高度信息，并录入作物高度信息库；S5，参照作物样本特征库中的对应信息，识别作物状态信息；S6，制作并发布作物状态专题地图和作物状态统计信息。并发布作物状态专题地图和作物状态统计信息。并发布作物状态专题地图和作物状态统计信息。


技术研发人员：石伟 周冠 张恒 吴克铭 方文海
受保护的技术使用者：北京大田互通物联技术有限公司
技术研发日：2023.05.31
技术公布日：2023/9/6