無人機(jī)多光譜影像識別稻瘟病發(fā)生程度規(guī)程

無人機(jī)多光譜影像識別稻瘟病發(fā)生程度規(guī)程1范圍本文件規(guī)定了基于無人機(jī)多光譜影像識別稻瘟病中葉瘟發(fā)生程度的識別處理流程、數(shù)據(jù)獲取與處理、稻瘟病發(fā)生程度識別、精度檢驗(yàn)、面積量算和統(tǒng)計、專題產(chǎn)品制作。本文件適用于XX省稻瘟病發(fā)生程度的無人機(jī)多光譜影像遙感識別。2規(guī)范性引用文件下列文件中的內(nèi)容通過文中的規(guī)范性引用而構(gòu)成本文件必不可少的條款。其中，注日期的引用文件，僅該日期對應(yīng)的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。GB/T14950—2009攝影測量與遙感術(shù)語GB/T15790—2009稻瘟病測報調(diào)查規(guī)范GB/T16820—2009地學(xué)術(shù)語GB/T20257（所有部分）國家基本比例尺地圖圖式GB/T30115衛(wèi)星遙感影像植被指數(shù)產(chǎn)品規(guī)范NY/T3527—2019農(nóng)作物種植面積遙感監(jiān)測規(guī)范3術(shù)語和定義下列術(shù)語和定義適用于本文件。3.1葉瘟水稻植株3葉期以后葉片上發(fā)生的稻瘟病，稱為葉瘟。3.2多光譜影像將物體發(fā)射或輻射的電磁波信息分成若干波譜段進(jìn)行接收或記錄的圖像。3.3高斯-克呂格投影正軸等角橫切橢圓柱投影。由德國數(shù)學(xué)家、天文學(xué)家高斯（）擬定，德國大地測量學(xué)家克呂格（J.Krüger）補(bǔ)充而成。假想用一個橢圓柱橫切于橢球面上某投影帶的中央子午線，將中央子午線兩側(cè)一定經(jīng)差范圍內(nèi)的經(jīng)緯線交點(diǎn)按等角條件投影到橢圓柱上，并將此圓柱面展為平面而成。其投影帶中央子午線投影成直線且長度不變，赤道投影也為直線，并與中央子午線正交。3.5幾何校正為消除影像的幾何畸變而進(jìn)行投影變換或不同波段影像間的配準(zhǔn)等校正工作。3.6輻射校正對由于外界因素，數(shù)據(jù)獲取和傳輸系統(tǒng)產(chǎn)生的系統(tǒng)的、隨機(jī)的輻射失真或畸變進(jìn)行的校正。3.7植被指數(shù)一種利用多光譜遙感影像不同譜段數(shù)據(jù)的線性或非線性組合而形成的能反映綠色植物生長狀況和分布的特征指數(shù)。3.8歸一化差值植被指數(shù)近紅外波段反射率和可見光紅光波段反射率之差與二者之和的比值。3.9訓(xùn)練樣本可由實(shí)地調(diào)查或圖像解釋方法選取確定的已知地物屬性或特征的圖像像元，用于進(jìn)行分類的學(xué)習(xí)和訓(xùn)練，以建立分類模型或分類函數(shù)的樣本。3.10驗(yàn)證樣本可由實(shí)地調(diào)查或圖像解釋方法選取確定的已知地物屬性或特征的圖像像元，用于驗(yàn)證分類結(jié)果精度的樣本。4基本要求4.1空間基準(zhǔn)4.4.1大地基準(zhǔn)：2000國家大地坐標(biāo)系（CGCS2000）。4.4.2高程基準(zhǔn)：1985國家高程基準(zhǔn)。4.4.3投影方式：高斯-克呂格投影。4.1監(jiān)測時間分蘗末期至孕X末期。5稻瘟病識別處理流程無人機(jī)多光譜影像識別稻瘟病發(fā)生程度處理流程主要包括數(shù)據(jù)獲取與處理、稻瘟病病情指數(shù)識別、精度檢驗(yàn)、面積量算和統(tǒng)計、稻瘟病發(fā)生程度專題產(chǎn)品制作5個步驟，見圖1。無人機(jī)多光譜數(shù)據(jù)無人機(jī)多光譜數(shù)據(jù)樣本數(shù)據(jù)其他數(shù)據(jù)影像獲取與處理參數(shù)的選擇構(gòu)建模型稻葉瘟病病情指數(shù)反演總體精度≥90%是否面積量算和統(tǒng)計稻瘟病發(fā)生程度專題產(chǎn)品制作稻瘟病病情指數(shù)識別精度檢驗(yàn)水稻空間分布稻葉瘟病病情指數(shù)分級圖1無人機(jī)多光譜影像識別稻瘟病發(fā)生程度處理流程6數(shù)據(jù)獲取預(yù)處理6.1無人機(jī)多光譜影像6.1.1影像的選擇無人機(jī)多光譜影像的選擇要求如下：a）應(yīng)選擇至少具有綠光波段（520nm~570nm）、紅光波段（620nm~760nm）、近紅外波段（760nm~1100nm）范圍的無人機(jī)多光譜影像數(shù)據(jù)；b）影像空間分辨率宜優(yōu)于0.3米；c）影像獲取時間應(yīng)為10:00~14:00；d）淡積云量，無卷云、濃積云等，光照穩(wěn)定；e）水平能見度應(yīng)大于2km；f）影像獲取時間內(nèi)風(fēng)力應(yīng)小于4級；g）影像應(yīng)圖面清晰，定位準(zhǔn)確，無明顯條紋、點(diǎn)狀和塊狀噪聲，無數(shù)據(jù)丟失，無嚴(yán)重畸變。6.1.2影像預(yù)處理無人機(jī)多光譜影像的預(yù)處理要求如下：a）利用標(biāo)準(zhǔn)值灰板或地面典型地物光譜值對無人機(jī)多光譜影像進(jìn)行輻射定標(biāo)；b）影像應(yīng)進(jìn)行幾何校正，誤差應(yīng)小于1個像元；c）植被指數(shù)的計算與合成按照GB/T30115的規(guī)定執(zhí)行。6.2樣本數(shù)據(jù)6.2.1數(shù)量與布局a）在影像范圍內(nèi)選擇若干抽樣區(qū)域作為樣本數(shù)據(jù)。樣本的類別應(yīng)包含影像內(nèi)稻瘟病病情指數(shù)和地物類型；b）樣本應(yīng)均勻分布，數(shù)量應(yīng)滿足統(tǒng)計學(xué)的基本要求；c）樣本數(shù)據(jù)的采集時間與多光譜影像的采集時間應(yīng)一致。6.2.2獲取方式a）病情指數(shù)訓(xùn)練樣本數(shù)據(jù)和驗(yàn)證樣本數(shù)據(jù)根據(jù)GB/T15790—2009中4獲取；b）地物類型訓(xùn)練樣本數(shù)據(jù)和驗(yàn)證樣本數(shù)據(jù)根據(jù)NY/T3527-2019中7.2.2獲取。6.3水稻空間分布數(shù)據(jù)根據(jù)NY/T3527-2019提取水稻空間分布數(shù)據(jù)。6.4其他數(shù)據(jù)a）水稻生育期數(shù)據(jù)；b）水稻品種數(shù)據(jù)；c）稻瘟病發(fā)生歷史數(shù)據(jù)。7稻瘟病發(fā)生程度識別7.1病情指數(shù)識別參數(shù)的選擇病情指數(shù)識別參數(shù)應(yīng)包括光譜反射率特征，也可以包括由光譜反射率衍生計算的植被指數(shù)特征，如歸一化植被指數(shù)（NDVI）、增強(qiáng)型植被指數(shù)（EVI）等。7.2病情指數(shù)識別模型的構(gòu)建基于訓(xùn)練樣本數(shù)據(jù)與病情指數(shù)識別參數(shù)，選擇一元回歸分析或多元回歸分析的方法構(gòu)建病情指數(shù)識別模型。推薦的回歸分析方法如下：a）一元回歸分析推薦使用植被指數(shù)特征；b）多元回歸分析推薦使用光譜反射率特征。7.3病情指數(shù)反演利用病情指數(shù)識別模型，對監(jiān)測區(qū)內(nèi)的稻瘟病病情指數(shù)進(jìn)行定量反演，得到監(jiān)測區(qū)內(nèi)稻瘟病病情指數(shù)空間分布數(shù)據(jù)。7.4病情指數(shù)分級根據(jù)GB/T15790—2009附錄D分為5級。7.5稻瘟病發(fā)生程度分級利用水稻空間分布數(shù)據(jù)和病情指數(shù)分級數(shù)據(jù)，根據(jù)GB/T15790—2009中9對稻葉瘟病發(fā)生程度進(jìn)行分級。8精度檢驗(yàn)基于驗(yàn)證樣本采用混淆矩陣中的總體精度，作為稻瘟病病情指數(shù)分級識別精度驗(yàn)證指標(biāo)。按照式（1）計算總體精度，總體精度不低于90%。QUOTEpc=i=1kpiip×式中：??c——總體精度，%；k——稻瘟病發(fā)生程度的級別數(shù)量；??——樣本的總數(shù)；??ii——識別為i程度而實(shí)際調(diào)查也為i的樣本數(shù)目。9面積量算采用GIS軟件對識別的各等級稻瘟病病情指數(shù)進(jìn)行面積量算。10稻瘟病發(fā)生程度專題產(chǎn)品制作10.1專題圖制作無人機(jī)多光譜識別稻瘟病發(fā)生程度專題圖包括圖名、圖例、比例尺、制圖單位、制圖時間等，內(nèi)容包括稻瘟病病情指數(shù)等級、行政區(qū)劃等信息。其中，基本地圖要素制作方式按GB/T20257的規(guī)