無人機多光譜影像識別稻瘟病發(fā)生程度規(guī)程

無人機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、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攝影測量與遙感術語

GB/T15790—2009稻瘟病測報調(diào)查規(guī)范

GB/T16820—2009地學術語

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術語和定義

下列術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)學家、天文學家高斯（）擬定，德國大地測量學家克呂格（J.Kr

uger）補充而成。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，將中央子午線兩側一定經(jīng)

差范圍內(nèi)的經(jīng)緯線交點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行投影變換或不同波段影像間的配準等校正工作。

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、隨機的輻射失真或畸變進行的校正。

3.7

植被指數(shù)

1

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

訓練樣本

可由實地調(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，用于進行分類的學習和

訓練，以建立分類模型或分類函數(shù)的樣本。

3.10

驗證樣本

可由實地調(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，用于驗證分類結果精度

的樣本。

4基本要求

4.1空間基準

4.4.1大地基準：2000國家大地坐標系(CGCS2000)。

4.4.2高程基準：1985國家高程基準。

4.4.3投影方式：高斯-克呂格投影。

4.1監(jiān)測時間

分薨末期至孕X末期。

5稻瘟病識別處理流程

無人機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、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。

2

影像獲取與處理

無人機多光譜數(shù)據(jù)樣本數(shù)據(jù)其他數(shù)據(jù)

稻

瘟

病水稻空間分布

病

情

指

數(shù)

識

別

精

度

檢

驗

面積量算和統(tǒng)計

稻瘟病發(fā)生程度專題產(chǎn)品制作

圖1無人機多光譜影像識別稻瘟病發(fā)生程度處理流程

6數(shù)據(jù)獲取預處理

6.1無人機多光譜影像

6.1.1影像的選擇

無人機多光譜影像的選擇要求如下：

a)應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)水平能見度應大于2km；

f)影像獲取時間內(nèi)風力應小于4級；

g)影像應圖面清晰，定位準確，無明顯條紋、點狀和塊狀噪聲，無數(shù)據(jù)丟失，無嚴重畸變。

6.1.2影像預處理

無人機多光譜影像的預處理要求如下:

3

a)利用標準值灰板或地面典型地物光譜值對無人機多光譜影像進行輻射定標；

b)影像應進行幾何校正，誤差應小于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)。樣本的類別應包含影像內(nèi)稻瘟病病情指數(shù)和

地物類型；

b)樣本應均勻分布，數(shù)量應滿足統(tǒng)計學的基本要求；

c)樣本數(shù)據(jù)的采集時間與多光譜影像的采集時間應一致。

6.2.2獲取方式

a)病情指數(shù)訓練樣本數(shù)據(jù)和驗證樣本數(shù)據(jù)根據(jù)GB/T15790—2009中4獲取；

b)地物類型訓練樣本數(shù)據(jù)和驗證樣本數(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)、增強型植被指數(shù)(EVI)等。

7.2病情指數(shù)識別模型的構建

基于訓練樣本數(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/T1579O—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

行分級。

8精度檢驗

4

基于驗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)分級識別精度驗證指標。按照式(1)

計算總體精度，總體精度不低于90%o

p=^i=1Pf;xioo............(i)

cp

式中：

Pc---總體精度，%；

k——稻瘟病發(fā)生程度的級別數(shù)量；

P——樣本的總數(shù)；

Pii——識別為i程度而實際調(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)定執(zhí)行。

10.2報告編寫

無人機多光譜識別稻瘟病發(fā)生程度報告內(nèi)容包括采用的無人機多光譜相機、影像獲取時間、樣本信

息、模型選擇、精度評價、面積