基于無人機影像的棉花株高預測

顏 安，郭 濤，陳全家，耿洪偉，郭 斌，孫豐磊

(1.新疆農業大學草業與環境科學學院，烏魯木齊 830052；2.新疆土壤與植物生態過程重點實驗室，烏魯木齊 830052；3.新疆農業大學信息化工程技術研究中心，烏魯木齊 830052；4.新疆農業大學農學院，烏魯木齊 830052)

0 引 言

【研究意義】棉花對國民經濟和社會發展具有重要影響[1]。作為我國最大的優質商品棉生產基地，新疆棉花產量已達全國產量的一半以上，并且在今后的發展中潛力巨大[2]。測量棉花重要性狀的表型進行準確和高通量，對棉田進行精細管理和棉花遺傳改良，對棉花種植格局的優化具有重要意義[3]。株高作為農作物的重要表型性狀，不僅可以評判農作物長勢優劣、估測產量，還能針對長勢高低不同為遺傳育種和選取重要抗性生理指標提供育種依據[4-8]。棉花育種研究中，株高不僅可以衡量棉花生長狀態，還是計算其生物量和產量的重要參數。當前，測量棉花株高主要依靠人工，費時費力，且有一定的主觀性。無人機遙感系統具有運載便利、靈活性高、作業周期短、可快速無損、高通量地獲取田間作物表型信息，影像數據分辨率高等優點[9-11]，為大范圍株高信息的快速、準確、動態監測提供重要的技術手段，有效彌補地面調查的部分缺陷[12]。利用無人機遙感技術快速、無損和高通量地監測棉花株高性狀，對其長勢監測及產量預測具有重要的意義[13]。【前人研究進展】目前，國內外學者應用無人機遙感在提取作物種植面積與分類、葉面積指數估算、數字圖像處理技術反演作物株高與葉面積指數等方面都做了研究[14-30]。董梅等[14]、王利民等[15]、孫佩軍等[16]借助無人機遙感影像獲取了作物種植面積、地物分類信息以及農作物面積估算精度，體現了無人機快速無損、靈活性高的優勢。楊貴軍等[17]、高林等[18]、潘海珠[19]、Arai等[20]利用無人機搭載不同類型傳感器分別對小麥倒伏情況、產量及冠層溫度，大豆葉面積指數和茶葉氮含量等指標進行研究，結果表明利用無人機影像提取的表型信息可以測定農作物表型性狀。Jay等[21]、Xavier等[22]、Forsmoo等[23]利用高光譜影像作物模型對作物高度進行高通量鑒定。李長纓等[24]、程曼等[25]、馬稚昱等[26]利用數字圖像變換處理反演出作物株高，體現了無人機運載便利、影像數據分辨率高的特點。楊琦等[27]、牛慶林等[28]、Luo等[29]、Holman等[30]基于無人機影像結合地面控制點生成DSM來提取H，并結合H和植被指數進行分析，來反演植被LAI(Leaf Area Index)、生長率變化和估測地上生物量，印證了利用無人機遙感技術的作物預測分析。【本研究切入點】目前，關于運用無人機影像對棉花株高進行測定的研究還鮮有報道。研究基于無人機影像的棉花株高預測。【擬解決的關鍵問題】通過無人機獲取大面積、高精度的棉花DOM和DSM，采用克里金插值法提取棉花株高；與實地測量株高對比和精度評價。將無人機影像應用于棉花育種材料株高的監測，為棉花品種(系)的長勢及產量提供一種快速、無損和高通量的田間監測技術手段。

1 材料與方法

1.1 材 料

1.1.1 棉花品種(系)

試驗田位于新疆沙灣縣新疆農業大學棉花育種基地，地處44°26′26″～44°26′29″ N，85°40′27″～85°40′38″ E，海拔高度約545 m，屬大陸性干旱氣候。晝夜溫差大，夏季酷熱，冬季嚴寒，冬夏長春秋短。年均溫6.3～6.9℃，年均降水量140～250 mm，日照時長2 800～2 870 h。土壤類型以潮土為主，一年種植一季棉花。

試驗于2018年6月進行，供試材料為110份棉花品種(系)，共計360個育種小區。種植時間為2018年4月22日，按要求每小區種植3行，每行長3 m，寬2.2 m；各棉花品種(系)小區行長間距0.5 m，行寬間距0.3 m，共種植20行18列。所選育種材料具有較好的代表性，研究區周邊設置保護行，試驗田管理與大田管理一致。圖1

1.1.2 地面數據獲取

于2018年6月25日棉花株高關鍵生育期花鈴期，采集棉花品種(系)株高(H)數據。按要求每小區每行等間距選取3株，3行共計得到9株，使用卷尺測量其株高(H)后取其平均值作為測量小區的平均株高，并以棉花花鈴期植株頂端葉片的高度作為植株的測量高度。

1.1.3 無人機數據獲取及預處理

同期利用大疆經緯M100四旋翼電動無人機搭載高清數碼相機采集棉花品種(系)田間高清數碼影像。該無人機遙感平臺具有位置與姿態系統(Position and Orientation System，POS)可以實時獲取影像數據信息。高清數碼相機型號為方正FC 350，其主要參數為：質量258 g；尺寸62.5 mm × 68.5 mm × 56.5 mm；分辨率4 000 ×3 000；光圈值f/2.8；2000萬像素CMOS傳感器；焦距4 mm。

影像獲取時，太陽光照輻射穩定，晴朗無云。利用Pix4Dmapper拼接軟件進行無人機高清數碼影像拼接處理，生成試驗田高清數字正射影像(Digital Orthophoto Map，DOM)和數字表面模型(Digital Surface Model，DSM)。由于無人機在影像獲取時，每張照片都帶有與之對應的POS數據(包含影像拍攝時間的經緯度、高度、航向偏角、鏡頭朝向等)，可快速高精度的獲取拼接影像。表1，圖2

1.2 方 法

1.2.1 克里金插值法

克里金法(Kriging)屬于地統計類插值方法，廣泛應用在農業、林業、地質、氣象和計算機等領域[31-34]。研究利用其區域化空間變量的相關性以及原始數據和變異函數結構的特點，進行研究區插值，以期得到最優的對未知樣點的線性無偏估計[35]。

1.2.2 數字地面模型生成

經ArcGIS軟件，生成高精度DOM和DSM。點繪地面點：新建點要素圖層，使點均勻的分布在地面上。值提取到點：選擇空間分析、值提取到點，得到一個帶有高程值字段的點圖層。點插值成面：選擇空間分析、插值、克里金法，得到DEM。經分析工具、柵格計算，結果保存為CHM。

1.3 數據處理

采用決定系數R2、均方根誤差(Root Mean Square Error，RMSE)來評估預測模型的精度，R2越大說明模型擬合越好，RMSE越小模型的預測精度越高，數據分析在Microsoft Excel 2010中進行計算。

(1)

(2)

2 結果與分析

2.1 基于高清正射影像的小區識別

研究表明，在拼接的高清數字正射影像中可以清晰的觀測到棉花長勢規整、各棉花品種(系)小區邊界分明、葉色形狀變化差異不大，各棉花品種(系)小區中出現斷行、半行比例較小。從數字表面模型中可以清晰觀測到各育種小區棉花長勢高度變化不一，其中研究區北部棉花品種(系)長勢相對較好，研究區中部區域則出現少量斷行及長勢較差等情況。圖3，圖4

圖4 棉花試驗田數字表面模型Fig. 4 Cotton test field digital surface model

2.2 基于高清DOM和DSM的克里金插值法提取株高

研究表明，基于DOM和DSM繪制點圖層時，鑒于各棉花品種(系)小區長勢分布均勻，使得繪制點均分布在各小區之間的裸地上，以減小插值誤差，同時這也與前人插點方式保持一致。經空間分析中值提取到點，得到的帶有高程值字段的點圖層。各高程點字段清晰的與插值點一一對應，其中各高程點字段均帶有自身位置屬性的高度信息，通過克里金插值法，點插值成面得到各棉花品種(系)小區離散地面高程(DEM)。從棉花品種(系)小區DEM中看出，整個棉花品種(系)小區海拔高度整體呈現自北向南逐步降低、東西高低變化幅度不大的特點，研究區整體地勢比較平坦，其中最高處與最低處僅相差0.5 m左右。圖5～7

圖5 繪制點圖層Fig. 5 Layer at the drawing point

圖6 高程值點圖層Fig. 6 Layer at elevation point

2.3 基于高清CHM數據的棉花株高估測

經棉花品種(系)小區DSM與克里金差值法提取的離散地面高程(DEM)作差值，并利用少量實測株高標定，得到各棉花品種(系)小區高分辨率的株高(CHM)分布。可識別出360個棉花品種(系)小區，提取的株高效果均較好。地面實測株高測量，隨機選取24組實測棉花品種(系)株高，來預測整個研究區的棉花株高分布狀況，所建立的線性擬合模型中，隨機選擇樣本的2/3作為校正集，1/3作為驗證集。在線性校正集模型9-a中，模型精度R2= 0.846 9，RMSE = 0.284 3，基于克里金插值法提取的棉花株高(CHM)與實際株高具有較好的擬合效果。在線性驗證集模型9-b中，模型精度R2= 0.758 1，RMSE = 0.085 8，預測株高對實際株高有較高的預測能力。圖8，圖9

圖8 育種小區棉花株高CHMFig. 8 Cotton height model in breeding area (CHM)

注：a--基于克里金插值法提取株高預測模型(校正集)；b--克里金插值法下株高觀測值與預測值(驗證集)

3 討 論

研究雖經DOM、DSM和克里金插值法，提取了棉花各品種(系)長勢及葉色性狀差異狀況，所建立的株高監測模型也與前人研究結果基本一致[27-28,36,40]。但鑒于不同作物生長形態和冠層結構仍存在較大的差別，Luo等[29]指出不能簡單的進行精度識別分析就能區分出各自反演模型的優劣。楊琦等[27-28]基于數字表面模型(CSMs)在有無控制點條件下進行株高監測，結果表明控制點條件下甘蔗和玉米的株高估測精度更高，但相較于研究，實驗布置控制點繁雜及作物自身株高優勢等情況，卻很難在植株高度較矮的作物上進行研究，故而具有較大的局限性。同時，研究在利用DOM和DSM進行克里金插值時，可能會出現點圖層繪制不精細、不均勻等情況，也會造成棉花H提取誤差。在影像拼接時，由于植株最高點葉片高度對應的空間結構較小，造成辨識度不高而被誤認為噪聲點刪除，也可能造成提取的棉花H存在誤差。研究實測株高值和對應監測時期偏少，也具有一定的不足之處。提高作物監測周期次數和更精細的作物株高提取方法將是未來的研究重點，也為棉花不同品種(系)株高的監測提供方向。

4 結 論

基于無人機高清數碼影像結合Pix4Dmapper拼接軟件生成試驗田棉花育種區的數字表面模型(DSM)和正射影像(DOM)，利用克里金插值法提取棉花育種區株高，得到的DHM中提取的株高與實測株高具有高度的擬合性(R2= 0.758 1，RMSE= 0.085 8)，利用DSM提取的棉花株高運用于棉花育種區田間株高表型的監測具有較高的精度，改變了傳統田間株高監測的不確定性和主觀隨機性，無人機遙感測量成本低、快速、無損、高通量。