CN102088839A - 作物生长发育诊断方法及生长发育诊断系统 - Google Patents

作物生长发育诊断方法及生长发育诊断系统 Download PDF

Info

Publication number
CN102088839A
CN102088839A CN2010800020611A CN201080002061A CN102088839A CN 102088839 A CN102088839 A CN 102088839A CN 2010800020611 A CN2010800020611 A CN 2010800020611A CN 201080002061 A CN201080002061 A CN 201080002061A CN 102088839 A CN102088839 A CN 102088839A
Authority
CN
China
Prior art keywords
laser pulse
crop
cauline leaf
forestry
dimensional point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2010800020611A
Other languages
English (en)
Other versions
CN102088839B (zh
Inventor
高桥一义
力丸厚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nagaoka University of Technology NUC
Original Assignee
Nagaoka University of Technology NUC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nagaoka University of Technology NUC filed Critical Nagaoka University of Technology NUC
Publication of CN102088839A publication Critical patent/CN102088839A/zh
Application granted granted Critical
Publication of CN102088839B publication Critical patent/CN102088839B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G22/00—Cultivation of specific crops or plants not otherwise provided for
    • A01G22/20—Cereals
    • A01G22/22—Rice
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G22/00—Cultivation of specific crops or plants not otherwise provided for
    • A01G22/40—Fabaceae, e.g. beans or peas
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G7/00—Botany in general
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications

Abstract

本发明提供不易受气候影响且不需进行地表面的测量·检测处理的作物生长发育诊断方法。其具备以下步骤：从作物茎叶上方的照射点开始向作物茎叶照射复数激光脉冲的步骤(S1)，光接收点接收被作物茎叶或地表面反射的激光脉冲的步骤(S2)，通过测量从激光脉冲的照射到接收所需的传播时间来获取包括从照射点到反射点之间距离的作物茎叶的三维点云数据的步骤(S3)，根据三维点云数据算出作物茎叶的冠层位置的步骤(S4)，由冠层位置和三维点云数据算出从冠层位置到反射点的激光脉冲透入深度和激光脉冲透入率的步骤(S5)，和由激光脉冲透入深度和激光脉冲透入率推算植被率的步骤(S6)。

Description

作物生长发育诊断方法及生长发育诊断系统
技术领域
本发明涉及作物生长发育诊断方法及生长发育诊断系统。更加详细地说，涉及由通过激光扫描技术得到的作物茎叶的三维点云数据算出植被率的生长发育诊断方法及生长发育诊断系统。
背景技术
以往，在农作物的生长发育程度的诊断中，通常通过测量作物的株高、茎数、叶色等进行现场观察。但是，在以往的现场观察中，无论测量何种项目，人都必须进到田间进行繁杂的操作，需要花费很多劳动力。而且，只能一株一株、或一片叶一片叶地进行测量，因而很难获取代表值，要把握一块耕地内的生长发育程度，需要非常庞大的采样数。实际上，现状是每块耕地仅采样十数株左右，所以，还不能说其可以准确把握耕地总体的生长发育程度。
而且，以减轻测量操作的劳动力、缩短测量时间等为目的，也尝试了用光学方法测量作物的生长发育程度，例如提议了接收植物反射的太阳光，根据该光接收强度求出植物的生长发育指标(茎叶中的氮含量等)的生长发育程度测量装置(例如参照专利文献1)。此种使用太阳光的分光反射信息的生长发育程度测量装置不是像以往一样一株一株地进行测量，而是可瞬间获取测量结果，所以可期待减轻测量操作时的劳动力及缩短测量时间，但因为是利用太阳光(被动受光)，所以具有测量时易受天候的影响(也就是说雨天时、极端的暑天时、夜间不能测量)的缺点。
而且，进一步提议了主动向植物照射光，接收其反射光，并且根据其光接收强度求出植物生长发育指标的生长发育程度测量装置(例如参照专利文献2)，但在测量时，因为需要以覆盖测量对象植物的方式来设置装置，所以在诊断大规模面积上生长发育的作物的生长发育程度时，仍然需要很多劳动力和测量时间。而且，该测量方法虽然根据光接收强度算出作为植物生长发育指标的茎叶中的氮含量，但却不是算出植物的茎叶高度和植被率的测量方法。
另一方面，还公开了使用激光扫描仪诊断作物、森林生长发育程度的技术(例如参照非专利文献1～5)。激光扫描仪是指在使本体旋转或移动的同时高速高密度发射激光脉冲，由激光脉冲往返于激光传感器(例如照射部及光接收部)和测量对象之间的传播时间和发射激光脉冲的方向，将测量对象的表面形状作为三维坐标的集合(点云)来测量的装置。具体地说，激光扫描仪分为将装置本体装载在飞机上进行测量的机载型和将装置本体设置在地面上进行测量的地面设置型。前者用于广大区域的三维形状，例如森林、城市结构、地形等的测量，后者用于比较局部区域的三维形状，例如作物、微地形、结构物等的测量。且地面设置型也包含将装置装载在车上的车载型。
但是，对于任何形式的激光扫描仪，在从测量数据(三维点云数据)中提取测量对象物的数据时，均需要从测量数据中检测出地表面，将地表面和测量对象物分开来进行处理，地表面的检测处理(算法)和测量需要另外进行。
而且，机载型激光扫描仪的情况下，以地表面为基准的测量上的精度为将飞机的定位绝对精度及激光扫描仪的距离测量精度复合后的精度，垂直方向的绝对精度为15cm左右，可适用于森林等大型植物生长发育程度的测量，但不适合株型较小的水稻等作物的生长发育程度的测量。
另一方面，地面设置型激光扫描仪的情况下，即使在作物茂盛、难于从测量数据中检测出地表面的状态下，为消除测量对象物(作物、树木)的测量死角，通常从复数的观测方向进行测量(非专利文献1中，以围绕测量对象的形态进行测量)。因此，在推算测量对象的结构、生长发育参数时，就需要对从复数的观测方向获取的测量数据(三维点云数据)进行合成，因而存在获取数据需要花费时间等、分析处理复杂的问题。
现有技术文献
专利文献
专利文献1日本特开2006-317195报
专利文献2日本特开2008-076346号公报
非专利文献
非专利文献1本多嘉明、其他2名、“使用3D激光扫描仪的植被物理量测量”、杂志“照片测量和遥感”、2000年、第39卷、第2号、p.46-47(日语原名：「3D レ一ザスキヤナを用いた植生物理量計測、雑誌「写真測量とリモ一トセンシング」)
非专利文献2片冈崇、其他7名、“通过3D图像传感器进行的作物高度的测量”、农业机械学会北海道支部会报、2003年、第43号、p.43-48(日语原名：「3Dイメ一ジセンサ一による作物高さの計測」、農業機械学会北海道支部会報)
非专利文献3武田知己、其他3名、“使用激光扫描仪的落叶松群落三维结构的测定”、日本农业气象学会、2005年、第61卷、第1号、p.39-47(日语原名：「レ一ザスキヤナを用いたカラマツ群落の三次元構造の測定」、日本農業気象学会)
非专利文献4Fumiki Hosoi(细井文树)、其他1名、”Estimating vertical plant area density profile and growth parameters of a wheatcanopy at different growth stages using three-dimensional portable lidar imaging”、ISPRS、Journal of Photogrammetry & Remote Sensing、爱思唯尔(Elsevier)、2008年9月3日
非专利文献5日下部朝子、其他2名、“以西伯利亚亚寒帶林为对象的航空激光测距法的叶面积指数的广域推算”、日本林学会志、2006年、第88卷、第1号、p.21-29(日语原名：「シベリア亜寒帶林を対象とレた航空レ一ザ測距法による葉面積指数の広域測定」、日本林学会誌)
发明内容
也就是说，本发明的目的在于提供不易受天候的影响且不需进行地表面的测量·检测处理的作物生长发育诊断方法。
而且，本发明的目的还在于提供由通过激光扫描技术得到的作物茎叶的三维点云数据算出植被率的作物生长发育诊断方法。
本发明申请的发明者进行了锐意研究，结果发现：着眼于由通过激光扫描技术获取的作物茎叶的三维点云数据，可算出不以地表面为基准、而以作物的冠层部为基准的激光脉冲透入深度、及在激光脉冲透入深度和植被率之间可存在相关性，如果将这些点应用于现有的激光测量技术，则可排除在以地表面为基准时需要进行的地表面检测所带来的复杂的测量处理和测量精度低下，且可提供简便·简化的作物生长发育诊断方法，从而完成了本发明。
即本发明的作物生长发育诊断方法采用以下方式·构成。
(1)本发明的作物生长发育诊断方法中的一种方式，其特征在于，具备如下步骤：
从作物茎叶上方的照射点开始向该作物茎叶照射复数激光脉冲的步骤，
光接收点接收被所述作物茎叶或地表面反射的所述激光脉冲的步骤，
通过至少测量从所述激光脉冲的照射到接收所需的传播时间来获取包括从
所述照射点到反射点之间距离的所述作物茎叶的三维点云数据的步骤，
根据所述作物茎叶的所述三维点云数据算出所述作物茎叶的冠层位置的步骤，
由所述冠层位置和所述三维点云数据，对于从所述冠层位置下方反射的激光脉冲的三维点云数据，算出从所述冠层位置到所述反射点的激光脉冲透入深度和激光脉冲透入率的步骤，和
由所述激光脉冲透入深度和所述激光脉冲透入率推算植被率的步骤。
而且，(2)本发明的作物生长发育诊断方法优选进一步具备由所推算的所述植被率推算作物含氮量的步骤。
而且，(3)本发明的作物生长发育诊断方法优选所述照射步骤和所述光接收步骤及获取所述三维点云数据的步骤在使所述照射点及所述光接收点相对于所述地表面平行移动的同时实施。
而且，(4)本发明的作物生长发育诊断方法优选所述冠层位置从全部所述三维点云数据中选择如下数据算出，即相当于从所述照射点到所述反射点之间的所述距离按照从小到大的顺序排列时为1～20％的三维点云数据。
而且，(5)本发明的作物生长发育诊断方法优选所述植被率的推算步骤是选择所述激光脉冲透入率的值在35％～98％的范围内的至少一点，将对应该值的激光脉冲透入深度代入如下关系式，即相对于所述激光脉冲透入率的该值所预先推导出的激光脉冲透入深度和植被率的关系式。
而且，本发明的作物生长发育诊断系统采取以下方式·构成。
(6)本发明的作物生长发育诊断系统的一种方式，其特征在于，具备以下单元，且所述单元通过利用激光扫描测量装置和计算机来实现，
从作物茎叶上方的照射点开始向该作物茎叶照射复数激光脉冲的单元，
接收被所述作物茎叶或地表面反射的所述激光脉冲的单元，
通过至少测量从所述激光脉冲的照射到接收所需的传播时间来获取包括从
所述照射点到反射点之间距离的所述作物茎叶的三维点云数据的单元，
根据所述作物茎叶的所述三维点云数据算出所述作物茎叶的冠层位置的单元，
由所述冠层位置和所述三维点云数据，对于从所述冠层位置下方反射的激光脉冲的三维点云数据，算出从所述冠层位置到所述反射点的激光脉冲透入深度和激光脉冲透入率的单元，和
由所述激光脉冲透入深度和所述激光脉冲透入率推算植被率的单元。
而且，(7)本发明的作物生长发育诊断系统优选进一步具备由推算出的所述植被率推算作物含氮量的单元。
而且，(8)本发明的作物生长发育诊断系统优选所述激光扫描测量装置设置在相对于所述地表面平行移动的移动体上。
而且，(9)本发明的作物生长发育诊断系统中，所述冠层位置从全部所述三维点云数据中选择如下数据算出，即相当于从所述照射点到所述反射点之间的所述距离按照从小到大的顺序排列时为1～20％的三维点云数据。
而且，(10)本发明的作物生长发育诊断系统中，优选所述植被率的推算单元是选择所述激光脉冲透入率的值在35％～98％的范围内的至少一点，将对应该值的激光脉冲透入深度代入如下关系式，即相对于所述激光脉冲透入率的该值所预先推导出的激光脉冲透入深度和植被率的关系式。
根据本发明，因为在使用不利用太阳光的激光扫描技术的同时测量以作物的冠层部为基准的激光脉冲透入深度，所以，即使在作物茂盛、难于从测量数据中检测出地表面的状态(时期)下，也可稳定推算的生长发育参数，而不易受到天候、作物生长发育状况的影响。因此，可提高生长发育诊断的稳定性，扩大生长发育诊断的可利用时期。
根据本发明，因为不利用以地表面为基准的作物的高度信息，而是通过以作物的冠层部为基准的激光脉冲透入深度来推算生长发育参数，所以，不需进行从测量数据中判断地表面的处理，可提高数据分析时的处理速度和测量精度。例如在飞机等上装载激光扫描装置的情况下，在测量本发明的冠层位置基准的激光脉冲透入深度时，不再与以往必需的飞机的定位绝对精度(约15cm左右的误差)相关，而是可将本发明的测量精度控制在仅反映激光扫描仪的距离测量精度(约1cm左右的误差)的程度。
此外，根据本发明，基于仅从一个方向(上方)观测对象物(作物)的数据来推算生长发育参数，还可进一步通过将激光扫描仪装载到平行移动的移动体(飞机、汽车)上，以获取全部面积的生长发育参数，从而减轻测量时的劳动力。
此外，在本发明中，作为生长发育参数，可由以冠层位置为基准的激光脉冲透入深度获取具有相关关系的植被率，进而还可推算作物中的氮量(水稻时为稻株含氮量)。
附图说明
图1是表示本发明的生长发育诊断方法的各步骤的流程图。
图2表示通过激光扫描测量装置测量的稻株茎叶高度分布的一例。
图2(a)表示平面图，图2(b)表示鸟瞰图。
图3表示不同植被率时茎叶高度的观测频率的直方图。
图4说明本发明的测量参数。
图5表示不同的植被率时激光脉冲的透入率Rap和透入深度Ld之间的关系。
图6表示激光脉冲透入深度Ld和植被率之间的关系。图6(a)为激光脉冲透入率Rap＝90％的情况，图6(b)为激光脉冲透入率Rap＝75％的情况。
图7表示植被率和稻株含氮量之间的关系。
图8用于说明本发明的一种实施方式所涉及的作物生长发育诊断系统1。
图9用于说明图8所示的计算机3的动作的功能方框图。
符号说明
1-生长发育诊断系统；2-激光扫描测量装置；3-计算机；21-照射部；22-光接收部；23-3维点云数据运算部；24-维点云数据存储部；31-显示部；32-操作输入部；33-存储部；34-控制电路(CPU)；35-总线(数据通信线)；301-3维点云数据信息；302-冠层位置信息；303-激光脉冲透入深度分布信息；304-植被率相关信息；305-含氮量相关信息；331-存储器；332-数据库；341-冠层定位部；342-激光脉冲透入深度分布信息运算部；343-植被率推算部；344-含氮量推算部；SIG32-信号；D3-数据；PRG3-程序；D-从观测点到作物茎叶或地表面上的反射点的垂直距离；Dc-从观测点到冠层位置的距离；Ns-三维点云数据的总数；Nc-从观测点到冠层位置的区域内所包含的三维点云数据的数量；Ld-激光脉冲透入深度；Rap 激光脉冲透入率；V-从观测点到垂直距离D的局部区域；Vs-测量对象的全部区域(扫描区)。
具体实施方式
以下对本发明的作物生长发育诊断方法的一种实施方式参照附图进行说明。
图1是表示本发明的生长发育诊断方法的各步骤的流程图。首先，使用激光扫描测量装置等的照射部，从一个观测方向(上方)向测量对象物(作物)照射激光脉冲(步骤S1)。
在此，激光扫描测量装置是指在使本体旋转或移动的同时高速高密度发射激光脉冲，由激光脉冲往返于激光传感器(例如照射部及光接收部)和测量对象之间的传播时间和发射激光脉冲的方向，将测量对象的表面形状作为三维坐标的集合(点云)来测量的装置。
本发明的激光扫描测量装置所具备的规格希望是距离分辨率为15mm以下、角度分辨率为0.25度以下。
测量对象物可例举随时间推移生长发育状况发生变化的作物、植物、森林等。本实施方式中，作为一例，将测量对象设定为水稻，使用在试验耕地内以栽植密度60株/坪(1坪＝3.3平方米)移植的越光稻(日语原名：コシヒカリ)。为诊断该水稻的生长发育状况，将用于把满足上述规格的激光扫描测量装置固定在水稻上方2.6m高度的观测台设置在试验耕地。
此外，对于测量时间及测量次数(间隔)，只要在作物生长发育时期内无特别限定，测量次数也无需额外限定，但作为本实施方式中的一例，设定在水稻的生长发育程度显著加快的6月中旬～7月中旬之间，约间隔7天测量一次。
而后，利用激光扫描测量装置等的光接收部，接收照射在作物的各点或地表面上且被反射的激光脉冲(步骤S2)。
进而，通过至少测量从激光脉冲的照射到接收所需的传播时间，可获取从测量对象物的各点到激光扫描测量装置的距离等(也就是说作物茎叶的三维点云数据)(步骤S3)。
且作物等的测量对象物的测量对象区域比通过激光扫描测量装置1次扫描的区域广泛时，可将激光扫描测量装置的扫描区移至测量对象区域中还未经测量的区域，再次实施上述步骤S1～步骤S3。即直至不存在未测量区域为止可反复进行步骤S1～S3组成的程序来进行处理。例如通过将激光扫描测量装置装载到相对于地表面平行移动的移动体(飞机、汽车)上(移动上述扫描区)来进行测量，以获取全部面积的生长发育参数，从而减轻测量时的劳动力。
图2表示通过激光扫描测量装置测量的稻株茎叶高度分布的一例。图2(a)表示平面图，图2(b)表示鸟瞰图。从这些图中，可以说从视觉上即可充分判断出各个稻株茎叶的位置和高度。
而且，图3表示通过步骤S1～3的不同测量日(也就是说不同的植被率)获取的茎叶高度的直方图(共计6个)。从图3的各直方图可看出，纵轴表示每个规定范围(每1cm)内的茎叶高度(从观测点开始的距离单位cm)，横轴表示观察茎叶高度的次数(观测频率)。此外，在图3的各直方图的上部合并表示了测量日、和对该测量日获取的数码相机图像处理后算出的植被率。
在此，“植被率”是指作物覆盖土壤的比例，本实施方式的实例中，从数码相机获取的图像中识别作物部分和土壤部分，将占每单位面积的作物部分的面积比率作为植被率算出。
而后，根据得到的作物茎叶的三维点云数据算出作物茎叶的冠层位置(步骤S4)。
在此，本发明中使用的“冠层部”是指作物等的茎、叶开始茂盛时的作物茎叶的上部，“冠层位置”是指以观测点为基准的上述冠层部的位置，本实施例中，仅指观测点(也就是说，位于作物上方的激光扫描测量装置的照射部(照射点))开始垂直方向上的规定距离(以下称为“垂直距离”。)下方的位置。
为了更加具体地特定上述冠层位置，使用图4来进行说明。首先，通过激光扫描测量装置的激光照射测量的测量对象的全部区域(扫描区)Vs用虚线圈围。将测量由该虚线圈围的全部区域Vs的激光脉冲的总数(点云数据总数)作为Ns。此外，将作为全部测量区域中的一部分的从激光扫描测量装置到垂直距离D的局部区域V(图4中画影线的区域)内所包含的点云数据数作为N。
而后，将冠层位置设定在虚线A处，将从观测点(激光扫描测量装置的照射点)到冠层位置的垂直距离作为Dc时，Dc如下设定，将点云数据总数Ns的数据以垂直距离D从小到大的顺序排列时，Ns为1～20％的数据存在时的垂直距离。也就是说，点云数据为100个(Ns＝100)时，第1～20个垂直距离小的点云数据的距离D为Dc。且到冠层位置为止的包含在垂直距离Dc内的数据总数为Nc。上述实例中Nc为1～20。
而且，到以冠层位置为基准的各测量地点为止的垂直距离Ld用Ld＝D-Dc算出。
而后，算出以冠层位置为基准的激光脉冲透入深度Ld的分布信息(步骤S5)。
为体现激光脉冲透入深度Ld的分布，将激光脉冲透入率Rap(％)定义为Rap＝(N-Nc)/Ns。也就是说，其为局部区域V内所包含的点云数据数N减去冠层位置上方所包含的点云数据数Nc的值(图4中的距离Ld为宽度的区域内所包含的点云数据数的值)除以全部测量区域内所包含的点云数据总数Ns的值。将冠层位置的上方存在的数据数设定为Ns的5％时，激光脉冲透入率Rap的范围为0～95％。
通过以上的方法(步骤S1～5)，可由各测量日中通过激光扫描测量装置获取的数据算出以冠层部(冠层位置)为基准的激光脉冲透入深度Ld和激光脉冲透入率Rap。
图5表示不同测量日(即不同的植被率)的激光脉冲的透入率Rap(单位：％)和透入深度Ld(单位：cm)之间的关系。凡例中各测量日的右侧横向括弧内记载的值表示与各测量日对应的植被率。图5中测量期间的前半期中，整体的透入深度Ld值均较小，透入率Rap大于50％时，可知透入深度Ld变得平稳(基本一定)。这认为是水稻茎叶的生长发育并不发达，很多激光脉冲未照射到茎叶上而是到达了地表面，可以说Rap为50～90％的范围内的点云数据表示冠层位置到地表面的距离。
到达测量时期的后半期时，可知各激光脉冲透入率Rap对应的透入深度Ld的值与测量时期前半期的值相比增大。而且，可知连接这些点云数据(透入深度Ld)的曲线的斜率增大，至激光脉冲透入率Rap达到最大为止透入深度Ld一直在增大。这说明由于水稻的生长发育不断发达，茎叶繁茂，所以所照射的大部分激光脉冲未到达地表面，在到达地表面之前即被作为测量对象物的作物反射。
而后，由激光脉冲透入深度Ld的分布信息推算植被率(步骤S6)。
图6表示激光脉冲的透入深度Ld和植被率之间的关系。图6(a)为激光脉冲透入率Rap＝90％的情况，图6(b)为激光脉冲透入率Rap＝75％的情况。这些图中，将图5的横轴所示的激光脉冲透入率Rap设定为上述规定的值，可通过求出各测量日(各植被率)的上述透入率Rap对应的透入深度Ld来绘图。且优选该植被率的推算步骤S6中使用的激光脉冲透入率Rap的值选择35％～98％范围内的至少一点。
激光脉冲透入率为Rap＝90％(图6(a))时，植被率和透入深度Ld之间的关系为VCR＝1.86Ld-11.60(此处，VCR：植被率)、R2＝0.99及RMSE＝3％，植被率和透入深度Ld可得到一次直线的比例关系(参照图6(a)内的算式)。在此，R2是决定系数，是表示回归直线(曲线)拟合是否良好的尺度。另一方面，均方根误差(RMSE(Root Mean Square Error))是表示推算值和实测值的偏差的尺度。
因此，根据R2及RMSE的结果，推算出的直线适当拟合，可以说适当再现了实测值。
激光脉冲透入率为Rap＝75％(图6(b))时，植被率和透入深度Ld之间的关系为VCR＝0.19Ld 2-5.20Ld+53.82(此处，VCR：植被率)、R2＝0.98及RMSE＝3％，植被率和透入深度Ld可得到二次曲线的关系。而且，根据R2及RMSE的结果，推算出的二次曲线适当拟合，可以说适当再现了实测值。
根据上述处理，可预先得到每个透入率Rap所对应的植被率和透入深度Ld之间的关系式。因此，在步骤S6中，从以步骤S5中获取的冠层位置为基准的激光脉冲透入深度Ld的分布信息中选择所需要的透入率Rap和该透入率Rap对应的透入深度Ld，通过在如上所述所预先得到的与所希望的透入率Rap对应的换算式(例如图6中各图所表示的植被率和透入深度Ld之间的关系式)中代入透入深度Ld，即可推算出植被率。
而且，还可由推算出的植被率推算作物含氮量(步骤S7)。例如为水稻的情况下，根据发明者已经报道的研究成果(竹峰秀祐、力丸厚、高桥一义、樋口泰浩、根据使用简易图像测量法的水稻植被率推算稻株含氮量的相关基础研究、“照片测量和遥感”(日语原名：「写真測量とリモ一トセンシング」)、Vol.46，No.4，2007，pp.61-65)，证实了稻株含氮量和植被率之间为图7所示的关系。
因此，如根据本发明的上述步骤S1～6求出植被率，即可通过步骤S7简单地算出稻株含氮量。
此外，包含以上各步骤的作物生长发育诊断方法可通过如以下说明的作物生长发育诊断系统1实现。
图8用于说明本发明的一个实施方式所涉及的作物生长发育诊断系统1。作物生长发育诊断系统1例如具有激光扫描测量装置2和计算机3。激光扫描测量装置2可设置在组装在测量对象的作物上方(垂直方向上方)的固定式观测台上，也可装载在作物上方的相对于作物水平面平行移动的移动体(例如飞机、直升飞机、汽车、带轨道观测台在该轨道上移动的移动装置等)上。
激光扫描测量装置2如图8所示，具有照射部21、光接收部22、三维点云数据运算部23及三维点云数据存储部24。照射部21是从作物上方向对作为测量对象物的作物照射激光脉冲。光接收部22接收被作物茎叶、地表面反射的激光脉冲，将从激光脉冲的照射到接收的传播时间和射入光接收部的角度信息发送到三维点云数据运算部23。三维点云数据运算部23根据光接收部22发送的信息，获取从各激光脉冲的照射点到反射点之间的距离、方位角等的三维点云数据。三维点云数据存储部24存储所获取的三维点云数据。
本实施方式所涉及的计算机3如图8所示，具有显示部31、操作输入部32、存储部33及控制电路(CPU)34。各构成要素例如通过总线(数据通信线)35连接。
显示部31例如显示通过激光扫描测量装置2获取的三维点云数据、将该三维点云数据用如上所述的生长发育诊断方法进行分析的画面。显示部31例如由LCD显示屏、有机EL发光显示器、阴极射线管(CRT(Cathode Ray Tube))等显示装置构成。
操作输入部32例如由键盘、各种按钮、指示器、触摸屏等输入装置构成，将对应用户操作的信号SIG32输出到控制电路34。控制电路34根据该信号SIG32进行本发明所涉及的生长发育诊断分析处理。
存储部33例如作为由控制电路34进行处理的工作空间来使用。存储部33例如具有存储器331及数据库332。存储器331例如由RAM、ROM等存储装置构成。存储器331例如存储具有本发明所涉及的功能的程序PRG3。数据库332例如存储由后述的本发明所涉及的各种处理生成的数据信息、初始化变量数据信息、以往的数据信息等的数据D3。数据库332例如由硬盘驱动器、光盘存储装置等的存储装置构成。
控制电路34例如综合控制系统整体。控制电路34例如通过执行程序PRG3来实现本发明所涉及的功能。
图9是用于说明图8所示的计算机3的运行的功能方框图。存储部33如图9所示，将3维点云数据信息301、冠层位置信息302、激光脉冲透入深度分布信息303、植被率相关信息304、含氮量相关信息305等的各种数据D3相互关联存储。
在此，3维点云数据信息301是与用上述激光扫描测量装置2的三维点云数据运算部23及三维点云数据存储部24获取的(之后，由计算机3的存储部33进行保存·存储)作物茎叶的3维点云数据相关的信息。
另外，冠层位置信息302及激光脉冲透入深度分布信息303是使用该点云数据301等、根据实现上述生长发育诊断方法的程序PRG3而运算的信息(例如上述Dc、Nc、Ld、Rap等的信息)。
此外，植被率相关信息304及含氮量相关信息305同样包含根据程序PRG3运算的信息，同时还包含程序PRG3用于运算(推算)植被率及含氮量的参数。这些参数中，例如可例举上述诊断方法中说明的、每个激光脉冲透入率对应的激光脉冲透入深度和植被率之间的关系式(例如图6(a)及(b)中所示的近似式)中的斜率、截距、常数等信息。
如图9所示，控制电路34通过执行程序PRG3而实现冠层定位部341、激光脉冲透入深度分布信息运算部342、植被率推算部343、含氮量推算部344等的各功能。
如以上说明的本发明的生长发育诊断系统1通过具备激光扫描测量装置2的照射部21和光接收部22，可实现从作物茎叶上方的照射点开始向作物茎叶照射复数激光脉冲(对应上述步骤S1)、和从光接收点接收被作物茎叶或地表面反射的激光脉冲(对应上述步骤S2)。
此外，由于激光扫描测量装置2具备3维点云数据运算部23，通过至少测量所述从激光脉冲的照射到接收所需的传播时间，可实现获取包含所述从照射点到反射点之间距离的所述作物茎叶的三维点云数据(对应上述步骤S3)。
此外，通过具备计算机3的存储部33、控制电路34的各要素301～305及341～344，且由控制电路34例如执行程序PRG3，可实现：根据作物茎叶的三维点云数据算出所述作物茎叶的冠层位置(对应上述S4)；由冠层位置和三维点云数据，对于冠层位置的下方反射的激光脉冲的三维点云数据，算出从冠层位置到反射点为止的激光脉冲透入深度Ld和激光脉冲透入率Rap(对应上述步骤S5)；和由激光脉冲透入深度Ld和激光脉冲透入率Rap推算植被率(对应上述步骤S6)。
本发明的作物生长发育诊断方法及生长发育诊断系统如上构成，所以，可发挥以下的作用效果。
根据本发明，因为在使用不利用太阳光的激光扫描技术的同时测量以作物的冠层部为基准的激光脉冲透入深度，所以，即使在作物茂盛、难于从测量数据中检测出地表面的状态(时期)下，也可稳定推算生长发育参数，且不易受到天候、作物生长发育状况的影响。因此，可提高生长发育诊断的稳定性，扩大生长发育诊断的可利用时期。
根据本发明，因为不利用以地表面为基准的作物的高度信息，而是通过以作物冠层部为基准的激光脉冲透入深度来推算生长发育参数，所以，不需进行从测量数据判断地表面的处理，可提高数据分析时的处理速度和测量精度。例如在飞机等上装载激光扫描装置的情况下，在本发明的以冠层位置为基准的激光脉冲透入深度的测量中，不再与以往必需的飞机的定位绝对精度(约15cm左右的误差)相关，而是可将本发明的测量精度控制在仅反映激光扫描的距离测量精度(约1cm左右的误差)的程度。
此外，根据本发明，基于仅从一个方向(上方)观测对象物(作物)的数据推算生长发育参数，还可进一步通过将激光扫描仪装载到平行移动的移动体(飞机、汽车)上，以获取全部面积的生长发育参数，从而减轻测量时的劳动力。且对于作为移动体的一例而例举的飞机，也可利用除有人飞机以外的遥控直升机等无人飞机。特别是近年市售的根据机体姿态控制信息、位置信息而可自动飞行的自主式无人机，因能以良好精度相对于地表面进行平行移动，所以，适合用作本发明的上述移动体。
此外，在本发明中，作为生长发育参数，可由以冠层位置为基准的激光脉冲透入深度获取具有相关关系的植被率，进而可推算作物中的含氮量(为水稻时为稻株含氮量)。
本发明不限于水稻、大豆等作物的生长发育诊断，还可适用于植物、森林的生长发育诊断，在各个产业领域中具有可利用性。
本发明不限于上述实施例，可在专利的权利要求所述的发明范围内进行各种变更，这些当然也包含在本发明的范围内。

Claims (10)

1.一种作物生长发育诊断方法，其特征在于，具备以下步骤：
从作物茎叶上方的照射点开始向该作物茎叶照射复数激光脉冲的步骤，
光接收点接收被所述作物茎叶或地表面反射的所述激光脉冲的步骤，
通过至少测量从所述激光脉冲的照射到接收所需的传播时间来获取包括从
所述照射点到反射点之间距离的所述作物茎叶的三维点云数据的步骤，
根据所述作物茎叶的所述三维点云数据算出所述作物茎叶的冠层位置的步骤，
由所述冠层位置和所述三维点云数据，对于从所述冠层位置下方反射的激光脉冲的三维点云数据，算出从所述冠层位置到所述反射点的激光脉冲透入深度和激光脉冲透入率的步骤，和
由所述激光脉冲透入深度和所述激光脉冲透入率推算植被率的步骤。
2.根据权利要求1所述的作物生长发育诊断方法，其特征在于，进一步具备由所推算的所述植被率推算作物含氮量的步骤。
3.根据权利要求1或2所述的作物生长发育诊断方法，其特征在于，所述照射步骤和所述光接收步骤及获取所述三维点云数据的步骤在使所述照射点及所述光接收点相对于所述地表面平行移动的同时实施。
4.根据权利要求1～3中任一项所述的作物生长发育诊断方法，其特征在于，所述冠层位置从全部所述三维点云数据中选择如下数据算出，即相当于从所述照射点到所述反射点之间的所述距离按照从小到大的顺序排列时为1～20％的三维点云数据。
5.根据权利要求1～4中任一项所述的作物生长发育诊断方法，其特征在于，所述植被率的推算步骤是选择所述激光脉冲透入率的值在35％～98％的范围内的至少一点，将对应该值的激光脉冲透入深度代入如下关系式，即相对于所述激光脉冲透入率的该值所预先推导出的激光脉冲透入深度和植被率的关系式。
6.一种作物生长发育诊断系统，其特征在于，具备以下单元，且所述单元通过利用激光扫描测量装置和计算机来实现，
从作物茎叶上方的照射点开始向该作物茎叶照射复数激光脉冲的单元，
接收被所述作物茎叶或地表面反射的所述激光脉冲的单元，
通过至少测量从所述激光脉冲的照射到接收所需的传播时间来获取包括从
所述照射点到反射点之间距离的所述作物茎叶的三维点云数据的单元，
根据所述作物茎叶的所述三维点云数据算出所述作物茎叶的冠层位置的单元，
由所述冠层位置和所述三维点云数据，对于从所述冠层位置下方反射的激光脉冲的三维点云数据，算出从所述冠层位置到所述反射点的激光脉冲透入深度和激光脉冲透入率的单元，和
由所述激光脉冲透入深度和所述激光脉冲透入率推算植被率的单元。
7.根据权利要求6所述的作物生长发育诊断系统，其特征在于，进一步具备由所推算的所述植被率推算作物含氮量的单元。
8.根据权利要求6或7所述的作物生长发育诊断系统，其特征在于，所述激光扫描测量装置设置在相对于所述地表面平行移动的移动体上。
9.根据权利要求6～8中任一项所述的作物生长发育诊断系统，其特征在于，所述冠层位置从全部所述三维点云数据中选择如下数据算出，即相当于从所述照射点到所述反射点之间的所述距离按照从小到大的顺序排列时为1～20％的三维点云数据。
10.根据权利要求6～9中任一项所述的作物生长发育诊断系统，其特征在于，所述植被率的推算单元是选择所述激光脉冲透入率的值在35％～98％的范围内的至少一点，将对应该值的激光脉冲透入深度代入如下关系式，即相对于所述激光脉冲透入率的该值所预先推导出的激光脉冲透入深度和植被率的关系式。
CN2010800020611A 2009-03-25 2010-03-08 作物生长发育诊断方法及生长发育诊断系统 Expired - Fee Related CN102088839B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2009-075279 2009-03-25
JP2009075279A JP4982769B2 (ja) 2009-03-25 2009-03-25 作物の生育診断方法及び生育診断システム
PCT/JP2010/053793 WO2010110040A1 (ja) 2009-03-25 2010-03-08 作物の生育診断方法及び生育診断システム

Publications (2)

Publication Number Publication Date
CN102088839A true CN102088839A (zh) 2011-06-08
CN102088839B CN102088839B (zh) 2012-08-08

Family

ID=42780734

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010800020611A Expired - Fee Related CN102088839B (zh) 2009-03-25 2010-03-08 作物生长发育诊断方法及生长发育诊断系统

Country Status (3)

Country Link
JP (1) JP4982769B2 (zh)
CN (1) CN102088839B (zh)
WO (1) WO2010110040A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102608620A (zh) * 2012-03-12 2012-07-25 北京北科安地科技发展有限公司 一种依据反射强度与地形形态的激光扫描点云植被过滤方法
CN107152662A (zh) * 2017-04-29 2017-09-12 桂林苏桥瑞芯科技股份有限公司 一种自动监测植物生长高度的调光系统
US10408678B2 (en) 2015-04-30 2019-09-10 Topcon Corporation Sensor device for plants having a spectroscopy vegetation index and height of the target plant determination
CN110546452A (zh) * 2017-04-21 2019-12-06 发茂特有限公司 用于测量作物或牧草的表面形貌的产品和方法
CN115529998A (zh) * 2022-10-18 2022-12-30 中国科学院新疆生态与地理研究所 干旱区胡杨断根萌蘖的轮灌修复方法

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6044052B2 (ja) * 2013-02-05 2016-12-14 国立大学法人 千葉大学 魚眼画像データ作成プログラム及びｌａｉ算出プログラム
CN103293156B (zh) * 2013-05-20 2015-04-15 北京农业智能装备技术研究中心 一种田间作物长势评估的系统和方法
CN105891211B (zh) * 2016-05-13 2023-12-01 内蒙古自治区林业科学研究院 一种草本植被盖度激光测量仪
CN113341410B (zh) * 2020-08-04 2022-11-04 中南大学 一种大范围林下地形估计方法、装置、设备及介质
CN112068153B (zh) * 2020-08-24 2022-07-29 电子科技大学 一种基于地基激光雷达点云的冠层间隙率估算方法
AU2021232847A1 (en) * 2020-09-25 2022-04-14 Topcon Corporation Method for detecting plant growth amount, plant sensor, and fertilizing apparatus

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1197208A (zh) * 1996-12-23 1998-10-28 中国科学院长春光学精密机械研究所 对漫反射体反射和透过三维空间光分布的测量装置
CN2405216Y (zh) * 1999-12-10 2000-11-08 中国科学院上海技术物理研究所 一种基于红外傅里叶光谱仪的反射各向异性光谱装置
CN1971213A (zh) * 2005-11-24 2007-05-30 中国科学院自动化研究所 遥控直升机地形检测装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3865764B1 (ja) * 2006-08-15 2007-01-10 アルスマエヤ株式会社 森林資源調査方法および森林資源調査装置
JP2008111725A (ja) * 2006-10-30 2008-05-15 Tokyo Electric Power Co Inc:The 葉面積指数算出装置、葉面積指数算出方法及びそのプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1197208A (zh) * 1996-12-23 1998-10-28 中国科学院长春光学精密机械研究所 对漫反射体反射和透过三维空间光分布的测量装置
CN2405216Y (zh) * 1999-12-10 2000-11-08 中国科学院上海技术物理研究所 一种基于红外傅里叶光谱仪的反射各向异性光谱装置
CN1971213A (zh) * 2005-11-24 2007-05-30 中国科学院自动化研究所 遥控直升机地形检测装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102608620A (zh) * 2012-03-12 2012-07-25 北京北科安地科技发展有限公司 一种依据反射强度与地形形态的激光扫描点云植被过滤方法
CN102608620B (zh) * 2012-03-12 2013-09-18 北京北科安地科技发展有限公司 一种依据反射强度与地形形态的激光扫描点云植被过滤方法
US10408678B2 (en) 2015-04-30 2019-09-10 Topcon Corporation Sensor device for plants having a spectroscopy vegetation index and height of the target plant determination
CN110546452A (zh) * 2017-04-21 2019-12-06 发茂特有限公司 用于测量作物或牧草的表面形貌的产品和方法
US11262186B2 (en) 2017-04-21 2022-03-01 Farmote Limited Products and processes for measuring the surface profile of a crop or pasture
CN107152662A (zh) * 2017-04-29 2017-09-12 桂林苏桥瑞芯科技股份有限公司 一种自动监测植物生长高度的调光系统
CN115529998A (zh) * 2022-10-18 2022-12-30 中国科学院新疆生态与地理研究所 干旱区胡杨断根萌蘖的轮灌修复方法
CN115529998B (zh) * 2022-10-18 2024-01-26 中国科学院新疆生态与地理研究所 干旱区胡杨断根萌蘖的轮灌修复方法

Also Published As

Publication number Publication date
JP4982769B2 (ja) 2012-07-25
CN102088839B (zh) 2012-08-08
WO2010110040A1 (ja) 2010-09-30
JP2010226968A (ja) 2010-10-14

Similar Documents

Publication Publication Date Title
CN102088839B (zh) 作物生长发育诊断方法及生长发育诊断系统
Escolà et al. Mobile terrestrial laser scanner applications in precision fruticulture/horticulture and tools to extract information from canopy point clouds
CN108921885B (zh) 一种综合三类数据源联合反演森林地上生物量的方法
KR102187654B1 (ko) 저고도 무인 비행체 및 이를 포함하는 작물 재배 정보 획득 시스템
Anthony et al. On crop height estimation with UAVs
Noordermeer et al. Direct and indirect site index determination for Norway spruce and Scots pine using bitemporal airborne laser scanner data
Zhu et al. Spatial and seasonal variations of leaf area index (LAI) in subtropical secondary forests related to floristic composition and stand characters
Ozdemır et al. Precision Viticulture tools to production of high quality grapes.
Andújar et al. A LiDAR-based system to assess poplar biomass
Simpson et al. UAS-based high resolution mapping of evapotranspiration in a Mediterranean tree-grass ecosystem
Tagarakis et al. Using laser scanner to map pruning wood in vineyards
細井文樹 et al. Estimating the leaf inclination angle distribution of the wheat canopy using a portable scanning lidar
Espinoza et al. Applicability of time-of-flight-based ground and multispectral aerial imaging for grapevine canopy vigour monitoring under direct root-zone deficit irrigation
Debangshi LiDAR Sensor: Applications in Agriculture
Escolà et al. A mobile terrestrial laser scanner for tree crops: point cloud generation, information extraction and validation in an intensive olive orchard
Chatzinikos et al. The use of a laser scanner for measuring crop properties in three different crops in Central Greece
Shokirov et al. Comparison of TLS and ULS Data for Wildlife Habitat Assessments in Temperate Woodlands
Nader et al. Evaluation of grapevine trunk size by use of a handheld camera and three-dimensional modelling
Torres-Sánchez et al. UAV photogrammetry vs mobile terrestrial laser scanning for woody crops characterization
Riczu et al. Precision weed detection using terrestrial laser scanning techniques
Karjalainen Predicting commercial tree quality by means of airborne laser scanning
Sun et al. Height estimation for blueberry bushes using LiDAR based on a field robotic platform
Assiri et al. Leaf area index and aboveground biomass estimation of an alpine peatland with a UAV multi-sensor approach
Izere Plant Height Estimation Using RTK-GNSS Enabled Unmanned Aerial Vehicle (UAV) Photogrammetry
AU2021100045A4 (en) Soil health monitoring using drones and Augmented reality in agricultural Regions

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120808

Termination date: 20150308

EXPY Termination of patent right or utility model