CN102331244A

CN102331244A - 利用普通数码相机获取水稻冠层叶面积指数的方法

Info

Publication number: CN102331244A
Application number: CN201110228089A
Authority: CN
Inventors: 周炼清; 史舟; 潘桂颖
Original assignee: Zhejiang University ZJU
Current assignee: Zhejiang University ZJU
Priority date: 2011-08-10
Filing date: 2011-08-10
Publication date: 2012-01-25
Anticipated expiration: 2031-08-10
Also published as: CN102331244B

Abstract

本发明公开一种利用普通数码相机获取水稻冠层叶面积指数的方法。采用普通数码相机，以相机镜头主光轴与水稻冠层垂直平面成57.5度的方式，从水稻冠层上方拍摄得到冠层图像。对此冠层图像进行灰度转换、二值化和噪声消除后，从中直接提取57.5度视角天顶角下的冠层孔隙度。根据水稻冠层LAI与57.5度视角天顶角冠层孔隙度的关系，直接计算水稻冠层叶面积指数。该方法避免采用昂贵的进口专用设备，和野外采摘水稻叶片进行破坏性人工测量，能实时快速获取水稻冠层LAI，为实时监测水稻长势、进行水稻遥感估产提供基础参数。

Description

利用普通数码相机获取水稻冠层叶面积指数的方法

技术领域

本发明涉及一种获取水稻冠层叶面积指数的方法，尤其是涉及一种利用普通数码相机获取水稻冠层叶面积指数的方法。

背景技术

水稻是我国最主要的粮食作物之一。水稻叶片是水稻与外界环境发生相互作用的主要场所，水稻的许多生物物理过程，包括光合、呼吸、蒸腾和降水截获等过程，都发生在叶片。叶面积指数（LAI）反映了单位地表上植物叶片的总面积。它决定了水稻对辐射、水分等的利用和管理的能力。因此，LAI是反映水稻生长状况，估计水稻产量的重要指标。

传统的获取水稻LAI的方法主要是“直接量测法”，李云梅（李云梅.植被辐射传输理论与应用[M].南京：南京师范大学出版社，2005.）通过实测已知面积地表上的水稻叶片总面积来换算叶面积指数。另外，Warren Wilson （Warren Wilson, J. and Reeve,J,L.,1959.Analysis of the spatial distribution of foliage by two- dimensional point quadrats. New Phytol.,58:92-101.）采用“投针法”测定了植株叶面积指数。

上述“直接量测法”和 “投针法”测定速度慢、工作强度大，测定精度很大程度上依赖于测量人员的实际经验，易受主观因素影响。因此，为了能快速、便捷、客观地获取作物冠层LAI ，研究者们研究了新的方法和仪器。

刘国安【刘国安.作物叶面积指数和叶倾角分布函数的一种推算方法.中国农业气象,1994,15(6):11-15.】根据对冠层中光斑密度和太阳总辐射量的测定，应用与多元回归分析类似的简单最小二乘法来间接地推算玉米和油菜群体的叶面积指数和叶倾角分布函数。吴门新[吴门新,朱启疆,王锦地,项月琴,苏理宏,周晓东,唐世浩.夏玉米结构参数计算及大田玉米冠层的可视化研究.作物学报,2002,28（6）:721-726.]在几何图形法、参数法和直接测量法的基础上,利用实测数据结合数字图像处理获得的相关数据建立了图像LA I与实测LAI 的回归模型，成功批量获取了夏玉米的LAI。Kristian Kirk (Kristian Kirk, Hans Jorgen Andersen, Anton G. et al. Estimation of leaf area index in cereal crops using red green images. Bio-systems engineering , 2009, 104:308-317) 利用普通数码相机拍摄的春大麦和冬小麦图像的红绿波段，计算绿度和亮度作为图像分类依据，根据指数型孔隙度计算模型反演LAI。此外，吴伟斌【吴伟斌,洪添胜,王锡平,彭万喜,李震,张文昭.叶面积指数地面测量方法的研究进展. 华中农业大学学报,2007,26(2):270-275】认为，现有的测量仪器如Decagon公司生产的AccuPAR冠层分析仪和LI-COR公司生产的LAI-2000能快速测量LAI。但作为进口仪器，它们的价格都比较昂贵，不利于在我国的广泛推广使用。这些仪器本身也存在一些缺点。比如，这些仪器要求从冠层底部向上采集辐射信息，对于处于生长初期的植物或者冠层高度较低的植物（如水稻），由于仪器本身有一定的厚度，所以无法获得完整的冠层信息。而且有些仪器必须分别两次采集冠层上、下方辐射信息，不利于将仪器固定在移动设备（拖拉机等）以采集大面积的LAI数据。

发明内容

为了克服现有的人工野外测量水稻冠层LAI费时费力、难以实时快捷准确获取结果的缺陷，本发明的目的在于提供了一种利用普通数码相机获取水稻冠层叶面积指数的方法，是基于普通数码相机以57度视角天顶角拍摄水稻冠层图像，并提取孔隙度反演水稻叶面积指数的方法。

本发明采用的技术方案的步骤如下：

1）拍摄图像：将普通数码相机镜头主光轴与水稻冠层垂直平面设置成57.5角度，从水稻冠层上方拍摄水稻冠层原始彩色图像，以JPG图像文件的形式存放在电脑中；

2）彩色图像灰度转换：将经过1）步骤中获得的水稻冠层原始彩色图像通过图像处理软件转换为灰度图像，存放在电脑中；

3) 灰度图像二值化：将2)步骤中的灰度图像转换为只含有“黑”、“白”两种象元的二值图像，存放在电脑中；

4）图像噪声消除：采用变形核为5×5的中值滤波的方法处理3）步骤中获得的二值图像，消除图像中的椒盐噪声或斑点；

5）冠层孔隙度提取：从4）步骤处理得到的二值图像直接提取水稻冠层57.5度视角孔隙度；

6）计算叶面积指数：根据水稻冠层叶面积指数与57.5度视角的冠层孔隙度的关系计算叶面积指数；

7）整个计算采用Visual C# 2008编程实现。

所述的冠层孔隙度提取，通过象元统计方法计算冠层孔隙度，即：冠层孔隙度=背景象元数量/图像象元总数量，由于是以57.5度的视角天顶角拍摄的图像，因此得到的冠层孔隙度就是57.5度视角的冠层孔隙度。

本发明具有的有益效果是：

本发明避免采用昂贵的进口专用设备和野外采摘水稻叶片进行破坏性人工测量，能实时快速获取水稻冠层LAI，为实时监测水稻长势、进行水稻遥感估产提供基础参数。

附图说明

图1代表了在本发明中利用普通数码相机拍摄水稻冠层原始彩色图像时所用的装置结构示意图。

图2是本发明数据处理流程图。

图3是本发明计算值与人工直接测量值的对比图。

图4代表了本发明计算的水稻冠层LAI值与用人工方法直接测量得到的LAI值的精度对比图。

图中：1、带水平指示气泡的三角架，2、云台，3、相机镜头主光轴，4、三脚架中轴中心线，5、相机机身，6、相机镜头，7、三角架中轴，8、水稻。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。

1）相机拍摄角度设定

如图1所示，首先将带水平指示气泡的三角架1的三个脚张开，并适当调节，使水平指示气泡指示三脚架顶部处于水平状态。将相机机身5固定在云台2上，随后将固定有相机的云台固定到三脚架中轴7顶部。将一个带数字显示的倾角测量仪先在水平地面上初始化，使其读数为零，然后贴紧在相机后部的液晶显示屏上；松开云台2倾斜度固定螺丝，相机镜头6前方朝下，沿相机镜头主光轴3垂线方向调节云台倾角，使倾角测量仪的读数为32.5°，即相机液晶屏与三脚架中轴中心线4的夹角为32.5°，旋紧云台倾斜度固定螺丝。从相机机身5结构来看，相机镜头主光轴3与液晶屏是垂直的，那么，相机镜头主光轴3与三脚架中轴中心线4的夹角就是90°-32.5°=57.5°，也即此时相机镜头6的视角天顶角为57.5°。上下调节三脚架中轴7，使相机镜头6最低端距离水稻8的冠层最顶端1米，随后固定三脚架中轴7。

2) 拍摄水稻冠层图像：

在选定的田块中按“S”型分布设立4个1m×1m拍摄小区，平均每小区里内有36株水稻。选择早稻为拍摄对象，分别拍摄4次。

每次拍摄前，按1）中架好相机后，将相机曝光模式为“自动”，相机镜头方位角随机，拍摄水稻冠层图像。在拍摄水稻冠层照片的同时，数清每个小区内水稻的株数N，并随机抽取 4 株，采用美国Li-Cor公司的LA3000叶面积测试仪测试每株水稻活体叶片的面积A _i，则直接测量法叶面积指数LAI_direct计算公式采用：

Figure 2011102280893100002DEST_PATH_IMAGE001

(1)

式中，N为每一小区水稻的实际株数，A _i为LA3000测得的每一片水稻叶片的面积，m为每株水稻的所有叶片数。

3) 彩色图像灰度转换：

转换公式采用：

Gray(x,y)= G(x,y) *2-B(x,y)-R(x,y) （1）

式中：

Gray(x,y)——灰度图像上点(x,y)处的灰度值；

R(x,y)——原始彩色图像中点(x,y)处的红色分量值；

G(x,y)——原始彩色图像中点(x,y)处的绿色分量值；

B(x,y)——原始彩色图像中点(x,y)处的蓝色分量值；

4) 图像二值化：

（2）

式中：

BW(x,y)——二值图像上点(x,y)处的像素值；

Gray(x,y)——灰度图像上点(x,y)的灰度值；

T——选定的阈值，

BW(x,y)=0 ——黑色，表示(x,y)点处为水稻叶片；

BW(x,y)=255 ——白色，表示(x,y)处为天空；

阈值确定方法：

经3）中灰度化处理得到的图像，可以得到典型的双峰型图像：水稻冠层中的像素产生直方图中的一个峰，而背景产生直方图中的另一个峰，物体与背景的边界附近具有两个峰值之间的灰度级，其像素数目相对较少，从而产生了两峰之间的谷。选择谷作为灰度阈值可以得到合理的分割结果。灰度值大于该阈值的象元被划归为天空象元，灰度值小于该阈值则被认为是水稻叶片。

5）图像噪声消除：

4）中的图像二值化处理往往会引入椒盐噪声，如图3-a所示，即一些分散的孤立象元。采用变换核为5×5的中值滤波消除这些孤立象元，椒盐噪声去除后的图像如3-b所示。

6) 孔隙度提取：

冠层孔隙度提取，通过象元统计方法计算冠层孔隙度，即：冠层孔隙度=背景象元数量/图像象元总数量，由于是以57.5度的视角天顶角拍摄的图像，因此得到的冠层孔隙度就是57.5度视角的冠层孔隙度。

7）计算叶面积指数：

Figure 2011102280893100002DEST_PATH_IMAGE003

根据Beer-Lambert定律，水稻冠层叶面积指数与冠层孔隙度的关系如下：

（3）

式中：

LAI——水稻冠层叶面积指数，

T(θ)——天顶角θ为视角的冠层孔隙度，

G(θ,α)——叶倾角为α的水稻冠层叶片在天顶角θ方向上的投影。它有个特点，在视角天顶角为57.5°左右时，G(θ,α)=0.5，而与叶倾角α关系不大。因此，根据G函数的这个特点，基于5）中提取的冠层孔隙度T，再按（4）式计算LAI：

Figure 2011102280893100002DEST_PATH_IMAGE005

（4）

式中：

LAI——水稻冠层叶面积指数，

T——从图像上获取的冠层孔隙度。

将用本方法得到的水稻冠层LAI值作为预测值，用LA3000测量的LAI值作为观测值，作散点图如附图4所示，同时进行线性拟合，来验证本方法的精确度和准确度，。

附图4表明，用两种方法得到的LAI值进行线性拟合时，二者之间的关系可以用公式LAI_pred=1.077*LAI_LI来描述（LAI_pred为本方法得到的LAI值，LAI_LI为LI3000测得的LAI值。图4中黑点表示LI3000测量值对应的本方法测量值。图4中黑色斜线的斜率为1）。从公式参数的统计学意义分析，以LI3000测得的LAI作比较，公式斜率为1.077，非常接近1，则说明本方法所测LAI值准确度非常高；决定系数R²为0.932，非常接近1，则说明本方法所测LAI值精确度非常高。

因此，本方法只需要利用普通数码相机在水稻冠层上方拍摄一次图像就可以快速获得准确度和精确度相当高的LAI值，非常方便快捷。

Claims

1.一种利用普通数码相机获取水稻冠层叶面积指数的方法，其特征在于该方法的步骤如下：

7）整个计算采用Visual C# 2008编程实现。

2.根据权利要求1所述的一种利用普通数码相机获取水稻冠层叶面积指数的方法，其特征在于：所述的冠层孔隙度提取，通过象元统计方法计算冠层孔隙度，即：冠层孔隙度=背景象元数量/图像象元总数量，由于是以57.5度的视角天顶角拍摄的图像，因此得到的冠层孔隙度就是57.5度视角的冠层孔隙度。