CN102483808A - 用于测量多层微作物密度及生长的植被指数 - Google Patents
用于测量多层微作物密度及生长的植被指数 Download PDFInfo
- Publication number
- CN102483808A CN102483808A CN2010800332878A CN201080033287A CN102483808A CN 102483808 A CN102483808 A CN 102483808A CN 2010800332878 A CN2010800332878 A CN 2010800332878A CN 201080033287 A CN201080033287 A CN 201080033287A CN 102483808 A CN102483808 A CN 102483808A
- Authority
- CN
- China
- Prior art keywords
- reflectivity
- vegetation
- mlvi
- index value
- spectrum
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了使用至少两种对比指数值来产生目标区域的植被信息的方法及系统。所述对比指数值可基于相对于非植被而言的植被的特定反射率特性而产生。
Description
相关申请的交叉引用
本申请要求2009年6月11日提交的、名称为“用于测量多层微作物密度及生长的植被指数”的美国临时申请第61/186,349号的权益,其全部内容通过引用并入本文,如同在本文中充分描述该文献一样。
背景技术
许多产业将得益于确定植被生长的区域及其条件(例如,植被的生长速率)的技术。定量这些条件的遥感方法已被研究多年。卫星、空中和手动操作式遥感系统可为这些目的提供有用的信息。具体而言,已经开发出了使植被区域在多光谱带中成像的成像方法,并且从这些光谱图像中计算指数。所述指数仅为每个像素的数值,所述数值提供诸如植被密度之类的植被的目标信息。这种指数值随时间的变化提供所述植被生长率的信息。
许多这些指数利用叶绿素的光谱反射率特性区分植被和非植被。叶绿素在光谱的近红外处有相对高的反射率,且在光谱的可见光部分(尤其是可见红光谱)有相对低的反射率。在植被附近发现的大多数其他普通材料(例如土壤、岩石和水)在近红外区域和可见光谱区域具有大致相同的反射率。因此计算红外像素值和可见光像素值的差值的指数将产生对叶绿素来说相对大的值且对其他材料来说相对小的值。这是许多植被指数的基础。
由于与叶绿素在可见红光区的反射率相比,叶绿素在近红外区具有显著较高的光学反射率,因而与可见红光区的数码图像中植被的像素值相比,近红外区的数码图像中的植被的像素值相对较高。就其他普通材料而言,红外的像素值和红光的像素值往往相等。因此,由近红外像素值与红光像素值之差除以近红外像素值与红光像素值之和构成的商值产生指数,该指数对于植物材料而言相对较高(大约0.3至0.8),而就其他材料(诸如云、雪、土壤、岩石和水泥之类)而言,该商值往往相对较低或甚至为负。通过使用商值,光照强度(但不是光谱)的变化被抵消;在商值中,IR与红光区的照度的变化在数学上被抵消。
然而,由于植被的反射率主要受最顶部的单个叶片的反射率影响,因而植被指数的应用通常限于测量俯视遥感系统所见的植被的面积。这将仅提供定量总体植被的近似值。对于单层的植被(例如,草)来说,这种近似方法可产生对所呈现的总植被相当准确的测量。但是,对于多层植被(例如丛林、森林或者甚至树木)来说,这些方法的精确性差得多,因为日光的照射不足以深入透射到多层的植被内部以提供对总植被的精确估计。
发明内容
本文中描述的本发明的一些方面包括产生植被信息的方法。所述方法可包括提供测绘图信息,所述测绘图信息限定期望得到植被信息的目标区域;提供成像系统;使用所述成像系统拍摄目标区域在波段光谱中的图像;记录与所述图像有关的图像数据;处理所述图像数据,其中,所述处理包括产生至少两种对比指数值;以及使用所述至少两种对比指数值产生植被信息。所述测绘图信息可包括目标区域的边界信息和/或地形学信息。例如,所述成像系统可为数码照相机系统。所述数码照相机系统可包括至少12比特的比特深度。所述数码照相机系统可配置成在完全日光至接近黑暗的曝光水平的范围中保持色度的稳定性。所述数码照相机系统可配置成在图像拍摄之时/之处典型的环境温度范围中保持热稳定性。所述波段光谱可包括可见光波段。所述波段光谱可包括近红外波段。
所述对比指数值中的一种可为植被指数值VI(A-B),所述指数值VI(A-B)由公式VI(A-B)=(对A的反射率-对B的反射率)/(对A的反射率+对B的反射率)定义,其中,A和B为不同的波段。在一些实施方式中,得到的植被指数值可为归一化植被指数(normalized difference vegetation index,NDVI)。在其他的实施方式中,所述对比指数值中的一种可为植被指数值VI(B-C),所述植被指数值VI(B-C)由公式VI(B-C)=(对B的反射率-对C的反射率)/(对B的反射率+对C的反射率)定义,其中,B和C是不同的波段。在其他的实施方式中,A可为可见绿光光谱中的波段,B可为可见红光光谱中的波段,且C可为可见蓝光光谱中的波段。
在处理之后,可将对比指数值的负值设为零。可产生归一化植被指数(NDVI),并可产生由公式VI=NDVI*VI(A-B)*VI(B-C)定义的植被指数值VI。在一些实施方式中,所述对比指数值中的一种可为植被指数值VI(D-B),所述植被指数值VI(D-B)由公式VI(D-B)=(对D的反射率-对B的反射率)/(对D的反射率+对B的反射率)定义,其中,B和D是不同的波段。在其他的实施方式中,A可为红外光谱中的波段,B可为可见红光光谱中的波段,C可为可见蓝光光谱中的波段,D可为可见绿光光谱中的波段。
在其他的实施方式中,MLVI可由公式MLVI=VI(A-B)*VI(B-C)*VI(D-B)定义,其中,A、B、C和D为不同的波段。在其他的实施方式中,MLVI可由公式MLVI=VI(A-B)+VI(B-C)+VI(D-B)定义,其中,A、B、C和D为不同的波段。在另一实施方式中,MLVI可由公式MLVI=E*VI(A-B)+F*VI(B-C)+G*VI(D-B)定义,其中,A、B、C和D为不同波段,且E、F和G为系数,所述系数的值分别通过使MLVI与测得的植被量之间的均方根(rms)误差最小化来独立地确定。所述rms误差可通过线性回归最小化。在其他的实施方式中,MLVI由公式MLVI=[(对A的反射率-对B的反射率)+(对B的反射率-对C的反射率)+(对D的反射率-对B的反射率)]/[对A的反射率+对B的反射率+对C的反射率+对D的反射率]定义,其中,A、B、C和D为不同的波段。仅仅举例来说,A可为近红外光谱中的波段,B可为可见红光光谱中的波段,C可为可见蓝光光谱中的波段,且D可为可见绿光光谱中的波段。
所述植被指数值可进一步与目标区域中植被的物理特性相关联以产生植被信息。所述植被信息可包括面密度(aerial density)。可在一段时间间隔后重复下列步骤:拍摄目标区域在波段光谱中的图像、记录图像数据、处理图像数据以及使用所述至少两种对比指数值产生植被信息。可比较所述时间间隔之前与之后产生的植被信息。
数码照相机系统可包括如图4所示的集成照相机系统。所述数码照相机系统可包括如图5所示的双重照相机系统。
本发明的一些方面可包括生成公式(1)所定义的归一化植被指数(NDVI)。可生成至少另一植被指数。可生成两种、三种或三种以上的植被指数。基于目标植物的反射率特性,可进一步处理这些植被指数。这些植被指数中的至少一种可与植被的物理特性相关联以产生目标区域的植被信息。
本发明的一些方面可包括生成由公式(8)、公式(9)、公式(10)或公式(11)所定义的多层植被指数(MLVI)。可生成至少另一植被指数。可生成两种、三种或三种以上的植被指数。基于目标植物的反射率特性,可进一步处理这些植被指数。这些植被指数中的至少一种可与植被的物理特性相关联以产生目标区域的植被信息。
本发明的一些方面可包括监控根据本文描述的方法而产生的植被信息随时间的变化。
本发明的一些方面可包括产生植被信息的系统,所述系统包括:测绘图信息,所述测绘图信息限定期望获得植被信息的目标区域;成像系统,所述成像系统适于拍摄目标区域在波段光谱中的图像、记录与所述图像有关的图像数据;以及成像系统或计算机系统,所述成像系统或计算机系统适于处理所述图像数据,其中,所述处理可包括产生至少两种对比指数值,并且所述处理可使用所述至少两种对比指数值产生植被信息。所述测绘图信息可包括目标区域的边界。所述测绘图信息可包括目标区域的地形学信息。所述成像系统可包括数码照相机系统。所述数码照相机系统可具有至少每像素12比特的比特深度。所述数码照相机系统可配置成在完全日光至接近黑暗的曝光水平的范围中保持色度的稳定性。所述波段光谱可包括可见光波段。所述波段光谱可包括近红外波段。
在一些实施方式中,所述成像系统或计算机系统可进一步适于使用由公式VI(A-B)=(对A的反射率-对B的反射率)/(对A的反射率+对B的反射率)定义的VI(A-B)植被指数值来比较指数值,其中,A和B为不同的波段。得到的植被指数值可为归一化植被指数(NDVI)。对比指数值中的一种可为植被指数值VI(B-C),所述植被指数值VI(B-C)由公式VI(B-C)=(对B的反射率-对C的反射率)/(对B的反射率+对C的反射率)定义,其中,B和C是不同的波段。在一些实施方式中,A可为可见绿光光谱中的波段,B可为可见红光光谱中的波段,且C可为可见蓝光光谱中的波段。在一些实施方式中,所述成像系统或计算机系统可进一步适于在处理后将所述指数值设为零。
在一些实施方式中,所述成像系统或计算机系统可进一步适于产生归一化植被指数(NDVI),并产生植被指数值VI,所述植被指数值VI由公式VI=NDVI*VI(A-B)*VI(B-C)定义。在一些实施方式中,所述对比指数值中的一种可为植被指数值VI(D-B),所述植被指数值VI(D-B)由公式VI(D-B)=(对D的反射率-对B的反射率)/(对D的反射率+对B的反射率)定义,其中,B和D可为不同的波段。在一种实施方式中,A可为红外光谱中的波段,B可为可见红光光谱中的波段,C可为可见蓝光光谱中的波段,且D可为可见绿光光谱中的波段。
在一些实施方式中,所述成像系统或计算机系统可进一步适于产生多层植被指数(MLVI)。在其他的实施方式中,所述MLVI可由公式MLVI=VI(A-B)*VI(B-C)*VI(D-B)定义,其中,A、B、C和D为不同的波段。在其他实施方式中,所述MLVI可由公式MLVI=VI(A-B)+VI(B-C)+VI(D-B)定义,其中,A、B、C和D为不同的波段。在另一实施方式中,所述MLVI可由公式MLVI=E*VI(A-B)+F*VI(B-C)+G*VI(D-B)定义,其中,A、B、C和D为不同波段,且E、F和G为系数,所述系数的值分别通过使MLVI与测得的植被量之间的均方根(rms)误差最小化来独立地确定。所述rms误差可通过线性回归最小化。在另一实施方式中,所述MLVI由公式MLVI=[(对A的反射率-对B的反射率)+(对B的反射率-对C的反射率)+(对D的反射率-对B的反射率)]/[对A的反射率+对B的反射率+对C的反射率+对D的反射率]定义,其中,A、B、C和D为不同的波段。仅仅举例来说,A可为红外光谱中的波段,B可为可见红光光谱中的波段,C可为可见蓝光光谱中的波段,且D可为可见绿光光谱中的波段。
在一些实施方式中,所述成像系统或计算机系统可进一步适于将植被指数值与目标区域中植被的物理特性相关联来产生植被信息。所述植被信息可包括面密度。所述成像系统或计算机系统可进一步适于在一个时间间隔后重复(c)、(d)、(e)及(f)。所述成像系统或计算机系统可进一步适于比较所述时间间隔之前与之后产生的植被信息。
所述数码照相机系统可包括集成照相机系统。在其他实施方式中,所述数码照相机系统可包括双重照相机系统。
附图说明
图1举例说明根据本发明实施方式的植被探测系统示意图。该系统包括可探测植被及背景对日光的不同反射率值的光学系统。微作物可为浮萍或可包括浮萍。背景可为水或可包括水。
图2举例说明微作物密度与平均归一化植被指数(NDVI)的关系。
图3举例说明多层植被指数,如上所述,使用成像系统及其相关的软件计算所成像的植被的每一平方米区域的多层植被指数。在该实施例中,使用的植被作物为层状浮萍。对具有一定的密度范围或一定的层厚度范围的浮萍的多个区域成像。使用本文描述的步骤,并计算每个区域所得到的多层植被指数。
图4举例说明根据本发明实施方式的使用集成照相机配置的植被探测系统示意图。该系统包括透镜、分光板、可见光谱传感器及IR光谱传感器。植被可包含浮萍。
图5举例说明根据本发明实施方式的使用双重照相机配置的植被探测系统示意图。该系统包括透镜组、分光板、可见光谱传感器及IR光谱传感器。植被可包含浮萍。
具体实施方式
最近人们意识到,在水面生长的一些类型的微作物在生产许多应用中的蛋白质方面具有商业价值,所述应用包括,但不限于:动物和人类食用以及燃料生产。微作物为在尺寸上可小至数毫米的多细胞、自由漂浮的植物。一个例子是浮萍(浮萍科的一个属),它是已知的生长最快的多细胞植物。已经显示,当这种作物以数毫米或大于数毫米厚度的多层垫生长时,并且当所述厚度在整个生长区域中均匀时,该作物以最佳速率生长。达到且维持最佳生长速率以及经济可行性需要在最佳垫厚度时持续地收获或接近持续地收获,并且以维持该厚度值的速率进行收获。
本发明的方法实施方式包括能够测定微作物植被厚度的具有相关指数的遥感方法,即使这些方法对其他植被类型无效。已经测定了浮萍叶片(leave,也称为叶(frond))的光学特性使光线(尤其是近红外光)的显著光学透射得以发生,使得对这种作物厚垫的遥感成为大面积测定作物密度的具有成本效益的方法,从而优化产率。为此目的的成像系统可配置在多种类型的平台上,所述平台包括,但不限于:固定塔、航空器、飞行器和卫星。
先前已公开的植被指数的例子包括:归一化植被指数(NDVI)、增强型植被指数(EVI)和土壤调节植被指数(SAVI)。这些指数和其他指数试图通过利用上述叶绿素的反射率特性来定量植被的“绿度”。
如本文所使用的“植物”是指包括乔木、草本植物、灌木、禾本植物、藤本植物、蕨类植物、苔藓类植物、绿藻、真菌及藻类在内的生物体。植物可从土壤中长出,或者在水性介质(例如水)内部或表面上自由漂浮。
如本文所使用的植被是指植物,或者被植物覆盖的区域。非植被是指非植物,或者未被植物覆盖的区域。
如本文所使用的反射率(reflectance和reflectivity)是指被表面反射的入射辐射的比率。
本文公开的内容描述了层状微作物(例如,浮萍)的植被指数的应用。本文公开的内容描述了最佳植被指数,所述最佳植被指数为多层植被指数(MLVI),所述多层植被指数(MLVI)利用叶绿素的反射率特性以提供多层微作物的增强表现,所述叶绿素的反射率特性不仅如同上述指数一样包括在近红外光谱区的反射率特性,还包括可见光谱的反射率特性。利用所有这些信息提供定量多层植被的最佳方式。进而,定量多层植被对在最佳产率时间点安排这种植被的收获时间尤其有用。
在本文公开的内容中,仅为方便起见,使用太阳辐射作为光源来生成图像。然而,其他光源也可用来生成图像。就测试目的而言,可用一些人工光源。仅仅举例来说,白炽灯光源可用于测试,原因是它们输出的光包括大量近红外辐射。其他类型的人工光(例如荧光)未必有用,原因是它们不发射显著的近红外辐射。
卫星、空中和人工操作式遥感系统可在识别植被区域及其条件方面有用,所述条件例如树冠、密度、生长率等等。仅仅举例来说,作物或微作物(例如浮萍或微藻类)的商业化种植可获益于测量其面密度的有效方法。所述面密度的信息可包括,例如,每单位面积有多少植被出现。所述植被可包括,但不限于,作物或微作物。在单个时间点上或在一个时间段中,这样的信息可提供例如对区域或生物反应器的利用效率的定性和/或定量评估,和/或对作物或微作物的生长率的定性和/或定量评估,所述定性和/或定量评估可进一步指导作物或微作物的生长实践。例如,作物或微作物的生长率可提供关于作物或微作物是否得到足够的光、水、肥料等等的指导,或者提供关于何时收获的指导。
来自感应系统(例如,来自如图1所示的光学系统)的未处理图像数据可转换为基于植物对波段光谱的反射率特性的指数。仅仅举例来说,NDVI可为这样的指数。就一幅图像或一批图像的像素而言,NDVI可定义为图像的同一像素的近红外反射率值和可见红光的反射率值之差与图像的同一像素的近红外反射率值和可见红光的反射率值之和的商值,如下:
(1)NDVI=(NIR-RED)/(NIR+RED),
其中,NIR和RED分别表示在近红外区和红光区获取的光谱反射率。NIR和RED分别定义为在各光谱带中入射辐射的反射率比值。因此,NIR和RED可为0.0至1.0。NDVI可为-1.0至1.0。
所述近红外区被限定为在近红外光谱中的波段,所述在近红外光谱中的波段被限定为从约700nm至约1400nm的一系列波段。所述红光区被限定为可见红光光谱中的波段,所述可见红光光谱中的波段被限定为从约620nm至约700nm的一系列波段。所述可见绿光光谱被限定为从约495nm至约570nm的一系列波段。所述可见蓝光光谱被限定为从约450nm至约475nm的一系列波段。
NDVI利用了相比其他普通材料(例如,土壤或水)而言植物叶绿素独特的光谱反射率特性。叶绿素是在大多数植物、藻类和蓝藻中发现的绿色色素。叶绿素对光合作用来说是至关重要的,所述光合作用使得植物从光中获取能量。仅仅举例来说,有生命的绿色植物可在光合有效辐射(PAR)光谱区中吸收太阳辐射。在光合作用过程中这些植物可使用吸收的太阳辐射作为能量来源从而将二氧化碳转化为有机化合物(例如,糖类)。仅仅举例来说,这些植物可散射、反射和/或透射近红外光谱区中的太阳辐射,所述近红外光谱区的太阳辐射的每光子能量不足以进行光合作用。就含有叶绿素的植物而言,NIR可高于RED。因此,这些植物的NDVI可为正值。
仅仅举例来说,诸如洋、海、湖或河之类的独立水体可具有相当低的NIR值和RED值,以及非常低的正的NDVI或略微负的NDVI。土壤可具有比RED稍高的NIR,以及数值较小的正的NDVI。
因此,NDVI可用于定性和/或定量区分植被与非植被。可进一步处理NDVI从而产生关于诸如面密度之类的信息。面密度可指叶面积指数(LAI),所述叶面积指数(LAI)描述植物覆盖的区域的比率。LAI可由NDVI高于或低于阈值的像素所代表的区域与总目标区域的比值计算得出。如果图像中的每一像素代表相同区域,那么LAI可通过NDVI高于或低于阈值的像素数目与目标区域图像的像素总数目的比值计算得出。目标区域可由测绘图信息限定,所述测绘图信息可包括目标区域的边界和/或地形学信息。
为方便起见,下列描述出现在在水中生长的微作物(例如,浮萍)的内容中。
图1举例说明系统100的示意图,系统100通过光学系统101评估目标区域中的微作物的生长。所述微作物可在水102的表面上生长或在接近于水102的表面处生长。来自太阳104的太阳辐射103可照射到微作物层105上及背景106上。背景106可包括水102和周围环境,水102在目标区域内但不被微作物覆盖,所述周围环境在目标区域之外但在光学系统101可探测的范围内。光学系统101可接受来自微作物107所反射的辐射和来自背景108所反射的辐射。微作物对太阳辐射的某些波段的反射率可与背景106的反射率不同。光学系统101或与其连接的其他处理设备(图中未显示)可记录未处理的图像数据,并将所述未处理的图像数据转换从而生成对比指数值(例如,NDVI)。可将NDVI与阈值比较,并可将NDVI进一步转换为植被信息。所述阈值可基于目标植物及背景的反射率特性而选择。所述阈值可由经验确定。如前所述,所述指数值(例如,NDVI)就植被而言可为0.3至0.8。非植被值往往小于此范围,或甚至可为负值。因此,0.3的阈值可使植被与非植被充分区分。然而,万一作物表现出该范围以外的值,可降低或提高所述阈值直到达到充分区分为止。所述“充分”水平可取决于应用。执行这种在测量值与阈值之间对比的软件可为定制开发的。仅仅举例来说,将测量值与阈值进行比较的的步骤可包括:确定像素值是否大于或等于阈值(例如,0.3);如果所述值大于或等于所述阈值,将所述像素指定为对应于植被;如果所述值小于阈值,将所述像素指定为不对应于植被。所述植被信息可包括,例如,面密度或LAI、树冠、生长速率等等,和/或其任意组合。
使用如图1所示的光学系统产生植被信息(例如,LAI)的潜在问题可为其不但可接收由微作物反射的光并且还可接收由背景反射的光。所述背景可包括围绕微作物层的直接背景(图1未显示)以及在目标区域以外但在光学系统可测量的范围内的周围环境,所述围绕微作物层的直接背景可为在目标区域中但不被微作物覆盖的水。所述周围环境可包括天空、陆地物体,所述陆地物体包括建筑等等和/或其任意组合。无论光学系统与相应目标区域呈何种角度,所述周围环境均可存在。例如,垂直于目标区域表面安放的光学系统可接收由天空反射的太阳辐射;不垂直于所述表面安放的光学系统可接收由周围环境中存在的陆地物体反射的太阳辐射。精确区分由微作物反射的太阳辐射与由背景反射的太阳辐射可提高获取的植被信息的质量。
当存在多层重叠的微作物时,植被信息(例如,LAI)可难以获取。到达微作物层的光的量可随其上方层数的变化相反地变化。类似地,被所述层反射的光的量和被光学系统探测到的光的量可随其上方层数的变化相反地变化。这些可导致植被的对比指数值与非植被的对比指数值(例如NDVI)的差可随其上方层数的变化相反地变化。
一些实施方式包括使用具有更高精确度的照相机系统。所述照相机系统可包括数码照相机系统,所述数码照相机系统可具有更高的“比特深度”。仅仅举例来说,可拍摄图像并将其转换为每像素8比特的图像数据的数码照相机系统可满足约2层至约3层重叠微作物的NDVI测量的需要;可拍摄图像并将其转换为每像素12比特至18比特或18比特以上的数码图像数据的数码照相机系统可满足约3层或3层以上的重叠微作物的NDVI测量的需要。
照相机系统的另一改进可为在色度稳定性和/或热稳定性程度上的改进。红通道、绿通道和蓝通道的图像和/或其数码图像数据的相对值可保持在曝光水平范围内和/或周围环境温度范围内(例如,在用于NDVI测量的图像被拍摄之处/之时的标准的一天之中)。曝光水平可为完全日光至接近黑暗。周围环境温度可为约-50摄氏度至约100摄氏度,或者为约-25摄氏度至约80摄氏度,或者为约-10摄氏度至约60摄氏度,或者为约0摄氏度至约50摄氏度,或者为约10摄氏度至约40摄氏度。照相机系统的色度稳定性和/或热稳定性可通过照相机增益及偏移中的线性度和稳定度而提高,可通过检测器阵列中的线性度和稳定度而提高,可通过模拟电子电路和数字电子电路的线性度和稳定度而提高,所述模拟电子电路和数字电子电路可包括放大器和/或A/D转换器等等,或其任意组合。
一些实施方式包括使用数码照相机系统并拍摄目标区域在波段光谱中的图像。所述波段光谱可包含可见光区的波段。所述波段光谱可包含近红外区。图像数据可被处理从而对目标区域图像的每一像素生成至少两种对比指数值。还可生成三种、四种或四种以上对比指数值。基于目标植物或目标植物的成分的反射率特性可选择至少两种对比指数值。仅仅举例来说,就第一类型的叶绿素和/或含有叶绿素的植物(所述第一类型的叶绿素和/或含有叶绿素的植物对绿光的反射率高于对红光的反射率,且对红光的反射率高于对蓝光的反射率)而言,所述对比指数值可为下列由公式定义的植被指数值:
(2)VI(绿光-红光)=(对绿光的反射率-对红光的反射率)/(对绿光的反射率+对红光的反射率),以及
(3)VI(红光-蓝光)=(对红光的反射率-对蓝光的反射率)/(对红光的反射率+对蓝光的反射率)。
为了测量其中存在含有叶绿素的第一类型植物的目标区域的植被信息,与单独使用NDVI相比,可将这两种指数与NDVI同时使用从而提高区分植被与非植被的精确度,并可促进对图像数据的后续处理。例如,可确定所述植被区域并可计算LAI。所述植被指数值的至少一种可与植被的物理特性相关联。仅仅举例来说,NDVI可与NDVI所代表的植物的面密度相关联。所述植被的物理特性可包括:面密度、光合作用能力、生长速率等等,或其任意组合。
这些植被指数可进一步转换。例如,基于第一类型的植物的上述反射率特性,VI(绿光-红光)和VI(红光-蓝光)可均为正值。如果图像像素的两种植被指数中的一种具有负值,那么所述像素可代表非植被区域,并且该像素的植被指数值可设为零。这两种植被指数的非零结果和NDVI可为确定所述反射率特性是否同时存在的数学方法。
仅仅举例来说,如果在同一目标区域中存在第二类型的物体,并且如果第二类型的物体对绿光的反射率高于对红光的反射率,对蓝光的反射率也高于对红光的反射率,那么VI(绿-红)和VI(红-蓝)的值可使用方程(2)和方程(3)来计算。负的植被指数可设为零。这两种植被指数的非零结果和NDVI可为区分第一类型的植物与第二类型的物体的数学方法。或者,图像数据可如下转换:
(4)VI(蓝光-红光)=(对蓝光的反射率-对红光的反射率)/(对红光的反射率+对蓝光的反射率)。
可应用方程(2)和方程(4)来计算目标区域的植被指数VI(绿光-红光)和VI(蓝光-红光)。负的植被指数可设为零。这两种指数的非零结果和NDVI可为确定第二类型物体的所述反射率特性是否同时存在的数学方法。这样,可对目标区域创建第一类型植物和第二类型物体的分布测绘图。所述第二类型物体可为植物。
目标区域的图像可随时间进行拍摄,定期或不定期进行,每个时间点的图像数据可使用上述的任何方法处理。可比较不同时间点的植被信息,并且不同时间点的植被信息可表明,例如,植物的生长速率,或不同类型植物的相对生长速率。这样的信息可作为以下问题的指导:植物的生长条件是否理想、何时收获等等,或其任意组合。
所述图像感应系统可包括各种照相机和感应系统。所述图像感应系统可包括单个集成近红外(IR)/可见光照相机或两个照相机的组合。在包括两个照相机的实施方式中,所述照相机中的一个是IR照相机且另一个是可见光照相机。
所述成像系统包括软件,所述软件可整合像素信息,可计算一系列数学运算,并可创建输出,所述输出限定植被作物密度信息。
本发明的一种实施方式包括测定微作物植被厚度的方法,所述方法包括:
1.安放照相机系统,其中,植被区域在视野范围内。这可要求所述照相机放置在视野较好的位置。所述位置可为,例如,塔、用绳拴住的气球或飞行器。放置方法可取决于正在拍摄的区域、地理条件或取决于运行环境的其他因素。
2.在视野范围内放置参考目标。可已知所述目标在可见光范围中的反射率和在IR光谱范围中的反射率。这些目标可用于校正太阳辐射一天天的变化及在一天之内的变化所带来的影响。所述目标可为浮萍,但不限于浮萍。仅仅举例来说,良好的参考目标为已知的几个小区域的浮萍,但浮萍密度不同,所述密度涵盖了目标密度范围。
3.获取与目标区域匹配的IR图像和可见光图像。仅仅举例来说,可收集几份图像集,目的是含有合理地尽可能多的这种冗余测量集。所述图像集可转移至通用计算机进一步处理。所述图像集可为raw、tiff、bmp、nef或其他兼容格式。由于压缩失真,压缩图像文档(如jpeg文档)将不适用。
4.对图像集进行重映射,从而每一图像中同一像素的位置尽可能接近地代表物体空间中的同一点。仅仅举例来说,如下所述的几何重映射步骤可用于该转换。
5.校正图像的四次方余弦曝光衰减(cosine fourth exposure falloff),所述校正从得到的图像的中间向边缘和角落进行,以校正如进一步所描述的图像边缘附近的光强度衰减。
6.测量所述图像中的校准目标并计算那些已知目标区域的平均植被指数。所述平均植被指数可为MLVI。这使所述多层植被指数值得以校准为浮萍的绝对重量与密度,所述浮萍的绝对重量与密度的单位例如克/米2。另外,计算所述测量集平均值的方差从而提供对所述测量的准确性的量度。
7.选择目标区域,其中,对浮萍物质的测量是期望的。所述选择过程可为自动的或手动的。如果所述测量区域是事先已知的,那么分析软件可自动选择所述目标区域。很多情况下,操作者可能希望手动选择分析的区域。计算所述区域的平均多层植被指数。使用来自上面步骤6中的参考目标的校准数据,可确定浮萍物质的重量。
图1是举例说明所述成像系统、太阳光照和微作物层的几何图形。
图像感应硬件
所述图像感应系统可由多个照相机和感应系统构成。所述系统可包括集成的近IR/可见光照相机或双照相机系统:一个IR照相机及一个可见光照相机。
集成照相机系统400的一个实例如图4所示。此照相机系统包括单透镜401和分光板402,分光板402分隔可见光辐射和IR辐射,并且将它们导向两个分开的成像阵列。一个阵列405对近IR光谱403敏感而另一个阵列406对可见光谱404敏感。这些阵列可为CCD(电荷耦合装置)阵列或CMOS(互补金属氧化物半导体)阵列且可通过一套普通电子设备控制。重要的是,传感器阵列405和406被精确排列从而每个阵列的同一像素覆盖相同的被测量的物体目标。由于这不总是可能的,因此使用几何上将一个阵列映射到另一个阵列的数学步骤。下面描述一个示例性的数学步骤。
图5中显示一个双照相机系统500。在此配置中,存在一个可见光照相机510和一个近-IR照相机520。可见光照相机系统510包括单透镜514,通过单透镜514,可见光谱513进入且光束512被导向RGB可见光传感器511。近-IR照相机系统520包括单透镜524,通过单透镜524IR光谱523进入且光束522被导向IR传感器521。牢固、相互靠近地安装所述照相机从而使每个照相机捕捉到的图像在几何上与另一照相机的图像尽可能接近。由于透镜特性和其他因素的不同,可采用数学步骤将来自一个照相机的像素转换到另一个照相机的图像空间中。这是用于上述集成照相机的同一步骤。发明者使用改良的商售Nikon照相机系统和定制的外壳建立了该双重系统,所述定制的外壳将照相机严格地保持在相对于彼此的同一位置。
软件组件
几何校准和校正
来自IR阵列和可见光阵列的图像的重映射可如下进行。首先,系统可收集校准图像。可选择所述校准图像,从而使覆盖整个图像区域的许多易于定位的目标对IR阵列和可见光阵列都是可见的。所述校准图像中的这些点的每一个的坐标可在每一阵列的像素空间中测量。结果,对于每一阵列,可获取大量像素(x,y)坐标。优选地,像素x,y坐标的数目是100个点或100个点以上。然后使用说明平移、旋转、比例系数和其他可能的效果的几何转换模型可测定几何转换的系数或参数,所述几何转换将一套调整后的像素映射到另一套像素中。采用了该转换后,来自可见图像的像素(x,y)覆盖了来自IR图像的像素(x,y)的同一目标空间。所述几何转换模型在地理测绘、测量及空中摄影中使用。这些方法已适于开发程序以获得这些转换。
辐射度及色度校准和校正
理想的是获取微作物的图像,所述微作物的图像为正确曝光的,从而没有像素是饱和的也没有像素是未曝光的。过程可涉及调整照相机系统的曝光度,例如,在包含所述微作物的同一场景内对校准目标成像。这样的目标可具有与所述微作物表面任何区域一样高的反射率数值。可通过对这些校准目标成像以及调整曝光而在运行使用前调整所述曝光。仅仅举例来说,调整曝光可包括调整合适的数值和/或快门速度直到校准目标的曝光正好在所述照相机系统能够达到的最大曝光值以下。
色度校准是保证颜色成像具有保真度的过程。仅仅举例来说,要求在照度和曝光的不同组合下,使具有相同红、绿和蓝的像素值的区域(白色区域)保持白色。使用先前段落中的步骤校准每一光谱带以保证上述要求。使用白色校准目标且所述白色校准目标可为白色颜料制造的或出于此目的而购买的。
平场处理
成像系统中的一个基本问题是检测器阵列中的曝光变化,所述曝光变化通称为四次方余弦衰减。在光学成像系统中,对于给定的物体发光度(亮度)来说,传感器中的图像照度随着从图像的中间往外移动而下降,所述下降是由所涉及的几何光学引起的。所述照度下降的结果是所述图像朝向其边缘方向暗化。考虑到具有某些理想特性的透镜可显示出相对照度的下降几乎根据所述目标点偏离照相机轴线的夹角的余弦的四次方来变化。所述照相机通过对平面图像成像并测定衰减系数来校准所述衰减,所述衰减系数通常为所述余弦的四次方。仅仅举例来说,可使用所测得的数据的衰减系数的最小二乘法拟合作为图像中心的夹角的函数。
多层植被指数(MLVI)
一些指数将提供对一些层状植被类型的总植被的量度。这样的植被的一个例子是浮萍。已发现简单构造的指数对层状浮萍有效,所述层状浮萍的厚度是用于最佳生长及收获的厚度。NDVI作为这样的指数可为有效的。
大多数先前已描述的这些指数并未充分利用已知的叶绿素光谱特性。例如,NDVI仅使用两条光谱带,从而利用叶绿素在近红外处相对高的反射率,所述叶绿素在近红外处相对高的反射率是相比可见红光带而言的。然而,也已知的是,叶绿素在可见绿光带中具有相对高的反射率,且在红光带中和蓝光带中具有相对低的反射率。
此外,与红光区相比,可见蓝光光谱区中的反射率相对较低。换言之,与现有指数中使用的信息相比,指数包括更多可用的信息。使用这些额外信息和用于定量多层植被的提高的敏感度将改进植被与非植被的区分。
存在多种方法来将此额外信息包括在内,因此所述多层植被指数不是仅为一种单一的指数,而是多种指数的家族。
仅仅举例来说,所述额外信息可通过构建三种基本指数并且组合所述指数而相加。例如,如果“近红外”、“红”和“蓝”指数可如下定义:
(5)Index_infrared=(ir-red)/(ir+red)
(6)Index_green=(green-red)/(green+red)
(7)Index_red=(red-blue)/(red+blue)
那么这些指数可通过相乘或相加而进行数学组合,从而得到:
(8)MLVI_1=Index_infrared*Index_green*Index_red,或
(9)MLVI_2=Index_infrared+Index_green+Index_red
那么得到的指数将包括叶绿素在这些光谱区中的所有光谱信息。其他组合也是可能的。
仅仅举例来说,引入该额外信息的另一方式可为对上面给出的三种指数进行线性组合,从而得到:
(10)MLVI_3=a*Index_infrared+b*Index_green+c*Index_red,
其中,a、b和c为系数,所述系数的值可通过使一系列密度的MLVI_3与实际的(测得的)植被量之间的rms误差最小化来确定。所述rms误差可通过线性回归计算,所述计算可以几个程序来进行,所述程序例如MatLab、MathCAD、OriginLab或Maple。可使用其他程序进行该分析。
仅仅举例来说,将叶绿素的所有已知光谱反射率信息包括在内的另一方式可为建立商数,在所述商数中分子包括所有光谱差值之和,植被的所述所有光谱差值之和是最大的,非植被的所述所有光谱差值之和是最小的。就归一化的目的而言,分母可包括那些光谱成分之和。该方法的一个例子可得到:
(11)MLVI_4=[(ir-red)+(green-red)+(red-blue)]/[ir+red+green+blue]
所述方法可包括在该示例性方法中的其他变化。
在另一实施方式中,MLVI可由公式MLVI=VI(A-B)*VI(B-C)*VI(D-B)定义,其中,A、B、C和D为不同的波段。在另一实施方式中,MLVI可由公式MLVI=VI(A-B)+VI(B-C)+VI(D-B)定义,其中,A、B、C和D为不同的波段。在另一实施方式中,MLVI可由公式MLVI=E*VI(A-B)+F*VI(B-C)+G*VI(D-B)定义,其中,A、B、C和D为不同的波段,且E、F和G为系数,所述系数的值分别通过使MLVI与测得的植被量之间的均方根(rms)误差最小化而独立地确定。所述rms误差可通过线性回归最小化。在另一实施方式中,所述MLVI由公式MLVI=[(对A的反射率-对B的反射率)+(对B的反射率-对C的反射率)+(对D的反射率-对B的反射率)]/[对A的反射率+对B的反射率+对C的反射率+对D的反射率]定义,其中,A、B、C和D为不同的波段。仅仅举例来说,A可为近红外光光谱中的波段,B可为可见红光光谱中的波段,C可为可见蓝光光谱中的波段,且D可为可见绿光光谱中的波段。
浮萍的密度以毫克干重为单位表示,但由于在本发明的实施例中所述浮萍密度是在一平方米的区域上获取的,因此对所述密度的量度以毫克每平方米为单位。由于这些区域的厚度在密度最高处足足超过5毫米,即使出现在厚、多层的垫中,所述多层植被指数也能明确地定量植被的量。
所描述的这种一般方法不限于浮萍微作物。这些方法和应用也可应用于其他多层作物,例如,凤眼莲、无根萍、紫萍、水蕨(water fern)等等。
本申请的实施方式通过下列实施例进一步举例说明。
实施例
本发明提供以下非限定性实施例以进一步举例说明本申请的实施方式。本领域技术人员应当理解的是,下列实施例中所公开的技术代表本发明的发明人发现的以在实践本申请时起良好作用的方法,因此所述方法可被认为构成了用于实践本申请的模型实例。然而,根据本发明公开的内容,本领域技术人员应当理解的是,可在公开的具体实施方式中作出多种变化并且仍然可获得相同或类似的结果,而不背离本申请的实质和范围。
实施例1-对生长的浮萍进行成像的方法
使用数码照相机系统对生长的浮萍成像。所述照相机系统记录了在可见光谱及近红外光谱中拍摄的图像。如下所示,总共产生4幅空间上记录的图像:
表1
图像类型 | 大约波段区(nm) | |
图像1 | 蓝 | 450 |
图像2 | 绿 | 550 |
图像3 | 红 | 650 |
图像4 | 近红外 | 700-1000 |
使用方程(1)计算NDVI。计算涵盖浮萍生长的所有像素的NDVI的平均数。人工测量浮萍的密度。这些数据在图2中显示。在约1000g/m^2的密度范围中,所述浮萍以约4层的深度生长。因此,该数据显示测量诸如浮萍之类的多层微作物的NDVI的效力。
实施例2-对生长的浮萍进行成像的方法
如上所述的成像系统及其相关软件用于对微作物的多个一平方米区域进行成像。在该实施例中,使用层状浮萍作为所述作物。对具有一定密度范围或一定层厚度范围的浮萍的多个区域成像。使用先前描述的步骤,并计算每个区域所得的多层植被指数。图3中显示所述结果的图。
相关领域普通技术人员将意识到本文描述的不同实施方式的各种配置和特征的适用性。类似地,本领域普通技术人员可根据本文描述的原理混合并匹配上述的各种配置和特征,以及每一配置或特征的其他已知等同物。将被理解的是,所描述的实施例仅仅是出于举例说明的目的,并不限制本发明的范围。
上述的各种方法和技术提供了实施本申请的多种方式。当然,可理解的是,并非所有描述的目的或优势都可根据本申请描述的任何特定实施方式来实现。因此,例如,本领域技术人员将意识到,可在某种程度上实施实现或优化本文所教导的一种优势或一组优势的方法而不必需实现本文所教导的或建议的其他目的或优势。本申请涉及了多种替代方式。可理解的是,一些优选的实施方式具体地包括一种特征、另一特征或若干特征,而其他实施方式具体地排除一种特征、另一特征或若干特征,而另外其他实施方式通过包括一种有利的特征、另一有利的特征或若干有利的特征来减轻特定特征。
另外,本领域技术人员将意识到不同实施方式中各种特性的适用性。相似地,根据本申请描述的原理,本领域普通技术人员可以各种组合的形式使用上述各种元件、特征和步骤以及每个该元件、特征和步骤的其他已知等同物来实施本发明的方法。各种元件、特征和步骤中的一些将被特别包括在不同的实施方式中,而其他将被特别排除。
虽然本申请在某些实施方式及实施例的部分中已被公开,但本领域技术人员将理解的是,本申请的实施方式延伸超过特定公开的实施方式至其他可选的实施方式和/或使用和修改及其等同物。
在一些实施方式中,将会理解的是,用于描述和要求保护的本申请的一些实施方式的表示成分、性质的量的数字(如分子量、反应条件等等)在某些情况下用术语“大约”修饰。因此,在一些实施方式中,在书面说明书及所附的权利要求中列举的数字参数是近似值,所述近似值可随特定实施方式获得的期望性质而变化。在一些实施方式中,数字参数应当根据所报告的有效位数的数字并通过应用普通取整技术来诠释。虽然说明本申请的一些实施方式的广泛范围的数字范围和参数是近似值,但在特定的实施例中列举的数值是尽可能精确地报告的。
在一些实施方式中,在描述本申请的特定实施方式的部分(特别是在随后的一些权利要求中)使用的单数形式的术语(“a”和“an”和“the”)以及类似的所提及的表达可诠释为涵盖单数及复数。本申请中数值范围的记载仅仅意在作为分别适于落入该范围内的每个独立数值的简略方法。除非本申请另有说明,每个独立的数值如同分别记载在本申请中一样并入说明书中。本申请描述的所有方法可以任何合适的顺序进行,除非本申请另有说明或文中另有明确否认。关于本申请的一些实施方式所提供的任何及所有实例或示例性的语言(例如,“如”)的使用仅意在更好地解释本申请,并不造成对本申请所要求保护的范围的限制。本说明书中的所有语言都不应诠释为说明实施本申请所必需的任何未要求保护的要素。
本文描述了本申请的优选实施方式,包括本发明的发明人已知的实施本申请的最佳方式。在阅读前述说明书后,对那些优选的实施方式的改变对于本领域普通技术人员而言是显而易见的。可考虑到的是,本领域技术人员可使用这些合适的改变,且本申请可通过不同于本申请具体描述的方式来实施。因此,如相关法律所允许的,本申请的许多实施方式包括本申请所附的权利要求中记载的主题的所有修改和等同范围。而且,除非本文另有说明或文中另有明确否认,所有可能的改变中的上述元素的任何组合包括在本申请的范围内。
本申请参考的所有专利、专利申请、专利申请公开及其他材料(如文章、书籍、说明书、公开出版物、文档、物品等等)的全部内容通过引用并入本文用于所有目的,除了与本申请的文件不一致或相矛盾的任何相关起诉文件的历史记录或对本申请文件相关的目前或以后的权利要求的最宽范围具有限制性影响的任何相关起诉文件的历史记录。举例而言,如果在与任何并入的材料和本申请文件相关的描述、定义和/或术语的使用中存在任何不一致或矛盾,将以本申请文件中的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请公开的实施方式说明本申请实施方式的原理。可采用的其他修改可在本申请的范围内。因此,作为例子而非限制的方式,可根据本申请的教导使用本申请实施方式的替代配置。因此,本申请的实施方式并不仅限于所显示和说明的内容。
Claims (58)
1.一种产生植被信息的方法,所述方法包括:
(a)提供测绘图信息,所述测绘图信息限定期望得到植被信息的目标区域;
(b)提供成像系统;
(c)使用所述成像系统拍摄所述目标区域在波段光谱中的图像;
(d)记录与所述图像有关的图像数据;
(e)处理所述图像数据,其中,所述处理包括产生至少两种对比指数值;以及
(f)使用所述至少两种对比指数值产生所述植被信息。
2.如权利要求1所述的方法,其中,所述测绘图信息包括所述目标区域的边界。
3.如权利要求1所述的方法,其中,所述测绘图信息包括所述目标区域的地形学信息。
4.如权利要求1所述的方法,其中,所述成像系统包括数码照相机系统。
5.如权利要求4所述的方法,其中,所述数码照相机系统具有每像素至少12比特的比特深度。
6.如权利要求4所述的方法,其中,所述数码照相机系统配置为在完全日光至接近黑暗的曝光水平范围内保持色度的稳定性。
7.如权利要求1所述的方法,其中,所述波段光谱包括可见光波段。
8.如权利要求1所述的方法,其中,所述波段光谱包括近红外波段。
9.如权利要求1所述的方法,其中,所述对比指数值中的一种为植被指数值VI(A-B),所述植被指数值VI(A-B)由公式VI(A-B)=(对A的反射率-对B的反射率)/(对A的反射率+对B的反射率)定义,其中,A和B为不同的波段。
10.如权利要求9所述的方法,其中,得到的植被指数值为归一化植被指数(NDVI)。
11.如权利要求9所述的方法,其中,所述对比指数值中的一种为植被指数值VI(B-C),所述植被指数值VI(B-C)由公式VI(B-C)=(对B的反射率-对C的反射率)/(对B的反射率+对C的反射率)定义,其中,B和C为不同的波段。
12.如权利要求11所述的方法,其中,A为可见绿光光谱中的波段,B为可见红光光谱中的波段,且C为可见蓝光光谱中的波段。
13.如权利要求11所述的方法,其中,在所述处理后,将对比指数值的负值设为零。
14.如权利要求12所述的方法,其中,在所述处理后,将对比指数值的负值设为零。
15.如权利要求13所述的方法,所述方法还包括产生归一化植被指数(NDVI)和产生植被指数值VI,所述植被指数值VI由公式VI=NDVI*VI(A-B)*VI(B-C)定义。
16.如权利要求11所述的方法,其中,所述对比指数值中的一种为植被指数值VI(D-B),所述植被指数值VI(D-B)由公式VI(D-B)=(对D的反射率-对B的反射率)/(对D的反射率+对B的反射率)定义,其中,B和D是不同的波段。
17.如权利要求16所述的方法,其中,A为红外光谱中的波段,B为可见红光光谱中的波段,C为可见蓝光光谱中的波段,且D为可见绿光光谱中的波段。
18.如权利要求1所述的方法,其中,所述对比指数值中的一种为多层植被指数(MLVI)。
19.如权利要求18所述的方法,其中,所述MLVI由公式MLVI=VI(A-B)*VI(B-C)*VI(D-B)定义,其中,A、B、C和D为不同的波段。
20.如权利要求18所述的方法,其中,所述MLVI由公式MLVI=VI(A-B)+VI(B-C)+VI(D-B)定义,其中,A、B、C和D为不同的波段。
21.如权利要求18所述的方法,其中,所述MLVI由公式MLVI=E*VI(A-B)+F*VI(B-C)+G*VI(D-B)定义,其中,A、B、C和D为不同波段,且E、F和G为系数,所述系数的值分别通过使MLVI与测得的植被量之间的均方根(rms)误差最小化来独立地确定。
22.如权利要求21所述的方法,其中,所述rms误差通过线性回归最小化。
23.如权利要求18所述的方法,其中,所述MLVI由公式MLVI=[(对A的反射率-对B的反射率)+(对B的反射率-对C的反射率)+(对D的反射率-对B的反射率)]/[对A的反射率+对B的反射率+对C的反射率+对D的反射率]定义,其中,A、B、C和D为不同的波段。
24.如权利要求9至23中任一项所述的方法,所述方法进一步包括使所述植被指数值与所述目标区域中植被的物理特性相关联以产生所述植被信息。
25.如权利要求1所述的方法,其中,所述植被信息包括面密度。
26.如权利要求1所述的方法,所述方法进一步包括在一段时间间隔后重复(c)、(d)、(e)及(f)。
27.如权利要求26所述的方法,所述方法进一步包括比较在所述时间间隔之前产生的植被信息与在所述时间间隔之后产生的植被信息。
28.如权利要求4所述的方法,其中,所述数码照相机系统包括集成照相机系统。
29.如权利要求4所述的方法,其中,所述数码照相机系统包括双重照相机系统。
30.一种产生植被信息的系统,所述系统包括:
(a)测绘图信息,所述测绘图信息限定期望获得植被信息的目标区域;
(b)成像系统,所述成像系统适于:
拍摄所述目标区域在波段光谱中的图像,并记录与所述图像有关的图像数据;以及
(c)所述成像系统或计算机系统,所述成像系统或计算机系统适于:
处理所述图像数据,其中,所述处理包括产生至少两种对比指数值,以及
使用所述至少两种对比指数值产生所述植被信息。
31.如权利要求30所述的系统,其中,所述测绘图信息包括所述目标区域的边界。
32.如权利要求30所述的系统,其中,所述测绘图信息包括所述目标区域的地形学信息。
33.如权利要求30所述的系统,其中,所述成像系统包括数码照相机系统。
34.如权利要求33所述的系统,其中,所述数码照相机系统具有每像素至少12比特的比特深度。
35.如权利要求33所述的系统,其中,所述数码照相机系统配置为在完全日光至接近黑暗的曝光水平范围内保持色度的稳定性。
36.如权利要求30所述的系统,其中,所述波段光谱包括可见光波段。
37.如权利要求30所述的系统,其中,所述波段光谱包括近红外波段。
38.如权利要求30所述的系统,其中,所述对比指数值中的一种为植被指数值VI(A-B),所述植被指数值VI(A-B)由公式VI(A-B)=(对A的反射率-对B的反射率)/(对A的反射率+对B的反射率)定义,其中,A和B为不同的波段。
39.如权利要求38所述的系统,其中,得到的植被指数值为归一化植被指数(NDVI)。
40.如权利要求38所述的系统,其中,所述对比指数值中的一种为植被指数值VI(B-C),所述植被指数值VI(B-C)由公式VI(B-C)=(对B的反射率-对C的反射率)/(对B的反射率+对C的反射率)定义,其中,B和C为不同的波段。
41.如权利要求40所述的系统,其中,A为可见绿光光谱中的波段,B为可见红光光谱中的波段,且C为可见蓝光光谱中的波段。
42.如权利要求40所述的系统,其中,所述成像系统或计算机系统还适于在所述处理后将对比指数值的负值设为零。
43.如权利要求41所述的系统,其中,所述成像系统或计算机系统还适于在所述处理后将对比指数值的负值设为零。
44.如权利要求43所述的系统,其中,所述成像系统或计算机系统还适于产生归一化植被指数(NDVI)并产生植被指数值VI,所述植被指数值VI由公式VI=NDVI*VI(A-B)*VI(B-C)定义。
45.如权利要求40所述的系统,其中,所述对比指数值中的一种为植被指数值VI(D-B),所述植被指数值VI(D-B)由公式VI(D-B)=(对D的反射率-对B的反射率)/(对D的反射率+对B的反射率)定义,其中,B和D为不同的波段。
46.如权利要求45所述的系统,其中,A为红外光谱中的波段,B为可见红光光谱中的波段,C为可见蓝光光谱中的波段,且D为可见绿光光谱中的波段。
47.如权利要求1所述的系统,其中,所述对比指数值中的一种为多层植被指数(MLVI)。
48.如权利要求47所述的系统,其中,所述MLVI由公式MLVI=VI(A-B)*VI(B-C)*VI(D-B)定义,其中,A、B、C和D为不同的波段。
49.如权利要求47所述的系统,其中,所述MLVI由公式MLVI=VI(A-B)+VI(B-C)+VI(D-B)定义,其中,A、B、C和D为不同的波段。
50.如权利要求47所述的系统,其中,所述MLVI由公式MLVI=E*VI(A-B)+F*VI(B-C)+G*VI(D-B)定义,其中,A、B、C和D为不同波段,且E、F和G为系数,所述系数的值分别通过使MLVI与测得的植被量之间的rms误差最小化来独立地确定。
51.如权利要求50所述的系统,其中,所述rms误差通过线性回归最小化。
52.如权利要求47所述的系统,其中,所述MLVI由公式MLVI=[(对A的反射率-对B的反射率)+(对B的反射率-对C的反射率)+(对D的反射率-对B的反射率)]/[对A的反射率+对B的反射率+对C的反射率+对D的反射率]定义,其中,A、B、C和D为不同的波段。
53.如权利要求30至52中任一项所述的系统,其中,所述成像系统或计算机系统还适于使所述植被指数值与所述目标区域中的植被的物理特性相关联以产生所述植被信息。
54.如权利要求30所述的系统,其中,所述植被信息包括面密度。
55.如权利要求30所述的系统,其中,所述成像系统或计算机系统还适于在一段时间间隔后重复(c)、(d)、(e)及(f)。
56.如权利要求47所述的系统,其中,所述成像系统或计算机系统还适于比较在所述时间间隔之前产生的植被信息与在所述时间间隔之后产生的植被信息。
57.如权利要求33所述的系统,其中,所述数码照相机系统包括集成照相机系统。
58.如权利要求33所述的系统,其中,所述数码照相机系统包括双重照相机系统。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US18634909P | 2009-06-11 | 2009-06-11 | |
US61/186,349 | 2009-06-11 | ||
PCT/US2010/038426 WO2010144877A1 (en) | 2009-06-11 | 2010-06-11 | Vegetation indices for measuring multilayer microcrop density and growth |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102483808A true CN102483808A (zh) | 2012-05-30 |
Family
ID=43309252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010800332878A Pending CN102483808A (zh) | 2009-06-11 | 2010-06-11 | 用于测量多层微作物密度及生长的植被指数 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20120155714A1 (zh) |
CN (1) | CN102483808A (zh) |
AU (1) | AU2010259848A1 (zh) |
BR (1) | BRPI1010727A2 (zh) |
IN (1) | IN2012DN00237A (zh) |
MX (1) | MX2011013334A (zh) |
WO (1) | WO2010144877A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416297A (zh) * | 2018-03-09 | 2018-08-17 | 河北省科学院地理科学研究所 | 一种基于叶绿素荧光的植被信息快速识别方法 |
CN109313125A (zh) * | 2016-06-22 | 2019-02-05 | 索尼公司 | 感测系统、感测方法以及感测装置 |
CN110869744A (zh) * | 2017-07-18 | 2020-03-06 | 索尼公司 | 信息处理设备、信息处理方法、程序和信息处理系统 |
WO2020192385A1 (zh) * | 2019-03-26 | 2020-10-01 | 深圳市大疆创新科技有限公司 | 确定装置、摄像系统及移动体 |
US20220196556A1 (en) * | 2019-04-08 | 2022-06-23 | Migal Galilee Research Institute Ltd. | Remote sensing of plant photosynthetic capacity |
Families Citing this family (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8679352B2 (en) | 2010-03-17 | 2014-03-25 | Pa Llc | Method and system for processing of aquatic species |
US8775119B2 (en) * | 2011-03-30 | 2014-07-08 | Weyerhaeuser Nr Company | System and method for forest management using stand development performance as measured by LAI |
CN102809371B (zh) * | 2011-06-01 | 2014-10-29 | 华东师范大学 | 一种利用平面照片的景深获取立体信息的方法及其应用 |
US10234439B2 (en) * | 2012-11-07 | 2019-03-19 | Airscout Inc. | Methods and systems for analyzing a field |
US9292747B2 (en) * | 2013-03-15 | 2016-03-22 | The Boeing Company | Methods and systems for automatic and semi-automatic geometric and geographic feature extraction |
US20140263822A1 (en) * | 2013-03-18 | 2014-09-18 | Chester Charles Malveaux | Vertical take off and landing autonomous/semiautonomous/remote controlled aerial agricultural sensor platform |
JP5950166B2 (ja) | 2013-03-25 | 2016-07-13 | ソニー株式会社 | 情報処理システム、および情報処理システムの情報処理方法、撮像装置および撮像方法、並びにプログラム |
KR101404430B1 (ko) * | 2013-06-11 | 2014-06-10 | 서울시립대학교 산학협력단 | 적외선 영상을 이용한 지표온도감률 추정 방법 |
US9830514B2 (en) | 2013-12-27 | 2017-11-28 | Weyerhaeuser Nr Company | Method and apparatus for distinguishing between types of vegetation using near infrared color photos |
US10039244B2 (en) * | 2014-03-04 | 2018-08-07 | Greenonyx Ltd | Systems and methods for cultivating and distributing aquatic organisms |
US9824276B2 (en) * | 2014-04-15 | 2017-11-21 | Open Range Consulting | System and method for assessing rangeland |
US9390331B2 (en) * | 2014-04-15 | 2016-07-12 | Open Range Consulting | System and method for assessing riparian habitats |
US9401030B2 (en) | 2014-04-25 | 2016-07-26 | Tazco Soil Service Co. | Image processing system for soil characterization |
US9638678B2 (en) * | 2015-01-30 | 2017-05-02 | AgriSight, Inc. | System and method for crop health monitoring |
MX2017016095A (es) | 2015-06-10 | 2018-11-09 | Parabel Ltd | Aparatos, metodos y sistemas para cultivar un microcultivo que involucra un dispositivo de acoplamiento flotante. |
MX2017016092A (es) | 2015-06-10 | 2018-11-09 | Parabel Ltd | Metodos y sistemas para extraer productos ricos en proteinas y carbohidratos de un microcultivo y composiciones de los mismos. |
US10596048B2 (en) | 2015-06-10 | 2020-03-24 | Parabel Ltd. | Methods and systems for forming moisture absorbing products from a microcrop |
EP3320001A4 (en) | 2015-07-06 | 2019-06-12 | Parabel Ltd. | METHOD AND SYSTEMS FOR EXTRACTION OF A POLYSACCHARIDE PRODUCT FROM A MICRONUT PLANT AND COMPOSITIONS THEREOF |
JP6524842B2 (ja) * | 2015-07-31 | 2019-06-05 | 富士通株式会社 | 情報処理装置、情報処理方法、及びプログラム |
EP3808171A1 (en) | 2015-08-10 | 2021-04-21 | Parabel Nutrition, Inc. | Methods and systems for extracting reduced oxalic acid protein from aquatic species and compositions thereof |
EP3346849A4 (en) | 2015-09-10 | 2019-02-13 | Parabel Ltd. | METHODS AND SYSTEMS FOR TREATING A HIGH CONCENTRATION PROTEIN FROM A MICROPLANT AND ASSOCIATED COMPOSITIONS |
WO2017049204A1 (en) * | 2015-09-18 | 2017-03-23 | SlantRange, Inc. | Systems and methods for determining statistics of plant populations based on overhead optical measurements |
US10049434B2 (en) | 2015-10-15 | 2018-08-14 | The Boeing Company | Systems and methods for object detection |
CA3004947A1 (en) * | 2015-11-10 | 2017-05-18 | Matternet, Inc. | Methods and systems for transportation using unmanned aerial vehicles |
DE102016119592A1 (de) * | 2016-10-14 | 2018-05-03 | Connaught Electronics Ltd. | Verfahren zum Erkennen von Objekten in einem Umgebungsbereich eines Kraftfahrzeugs unter Berücksichtigung von Sensordaten im infraroten Wellenlängenbereich, Objekterkennungsvorrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug |
US10769436B2 (en) | 2017-04-19 | 2020-09-08 | Sentera, Inc. | Multiband filtering image collection and analysis |
US10524409B2 (en) | 2017-05-01 | 2020-01-07 | Cnh Industrial America Llc | System and method for controlling agricultural product application based on residue coverage |
CN111226261A (zh) * | 2017-10-26 | 2020-06-02 | 索尼公司 | 信息处理装置、信息处理方法、程序以及信息处理系统 |
CN107832697B (zh) * | 2017-11-01 | 2019-11-08 | 中国科学院地理科学与资源研究所 | 三七种植信息快速提取的处理方法和系统 |
US10621434B2 (en) * | 2018-01-25 | 2020-04-14 | International Business Machines Corporation | Identification and localization of anomalous crop health patterns |
US11157736B2 (en) * | 2018-01-29 | 2021-10-26 | Aerovironment, Inc. | Multispectral filters |
US11097839B2 (en) * | 2019-10-09 | 2021-08-24 | Kitty Hawk Corporation | Hybrid power systems for different modes of flight |
CN114586066A (zh) * | 2019-10-30 | 2022-06-03 | 索尼集团公司 | 图像处理装置、图像处理方法和图像处理程序 |
CN112149295B (zh) * | 2020-09-17 | 2023-07-18 | 中国科学院空天信息创新研究院 | 一种全球通用植被总初级生产力遥感指数估算方法 |
CN112666120B (zh) * | 2020-12-17 | 2024-04-05 | 淮阴师范学院 | 基于近红外光谱的植被与非植被识别指数构建方法 |
CN112666121B (zh) * | 2020-12-17 | 2024-04-05 | 淮阴师范学院 | 基于红外光谱的植被与非植被识别方法 |
CN113656978A (zh) * | 2021-08-25 | 2021-11-16 | 青岛星科瑞升信息科技有限公司 | 一种应用于城市的新型高光谱植被指数的构建方法 |
WO2024099860A1 (en) | 2022-11-08 | 2024-05-16 | Signify Holding B.V. | A system for determining presence and/or properties of duckweed |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7058197B1 (en) * | 1999-11-04 | 2006-06-06 | Board Of Trustees Of The University Of Illinois | Multi-variable model for identifying crop response zones in a field |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2749177B1 (fr) * | 1996-06-03 | 1998-07-17 | Inst Francais Du Petrole | Methode et systeme pour la teledetection de l'inflammabilite des differentes parties d'une zone survolee par un aeronef |
US6160902A (en) * | 1997-10-10 | 2000-12-12 | Case Corporation | Method for monitoring nitrogen status using a multi-spectral imaging system |
WO2002077608A2 (en) * | 2001-03-22 | 2002-10-03 | University Of Utah | Optical method and apparatus for determining status of agricultural products |
US8135178B2 (en) * | 2007-04-10 | 2012-03-13 | Deere & Company | Process for normalizing images or other data layers |
-
2010
- 2010-06-11 AU AU2010259848A patent/AU2010259848A1/en not_active Abandoned
- 2010-06-11 US US13/377,375 patent/US20120155714A1/en not_active Abandoned
- 2010-06-11 BR BRPI1010727A patent/BRPI1010727A2/pt not_active Application Discontinuation
- 2010-06-11 CN CN2010800332878A patent/CN102483808A/zh active Pending
- 2010-06-11 WO PCT/US2010/038426 patent/WO2010144877A1/en active Application Filing
- 2010-06-11 IN IN237DEN2012 patent/IN2012DN00237A/en unknown
- 2010-06-11 MX MX2011013334A patent/MX2011013334A/es not_active Application Discontinuation
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7058197B1 (en) * | 1999-11-04 | 2006-06-06 | Board Of Trustees Of The University Of Illinois | Multi-variable model for identifying crop response zones in a field |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109313125A (zh) * | 2016-06-22 | 2019-02-05 | 索尼公司 | 感测系统、感测方法以及感测装置 |
CN109313125B (zh) * | 2016-06-22 | 2022-05-27 | 索尼公司 | 感测系统、感测方法以及感测装置 |
CN110869744A (zh) * | 2017-07-18 | 2020-03-06 | 索尼公司 | 信息处理设备、信息处理方法、程序和信息处理系统 |
CN108416297A (zh) * | 2018-03-09 | 2018-08-17 | 河北省科学院地理科学研究所 | 一种基于叶绿素荧光的植被信息快速识别方法 |
WO2020192385A1 (zh) * | 2019-03-26 | 2020-10-01 | 深圳市大疆创新科技有限公司 | 确定装置、摄像系统及移动体 |
US20220196556A1 (en) * | 2019-04-08 | 2022-06-23 | Migal Galilee Research Institute Ltd. | Remote sensing of plant photosynthetic capacity |
US11965832B2 (en) * | 2019-04-08 | 2024-04-23 | Migal Galilee Research Institute Ltd. | Remote sensing of plant photosynthetic capacity |
Also Published As
Publication number | Publication date |
---|---|
WO2010144877A1 (en) | 2010-12-16 |
AU2010259848A1 (en) | 2012-02-02 |
BRPI1010727A2 (pt) | 2016-03-15 |
IN2012DN00237A (zh) | 2015-05-01 |
US20120155714A1 (en) | 2012-06-21 |
MX2011013334A (es) | 2012-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102483808A (zh) | 用于测量多层微作物密度及生长的植被指数 | |
Shanahan et al. | Use of remote‐sensing imagery to estimate corn grain yield | |
Cibula et al. | Identification of a far-red reflectance response to ectomycorrhizae in slash pine | |
CN105678281B (zh) | 基于光谱和纹理特征的地膜覆盖农田遥感监测方法 | |
Nichol et al. | Urban vegetation monitoring in Hong Kong using high resolution multispectral images | |
CN106372592B (zh) | 一种基于冬小麦面积指数的冬小麦种植面积计算方法 | |
US7911517B1 (en) | Device and method for acquiring digital color-infrared photographs for monitoring vegetation | |
Flowers et al. | Remote sensing of winter wheat tiller density for early nitrogen application decisions | |
CN104156567B (zh) | 一种耦合卫星遥感影像大气校正和地形校正过程的地表反射率获取技术 | |
CN105758806B (zh) | 基于光谱特征的地膜覆盖农田遥感监测方法 | |
CN106841116A (zh) | 人工绿色目标的检测方法和装置 | |
Gibson-Poole et al. | Identification of the onset of disease within a potato crop using a UAV equipped with un-modified and modified commercial off-the-shelf digital cameras | |
Hama et al. | Examination of appropriate observation time and correction of vegetation index for drone-based crop monitoring | |
Hall et al. | Remote sensing of biophysical variables in boreal forest stands of Picea mariana | |
Moran | A satellite-based approach for evaluation of the spatial distribution of evapotranspiration from agricultural lands | |
CN109471131B (zh) | 通过遥感卫星照片统计监测轮作休耕情况的方法和装置 | |
Minghelli-Roman et al. | Discrimination of coral reflectance spectra in the Red Sea | |
CN105678280B (zh) | 基于纹理特征的地膜覆盖农田遥感监测方法 | |
Gomes et al. | Comparing a single-sensor camera with a multisensor camera for monitoring coffee crop using Unmanned Aerial Vehicles | |
Mihaylov et al. | Tracking The Development Of Six Wheat Varieties Using Infrared Imaging And Image Processing Algorithms | |
Muchsin et al. | COMPARISON OF THE RADIOMETRIC CORRECTION LANDSAT-8 IMAGE BASED ON OBJECT SPECTRAL RESPONSE AND VEGETATION INDEX | |
Konarska et al. | Applications of dual-wavelength hemispherical photography in urban climatology and urban forestry | |
Bajwa et al. | Multispectral CIR image calibration for cloud shadow and soil background influence using intensity normalization | |
Selvaraj | Development of novel image analysis approaches for seaweed discrimination–Species level study using field spectroscopy and UAV multispectral remote sensing | |
Gerard et al. | Estimation of spatial variability in pearl millet growth with non-destructive methods |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120530 |